公开(公告)号：CN113436109B

公开(公告)日：2022-10-14

申请号：CN202110774364.5

申请日：2021-07-08

Applicant: 清华大学

Inventor： 陆文凯 ,  王钰清

IPC: G06T5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了属于医学超声成像技术领域的一种基于深度学习的超快高质量的平面波超声成像方法。首先采集多人不同部位的合成孔径超声的三维通道数据，并利用此三维通道数据生成平面波的二维通道数据；接着采用相应的波束形成技术处理上述两种通道数据，得到成对的合成孔径和平面波的超声RF数据，建立用于深度网络训练的数据集；然后利用前面建立的成对数据集中的平面波RF数据作为网络的输入，合成孔径RF数据作为网络的输出标签，训练后得到深度网络模型；最后将实际采集的平面波RF数据输入训练好的深度网络模型，输出其对应的合成孔径RF数据的估计。本发明不仅保持了平面波超声具有的超快成像的速度优势，还提高了成像质量。

公开(公告)号：CN113436109A

公开(公告)日：2021-09-24

申请号：CN202110774364.5

申请日：2021-07-08

Applicant: 清华大学

Inventor： 陆文凯 ,  王钰清

IPC: G06T5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了属于医学超声成像技术领域的一种基于深度学习的超快高质量的平面波超声成像方法。首先采集多人不同部位的合成孔径超声的三维通道数据，并利用此三维通道数据生成平面波的二维通道数据；接着采用相应的波束形成技术处理上述两种通道数据，得到成对的合成孔径和平面波的超声RF数据，建立用于深度网络训练的数据集；然后利用前面建立的成对数据集中的平面波RF数据作为网络的输入，合成孔径RF数据作为网络的输出标签，训练后得到深度网络模型；最后将实际采集的平面波RF数据输入训练好的深度网络模型，输出其对应的合成孔径RF数据的估计。本发明不仅保持了平面波超声具有的超快成像的速度优势，还提高了成像质量。

公开(公告)号：CN113554553B

公开(公告)日：2025-02-07

申请号：CN202110842213.9

申请日：2021-07-26

Applicant: 清华大学

Inventor： 陆文凯 ,  王钰清

IPC: G06T3/4007 ,  G06T3/4046 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提出了一种基于自调整闭环网络的抗假频声波图像插值方法，搭建闭环CNN插值模型，该模型包括两个插值子模型，一个插值子模型用于对缺失数据进行插值，另一个插值子模型用于对缺失道的插值结果进行再次插值，两个子模型结构相同共享权重，并在此基础上定义闭环重构误差，用于评估插值结果；使用标签数据对闭环插值模型进行训练，得到在标签数据集上收敛的模型；搭建自调整模块，按不同的角度对测试数据进行错切变换，分别输入闭环插值模型，根据闭环重构误差挑选最优错切角度，对最优错切角度下的插值结果进行逆错切变换，得到最终的插值结果。本发明够提升插值模型在测试数据上的应用效果，达到抗假频的结果。

公开(公告)号：CN113554553A

公开(公告)日：2021-10-26

申请号：CN202110842213.9

申请日：2021-07-26

Applicant: 清华大学

Inventor： 陆文凯 ,  王钰清

IPC: G06T3/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种基于自调整闭环网络的抗假频声波图像插值方法，搭建闭环CNN插值模型，该模型包括两个插值子模型，一个插值子模型用于对缺失数据进行插值，另一个插值子模型用于对缺失道的插值结果进行再次插值，两个子模型结构相同共享权重，并在此基础上定义闭环重构误差，用于评估插值结果；使用标签数据对闭环插值模型进行训练，得到在标签数据集上收敛的模型；搭建自调整模块，按不同的角度对测试数据进行错切变换，分别输入闭环插值模型，根据闭环重构误差挑选最优错切角度，对最优错切角度下的插值结果进行逆错切变换，得到最终的插值结果。本发明够提升插值模型在测试数据上的应用效果，达到抗假频的结果。