一种基于生成对抗网络的快速超声定位显微成像方法技术

本发明专利技术提供一种基于生成对抗网络的快速超声定位显微成像方法，包括以下步骤：基于Pix2pix框架的生成对抗网络构建初始成像模型，在生成对抗网络中，采用残差卷积神经作为生成器，采用PatchGAN结构作为判别器；获取低分辨原始超声图像作为网络输入，并获取对应的高分辨超声定位显微图像作为训练标签，以此分别构建训练集和测试集；将训练集输入至初始成像模型，采用损失函数和训练标签进行训练生成快速超分辨成像模型；基于快速超分辨成像模型获取与待测原始超声图像对应的超高分辨超声图像。该方法无需额外运算或人工调参，减小了成像重建过程中计算的复杂性，避免了参数依赖性，极大地改善了现有超声定位显微成像技术的性能，更适用于快速超声定位显微成像。更适用于快速超声定位显微成像。更适用于快速超声定位显微成像。

【技术实现步骤摘要】
一种基于生成对抗网络的快速超声定位显微成像方法


[0001]本专利技术属于超声定位显微成像
，具体涉及一种基于生成对抗网络(Generative Adversarial Networks,GAN)的快速超声定位显微成像方法。

技术介绍

[0002]超声定位显微成像(Ultrasound Localization Microscopy,ULM)技术已被提出并得以应用。对比传统超声成像，通过将单分子定位技术与超声造影剂相结合，ULM突破了声学衍射极限，可在亚波长尺度观察生物体内结构信息。
[0003]然而，使用ULM进行活体超高分辨超声成像时仍极具挑战。其主要原因是，ULM为基于单分子定位策略，实现超分辨成像。基于单分子定位方法，虽然能够大幅度改善超声成像的空间分辨率，但同时也极大增加了成像所需时间。为了克服该限制，一种可行的方法是增加单帧中微泡的数量，从而减少超高分辨重建所需的帧数，以提高成像速度。但是该方法一定程度上增加了微泡重叠的概率，降低了单分子定位的准确度。虽然能够提高成像速度，但也牺牲了图像分辨率。r/>[0004]深本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于生成对抗网络的快速超声定位显微成像方法，用于对原始超声图像进行快速超声定位得到超分辨超声图像，其特征在于，包括：步骤S1，基于生成对抗网络构建初始成像模型；步骤S2，获取低分辨原始超声图像作为网络输入，并获取对应的高分辨超声定位显微图像作为训练标签，以此分别构建训练集和测试集；步骤S3，将所述训练集输入至所述初始成像模型，采用损失函数和所述训练标签训练并优化该模型直至完成训练，得到快速超分辨成像模型；步骤S4，将待测原始超声图像输入至所述快速超分辨成像模型进行快速超声定位，从而得到对应的超分辨超声图像，其中，所述生成对抗网络采用Pix2pix作为基础框架，采用残差卷积神经网络作为生成器网络，采用PatchGAN结构作为判别器网络。2.根据权利要求1所述的一种基于生成对抗网络的快速超声定位显微成像方法，其特征在于：其中，所述判别器网络用于为模型的训练提供生成对抗损失，所述生成器网络包括用于残差学习的6个残差模块和用于实现上采样操作的2个上采样模块，每个所述残差模块包含2个卷积层以及对应的批标准化层与激活函数，每个所述上采样模块由转置卷积层、批标准化层与激活函数组成。3.根据权利要求1所述的一种基于生成对抗网络的快速超声定位显微成像方法，其特征在于：其中，所述原始超声图像的获取过程为：基于超声造影剂对成像对象进行超声成像，获取一组超声原始图像序列，其中每帧超声原始图像中包含多个稀疏分布的微泡，随机分布在成像区域；从这一组所述超声原始图像序列中随机选择连续20帧进行叠加后，经归一化得到低分辨的原始超声图像，该原始超声图像为512*512像素。4.根据权利要求3所述的一种基于生成对抗网络的快速超声定位显微成像方法，其特征在于：其中，所述训练标签的构建过程为：对每一帧所述超声原始图像进行单分子定位，即对每一帧图像中的独立微泡通过高斯拟合法与重心法进行中心定位获取微泡对应的定位帧，取所有定位帧中95％的定位帧进行叠加，经过归一化并进行预定倍数的上采样从而得到超声定位显微图像作为所述训练标签，所述超声定位显微图像为2048*2048像素。5.根据权利要求4所述的一种基于生成对抗网络的快速超声定位显微成像方法，其特征在于：其中，在所述初始成像模型的训练...

【专利技术属性】
技术研发人员：刘欣，李博艺，刘成成，他得安，
申请(专利权)人：复旦大学，
类型：发明
国别省市：