一种基于深度学习的多稀疏策略的超声断层图像重建方法

    公开(公告)号:CN116433791A

    公开(公告)日:2023-07-14

    申请号:CN202310238700.3

    申请日:2023-03-07

    Abstract: 本发明公开了一种基于深度学习的多稀疏策略的超声断层图像重建方法,属于超声断层成像技术领域。本发明在深度学习图像恢复的基础上,利用超声断层成像数据的特性,将采集到的稀疏数据进行二次采样重组,得到相当于稀疏数据的一系列子排列组合,再重建得到一系列不同稀疏策略的低质量超声断层图像,这些图像带有超声断层非线性重建中的纹理特征。使用特征提取网络得到稀疏发射的低质量图像的特征,输入重建网络,以完备数据集重建得到的高质量图像结果作为网络模型的目标,最终实现由稀疏超声回波数据到高质量图像结果的映射关系。与直接使用单组稀疏数据重建图像进行恢复的方法相比,该多稀疏方法可以更好地保留超声断层图像中的纹理特征。

    一种乳腺超声CT反射成像方法和装置

    公开(公告)号:CN115919346A

    公开(公告)日:2023-04-07

    申请号:CN202211740205.4

    申请日:2022-12-30

    Abstract: 本发明公开了一种乳腺超声CT反射成像方法和装置,属于医学影像处理技术领域,所述方法包括:分别依次采集患者乳腺的N次发射接收事件中环形探头每个阵元各自对应的第一回波信号,根据第一回波信号进行降低冗余处理、滤波处理和接收端延时叠加处理,得到N次发射接收事件中每个阵元各自对应的目标回波信号;根据每个阵元对应的目标回波信号计算重建图像每个成像点的归一化空间相干值,进而计算每个成像点的短间隔空间相干系数;根据重建图像中每个成像点的短间隔空间相干系数对每个成像点进行灰度赋值。本发明应用改进的SLSC方法对超声CT采集到的数据进行处理,提高了图像对比度,保证了图像分辨率在轴向和横向上的均一性。

Patent Agency Ranking