公开(公告)号：CN116777789A

公开(公告)日：2023-09-19

申请号：CN202310790703.8

申请日：2023-06-29

Applicant: 成都信息工程大学

Inventor： 甘建红 ,  王莉萍

IPC: G06T5/00 ,  G06T5/30 ,  G16H30/40 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/094

Abstract: 本发明公开了一种基于SRGAN模型的多尺度超声图像去噪方法，属于图像处理技术领域，包括步骤：S1、采集超声图像，并构建超声图像数据集；S2、利用超声图像数据集构建并训练SRGAN模型；S3、基于训练好的SRGAN模型对待处理超声图像进行多尺度去噪，获得去噪后的超声图像。本发明方法获得的去噪图像保留了更加细微的特征，在抑制图像斑点噪声的同时增强对比度，特别是在重度噪声的情况下更具有稳定性；相较于传统方法取得了更好的去噪效果，对比度更强，结构细节更加明显，更有利于医生分析超声图像内容。

公开(公告)号：CN118212153A

公开(公告)日：2024-06-18

申请号：CN202410638731.2

申请日：2024-05-22

Applicant: 成都信息工程大学 ,  四川省医学科学院·四川省人民医院

Inventor： 甘建红 ,  王莉萍 ,  尹立雪 ,  张红梅 ,  谢盛华 ,  何童丽

IPC: G06T5/70 ,  G06T5/60 ,  G06N3/088 ,  G06N3/0985

Abstract: 本发明公开了一种基于无监督学习模型的超声图像去噪方法，属于图像处理技术领域，包括：S1、采集含噪超声图像，对其进行去噪处理，并分别构造含噪超声图像及去噪超声图像的子图像；S2、基于含噪超声图像的子图像及去噪超声图像的子图像，构建损失函数；S3、基于损失函数，确定训练超声图像去噪网络的目标函数，并对其训练；S4、利用训练好的超声图像去噪网络对待去噪超声图像处理，获得去噪超声图像。本发明方法降低了模型对数据样本的依赖并充分发挥深度学习的推理能力，不需要构造Noisy‑Clean图像对，保留了更加细微的特征，在抑制图像斑点噪声的同时增强对比度，取得了更好的去噪效果，对比度更强，细节结构更加明显。

公开(公告)号：CN118212153B

公开(公告)日：2024-09-13

申请号：CN202410638731.2

申请日：2024-05-22

Applicant: 成都信息工程大学 ,  四川省医学科学院·四川省人民医院

Inventor： 甘建红 ,  王莉萍 ,  尹立雪 ,  张红梅 ,  谢盛华 ,  何童丽

IPC: G06T5/70 ,  G06T5/60 ,  G06N3/088 ,  G06N3/0985

Abstract: 本发明公开了一种基于无监督学习模型的超声图像去噪方法，属于图像处理技术领域，包括：S1、采集含噪超声图像，对其进行去噪处理，并分别构造含噪超声图像及去噪超声图像的子图像；S2、基于含噪超声图像的子图像及去噪超声图像的子图像，构建损失函数；S3、基于损失函数，确定训练超声图像去噪网络的目标函数，并对其训练；S4、利用训练好的超声图像去噪网络对待去噪超声图像处理，获得去噪超声图像。本发明方法降低了模型对数据样本的依赖并充分发挥深度学习的推理能力，不需要构造Noisy‑Clean图像对，保留了更加细微的特征，在抑制图像斑点噪声的同时增强对比度，取得了更好的去噪效果，对比度更强，细节结构更加明显。