公开(公告)号：CN110880196B

公开(公告)日：2023-06-09

申请号：CN201911096094.6

申请日：2019-11-11

Applicant: 哈尔滨工业大学(威海)

Inventor： 孙明健 ,  刘子超 ,  杨西斌 ,  刘广兴 ,  马立勇 ,  刘旸 ,  马一鸣 ,  刘志强

IPC: G06T11/00 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明实施例提供基于深度学习的肿瘤光声图像快速重建方法及装置，方法包括：通过k‑Wave工具箱和迭代重建算法，获取稀疏采样下，不同数量、形状、大小、位置、光吸收系数及信噪比的肿瘤光声仿真数据集，通过光声实验补充实验数据集；构建端到端的SEU‑Net；采用预训练策略及有监督的学习方法在肿瘤光声仿真数据集和实验数据集上递进式训练SEU‑Net，依次实现迭代重建算法重建图像到高质量标签图像、初始光声信号图到高质量标签图像的重建任务，得到训练好的肿瘤光声图像重建模型；将目标肿瘤的初始光声信号图输入肿瘤光声图像重建模型，输出重建后的高质量肿瘤光声图像。可实现基于稀疏采样的快速、高质量的肿瘤光声图像重建。

公开(公告)号：CN110880196A

公开(公告)日：2020-03-13

申请号：CN201911096094.6

申请日：2019-11-11

Applicant: 哈尔滨工业大学(威海)

Inventor： 孙明健 ,  刘子超 ,  杨西斌 ,  刘广兴 ,  马立勇 ,  刘旸 ,  马一鸣 ,  刘志强

IPC: G06T11/00 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明实施例提供基于深度学习的肿瘤光声图像快速重建方法及装置，方法包括：通过k-Wave工具箱和迭代重建算法，获取稀疏采样下，不同数量、形状、大小、位置、光吸收系数及信噪比的肿瘤光声仿真数据集，通过光声实验补充实验数据集；构建端到端的SEU-Net；采用预训练策略及有监督的学习方法在肿瘤光声仿真数据集和实验数据集上递进式训练SEU-Net，依次实现迭代重建算法重建图像到高质量标签图像、初始光声信号图到高质量标签图像的重建任务，得到训练好的肿瘤光声图像重建模型；将目标肿瘤的初始光声信号图输入肿瘤光声图像重建模型，输出重建后的高质量肿瘤光声图像。可实现基于稀疏采样的快速、高质量的肿瘤光声图像重建。