[发明专利]一种心脏超声影像伪影去除方法及装置

说明书

本公开涉及一种心脏超声影像伪影去除方法及装置，所述方法包括：获取原始图像和所述原始图像对应的第一伪影类别向量，所述第一伪影类别向量用于指示需要从所述原始图像中去除的伪影的类别；将所述原始图像和所述第一伪影类别向量输入第一生成器中，输出无伪影的目标图像；其中，所述第一生成器是在循环生成对抗网络满足预设条件的情况下获得的，所述循环生成对抗网络是基于第一有伪影图像、第二伪影类别向量和第一无伪影图像训练得到的。本公开实施例可提高去除伪影的效率和灵活性。

技术领域

本公开涉及计算机技术领域，尤其涉及一种心脏超声影像伪影去除方法及装置。

背景技术

在医学图像中，存在着噪声和伪影，给图像的解读和临床诊断带来颇多不便。近年来，模拟人类感知的深度学习技术在语音识别、图像识别等领域都得到了卓越的发展，在医学图像领域，深度学习技术也已经得到了诸多研究与应用，为医学图像的分析与诊断提供了助力。

相关技术中，在去除伪影时，可以利用稀疏反卷积方法减少棋盘伪影、利用非局部低阶滤波方法减少斑点伪影等。这些方法本身计算量较大，需要耗费大量的计算资源。同时，由于一种方法往往只能去除某一种伪影，这样在实际应用中就需要迭代多种方法进行计算，导致目前单个用于去除伪影的生成对抗网络模型也只能去除单一种类的伪影。然而，实际医学图像中可能同时存在多种类型的伪影，因此在实际应用时，需要集成多个模型，以应对不同种类的伪影，会大量消耗存储资源和计算资源，导致效率较低。

发明内容

本公开提出了一种心脏超声影像伪影去除方法及装置，能够提高去除伪影的效率和灵活性。

根据本公开的一方面，提供了一种伪影去除方法，所述方法包括：获取原始图像和所述原始图像对应的第一伪影类别向量，所述第一伪影类别向量用于指示需要从所述原始图像中去除的伪影的类别；将所述原始图像和所述第一伪影类别向量输入第一生成器中，输出无伪影的目标图像；其中，所述第一生成器是在循环生成对抗网络满足预设条件的情况下获得的，所述循环生成对抗网络是基于第一有伪影图像、第二伪影类别向量和第一无伪影图像训练得到的，所述第二伪影类别向量用于指示需要从第一有伪影图像中去除的伪影的类别，所述第一无伪影图像表示所述第一有伪影图像去除伪影后的图像，所述循环生成对抗网络包括用于去除图像中伪影的所述第一生成器、用于向图像中添加伪影的第二生成器、用于辨别第一有伪影图像和所述第二生成器输出的第二有伪影图像的第一辨别器，以及用于辨别第一无伪影图像和所述第一生成器输出的第二无伪影图像的第二辨别器。

在本公开的实施例中，通过第一伪影类别向量控制需要从原始图像中去除的伪影类别，实现了使用一个生成器去除多种类别的伪影，节约了储存资源和成本，提高了去除伪影的效率、可控性以及灵活性。

在一种可能的实现方式中，基于第一有伪影图像、第二伪影类别向量和第一无伪影图像训练所述循环生成对抗网络的过程包括：

将所述第一有伪影图像和所述第二伪影类别向量输入所述第一生成器，输出所述第二无伪影图像，将所述第二无伪影图像和所述第二伪影类别向量输入所述第二生成器，输出第三有伪影图像，确定所述第一有伪影图像和所述第三有伪影图像之间的第一损失；

将所述第一无伪影图像和所述第二伪影类别向量输入所述第二生成器，输出所述第二有伪影图像，将所述第二有伪影图像和所述第二伪影类别向量输入所述第一生成器，输出第三无伪影图像，确定所述第一无伪影图像和所述第三无伪影图像之间的第二损失；

将所述第一有伪影图像输入所述第一辨别器，得到所述第一有伪影图像对应的第三损失和第四损失，所述第一有伪影图像对应的第三损失用于表征所述第一有伪影图像是否为真正的有伪影图像，所述第一有伪影图像对应的第四损失用于表征识别出的所述第一有伪影图像的伪影类别是否正确；