基于医学断层影像的超声仿真方法及系统技术方案

本发明专利技术提供一种基于医学断层影像的超声仿真方法及系统，属于超声成像技术领域，计算断层影像每个体素的声阻抗系数；结合声阻抗系数对断层影像进行反射建模，得到初始反射率图；利用反射率生成网络对初始反射率图进行处理，得到完整反射率图；将完整反射率图和真实超声图像同时输入超声深度学习网络进行真实感学习，得到超声虚拟图像。本发明专利技术能够很好的保持图像的几何形状，而且能够学习到真实超声的噪声分布和明暗效果；改进了GAN网络不能很好的保持几何形状的缺点，又能保持生成的图像的纹理信息和其他真实感信息；可以更加接近真实超声的真实感，同时，能够更好的保持生成仿真超声对应的人体组织的几何形状。真超声对应的人体组织的几何形状。真超声对应的人体组织的几何形状。

【技术实现步骤摘要】
基于医学断层影像的超声仿真方法及系统


[0001]本专利技术涉及生超声成像
，具体涉及一种基于医学断层影像的超声仿真方法及系统。

技术介绍

[0002]目前已有的超声成像模拟的方法都是利用三维医学影像数据模拟超声成像过程得到超声虚拟图像的技术。在超声引导手术、图像处理、超声教育培训等方面得到广泛的应用。因为超声可以实现实时成像，且设备使用便捷，所以医生在手术中会利用超声图像判断手术位置。
[0003]但是由于超声图像信息位置很弱且成像质量不高，会存在误差。所以使用超声模拟技术，可预先对病人进行CT扫描并存储病人的体数据，手术时在体数据的基础上进行超声图像的模拟，将模拟的图像与病人的真是超声图像进行配准，可以更加精确的判断手术位置，进一步降低手术风险。在医学图像处理中，直接将CT图像进行实时超声图像进行配准，因两个图像的差异太大且噪声和畸变大，难度通常很高，而先由CT或者MRI等医学图像先模拟得到超声图像后再与真实超声预先进行配准，就可以降低匹配难度。
[0004]在医学中，超声成像的原理主要是基于超声在人体组织中产生的反射、散射、衰减等一系列物理现象造成的。由于人体组织的不均匀性，超声波在人体中进行传播的过程中，会由于组织与超声波长的大小之间的差异产生相应的反射、折射、散射等现象。而回波继续被压电装置接收，继而产生超声图像。
[0005]目前应用最广泛的超声模拟的方法是对超声的反射、折射、散射和衰减进行建模。但是由于反射用到了光线追踪算法，会使得这种仿真方法存在仿真速度慢，不能实现实时仿真的问题；有的算法虽然可以达到实时仿真的效果但是存在仿真结果不够真实等问题。由于不同的超声成像设备获得的超声图像有可能是不同的，存在较大的差异。所以超声模拟中会有很多参数的设置，这些参数直接影响超声模拟的结果。
[0006]综上所述，目前的超声仿真面临的主要问题是基于医学断层影像的仿真方法结果不够真实，缺乏相应的组织器官，且分辨率较低。

技术实现思路

[0007]本专利技术的目的在于提供一种能够保持生成的图像的纹理信息和其他真实感信息、可以更加接近真实超声的真实感的基于医学断层影像的超声仿真方法及系统，以解决上述
技术介绍
中存在的至少一项技术问题。
[0008]为了实现上述目的，本专利技术采取了如下技术方案：
[0009]一方面，本专利技术提供一种基于医学断层影像的超声仿真方法，包括：
[0010]计算断层影像每个体素的声阻抗系数；
[0011]结合声阻抗系数对断层影像进行反射建模，得到初始反射率图；
[0012]利用反射率生成网络对初始反射率图进行处理，得到完整反射率图；
[0013]将完整反射率图和真实超声图像同时输入超声深度学习网络进行真实感学习，得到超声虚拟图像。
[0014]优选的，对断层影像通过线性拟合的方法进行声阻抗系数的求解。
[0015]优选的，利用光线追踪算法对断层影像进行反射建模。
[0016]优选的，利用光线追踪算法对断层影像进行反射建模包括：将一个阵元经过人体组织产生的反射看作是一个扇形区域，一个阵元发射多个超声射线，对每个超声射线进行跟踪扫描，记录在一个射线范围内经过的人体组织的反射率。
[0017]优选的，反射率的计算同时包括声阻抗产生的反射率和物理现象产生的反射。
[0018]优选的，由物理现象产生的反射率与界面法向和超声的传播方向有关，其中，采用平均曲率方程的梯度估计法，寻找中心体素点的邻域，建立四元线性回归方程，拟合一个回归切平面，该切平面的法向量为当前体素点的法向量。
[0019]优选的，反射率生成网络的构建包括：利用光线追踪算法获取多张断层影像的反射率图像数据集，作为监督信息输入基础网络，通过不断学习优化得到反射率生成网络；其中，判别器为利用GAN网络的原始判别器，生成器中利用Unet的网络架构添加跳跃连接。
[0020]优选的，超声深度学习网络的构建包括：利用GAN网络作为基础网络架构，输入数据集分别为反射率图数据集和真实超声图像数据集，将反射率图像和真实超声图像输入GAN网络的生成器中，生成仿真图像；在GAN网络的判别器中分别计算仿真图像和反射率图像的均方损失函数以及仿真图象和真实的超声图像的均方损失函数，对网络进行不断的优化学习，得到超声深度学习网络。
[0021]第二方面，本专利技术提供一种基于医学断层影像的超声仿真系统，包括：
[0022]计算模块，用于计算断层影像每个体素的声阻抗系数；
[0023]第一构建模块，用于结合声阻抗系数对断层影像进行反射建模，得到初始反射率图；
[0024]第二构建模块，用于利用反射率生成网络对初始反射率图进行处理，得到完整反射率图；
[0025]第三构建模块，用于将完整反射率图和真实超声图像同时输入超声深度学习网络进行真实感学习，得到超声虚拟图像。
[0026]第三方面，本专利技术提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质用于存储计算机指令，所述计算机指令被处理器执行时，实现如上所述的基于医学断层影像的超声仿真方法。
[0027]第四方面，本专利技术提供一种电子设备，包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行实现如上所述的基于医学断层影像的超声仿真方法的指令。
[0028]本专利技术有益效果：能够很好的保持图像的几何形状，而且能够学习到真实超声的噪声分布和明暗效果；改进了GAN网络不能很好的保持几何形状的缺点，又能保持生成的图像的纹理信息和其他真实感信息；可以更加接近真实超声的真实感，同时，能够更好的保持生成仿真超声对应的人体组织的几何形状。
[0029]本专利技术附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变
得明显，或通过本专利技术的实践了解到。
附图说明
[0030]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0031]图1为本专利技术实施例所述的基于医学断层影像的超声仿真方法的流程图。
[0032]图2为本专利技术实施例所述的超声深度学习网络架构图。
[0033]图3为本专利技术实施例所述的超声深度学习网络中判别器部分新增loss函数模块示意图。
[0034]图4为本专利技术实施例所述的超声深度学习网络中生成器部分网络架构图。
[0035]图5为本专利技术实施例所述的超声深度学习网络中生成器修改反卷积为上采样加卷积以后网络架构图。
[0036]图6为本专利技术实施例所述的反射率图像生成网络架构示意图。
[0037]图7为本专利技术反射率生成网络的生成结果，(a)、(c)为用光线追踪生成的反射率本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于医学断层影像的超声仿真方法，其特征在于，包括：计算断层影像每个体素的声阻抗系数；结合声阻抗系数对断层影像进行反射建模，得到初始反射率图；利用反射率生成网络对初始反射率图进行处理，得到完整反射率图；将完整反射率图和真实超声图像同时输入超声深度学习网络进行真实感学习，得到超声虚拟图像。2.根据权利要求1所述的基于医学断层影像的超声仿真方法，其特征在于，对断层影像通过线性拟合的方法进行声阻抗系数的求解。3.根据权利要求1所述的基于医学断层影像的超声仿真方法，其特征在于，利用光线追踪算法对断层影像进行反射建模。4.根据权利要求3所述的基于医学断层影像的超声仿真方法，其特征在于，利用光线追踪算法对断层影像进行反射建模包括：将一个阵元经过人体组织产生的反射看作是一个扇形区域，一个阵元发射多个超声射线，对每个超声射线进行跟踪扫描，记录在一个射线范围内经过的人体组织的反射率。5.根据权利要求4所述的基于医学断层影像的超声仿真方法，其特征在于，反射率的计算同时包括声阻抗产生的反射率和物理现象产生的反射。6.根据权利要求5所述的基于医学断层影像的超声仿真方法，其特征在于，由物理现象产生的反射率与界面法向和超声的传播方向有关，其中，采用平均曲率方程的梯度估计法，寻找中心体素点的邻域，建立四元线性回归方程，拟合一个回归切平面，该切平面的法向量为当前体素点的法向量。7.根据权利要求1所述的基于医学断层影像的超声仿真方法，其特征在于，反射率生成网络的构建包括：利用光线...

【专利技术属性】
技术研发人员：周元峰，王晓洁，孙艳增，白贺，
申请(专利权)人：山东大学，
类型：发明
国别省市：