[发明专利]一种基于生成对抗网络的快速超声定位显微成像方法

权利要求书

1.一种基于生成对抗网络的快速超声定位显微成像方法，用于对原始超声图像进行快速超声定位得到超分辨超声图像，其特征在于，包括：

步骤S1，基于生成对抗网络构建初始成像模型；

步骤S2，获取低分辨原始超声图像作为网络输入，并获取对应的高分辨超声定位显微图像作为训练标签，以此分别构建训练集和测试集；

步骤S3，将所述训练集输入至所述初始成像模型，采用损失函数和所述训练标签训练并优化该模型直至完成训练，得到快速超分辨成像模型；

步骤S4，将待测原始超声图像输入至所述快速超分辨成像模型进行快速超声定位，从而得到对应的超分辨超声图像，

其中，所述生成对抗网络采用Pix2pix作为基础框架，采用残差卷积神经网络作为生成器网络，采用PatchGAN结构作为判别器网络。

2.根据权利要求1所述的一种基于生成对抗网络的快速超声定位显微成像方法，其特征在于：

其中，所述判别器网络用于为模型的训练提供生成对抗损失，

所述生成器网络包括用于残差学习的6个残差模块和用于实现上采样操作的2个上采样模块，

每个所述残差模块包含2个卷积层以及对应的批标准化层与激活函数，每个所述上采样模块由转置卷积层、批标准化层与激活函数组成。

3.根据权利要求1所述的一种基于生成对抗网络的快速超声定位显微成像方法，其特征在于：

其中，所述原始超声图像的获取过程为：

基于超声造影剂对成像对象进行超声成像，获取一组超声原始图像序列，其中每帧超声原始图像中包含多个稀疏分布的微泡，随机分布在成像区域；

从这一组所述超声原始图像序列中随机选择连续20帧进行叠加后，经归一化得到低分辨的原始超声图像，该原始超声图像为512*512像素。

4.根据权利要求3所述的一种基于生成对抗网络的快速超声定位显微成像方法，其特征在于：

其中，所述训练标签的构建过程为：

对每一帧所述超声原始图像进行单分子定位，即对每一帧图像中的独立微泡通过高斯拟合法与重心法进行中心定位获取微泡对应的定位帧，取所有定位帧中95％的定位帧进行叠加，经过归一化并进行预定倍数的上采样从而得到超声定位显微图像作为所述训练标签，

所述超声定位显微图像为2048*2048像素。

5.根据权利要求4所述的一种基于生成对抗网络的快速超声定位显微成像方法，其特征在于：

其中，在所述初始成像模型的训练中，所述生成器网络训练的损失函数由多尺度结构相似性损失、L1正则损失和生成对抗损失组成：

L_G＝α×L₁(G(LR_l)，HR_L)+β×[1-L_SSIM(G(LR_l)，HR_L)]+-logD(G(LR_l)，LR_l)

式中，L₁(·)表示L1损失，G(·)表示生成器网络，LR_l表示由1帧图像叠加得到的原始超声图像，HR_L表示由L帧定位帧叠加得到的超声定位显微图像，L_SSIM(·)表示多尺度结构相似性损失，D(·)表示判别器网络，α与β表示L1正则损失与多尺度结构相似性损失的系数，

所述判别器的损失函数采用生成对抗损失：

L_D＝-logD(HR_L，LR_l)-log(1-D(G(LR_l)，LR_l))。

6.根据权利要求5所述的一种基于生成对抗网络的快速超声定位显微成像方法，其特征在于：

其中，所述优化为采用Adam优化梯度下降算法，对所述原始超声图像和相应的超声定位显微图像进行50个周期的训练，即遍历所述训练集50次，

每个周期遍历数据批次大小N为4，初始学习率为1×10。

7.根据权利要求6所述的一种基于生成对抗网络的快速超声定位显微成像方法，其特征在于：

其中，在所述优化过程中，采用学习率衰减策略使得学习率逐渐减小至0，从而快速逼近最优参数，使损失函数以最快速度收敛致最小。