超声数据的编码方法、解码方法及电子设备、存储介质技术

本申请公开了超声数据的编码方法、解码方法及电子设备、存储介质，涉及超声相控阵检测技术领域，可用于实现超声数据的无损压缩，提高超声数据的压缩准确度。该编码方法包括：获取待压缩的超声数据；将待压缩的超声数据输入到基于深度学习的编码网络，以编码网络对待压缩的超声数据进行压缩，得到压缩后的超声数据；利用预设的码本集对压缩后的超声数据进行编码，得到编码后的超声数据。该解码方法包括：获取待解压的超声数据；将待解压的超声数据输入至基于深度学习的解码网络，以解码网络对待解压的超声数据进行解码，得到解码后的超声数据。据。据。

【技术实现步骤摘要】
超声数据的编码方法、解码方法及电子设备、存储介质


[0001]本申请涉及超声相控阵检测
，尤其涉及超声数据的编码方法、解码方法及电子设备、存储介质。

技术介绍

[0002]超声相控阵检测技术作为一种独特的无损检测技术，已经在航空航天、核工业、铁路、医疗、机械制造以及石油化工等工业领域得到广泛应用。但是，随着计算机技术、信号分析和机电一体化技术的发展，各个领域对检测精度的要求越来越高，这导致了在实际使用过程中，超声数据的存储和传输都面临数据量过大的问题。因此，需要对超声数据进行压缩编码，在保留数据特征的基础上剔除冗余和不相关信息，以节省数据存储空间，减少数据传输量，提高数据传输效率。
[0003]相关技术中，使用自适应编码压缩或对数压缩方法，对超声数据进行直接压缩；但是这种直接压缩的方式存在较大的误差，不能准确保留超声数据的数据特征。
[0004]或者，采用图像压缩的方法，对超声数据生成的超声图像进行压缩，进而实现对超声数据的压缩；但是这种压缩方式依赖于常规的图像压缩方法，因此不能保留原始数据，且在压缩过程中可能损失部分数据特征。

技术实现思路

[0005]本申请实施例提供超声数据的编码方法、解码方法及电子设备、存储介质，可以用于可用于提高超声数据的压缩比，并提高超声数据压缩的准确性。
[0006]第一方面，本申请实施例提供一种超声数据的编码方法，该方法包括：获取待压缩的超声数据；将待压缩的超声数据输入到基于深度学习的编码网络，以编码网络对待压缩的超声数据进行压缩，得到压缩后的超声数据；利用预设的码本集对压缩后的超声数据进行编码，得到编码后的超声数据。
[0007]本申请实施例提供的技术方案至少带来以下有益效果：对超声数据本身进行压缩，避免了相关技术中对于超声图像数据压缩导致的数据损失，提高了超声数据压缩的准确度。此外，在利用深度学习的编码网络对超声数据进行压缩的基础上，利用预设的码本集对超声数据进行二次编码，进一步提高了超声数据的压缩比。
[0008]在一些实施例中，上述压缩后的超声数据包括多个超声数据子集；上述利用预设的码本集对压缩后的超声数据进行编码，得到编码后的超声数据，包括：对于压缩后的超声数据中的各个超声数据子集，根据超声数据子集与预设的码本集中的各个码本的欧拉距离，通过可微分的采样技术从该码本集中选出与超声数据子集的欧拉距离最小的码本作为超声数据子集的目标码本；根据压缩后的超声数据中的各个超声数据子集的目标码本，得到编码后的超声数据。
[0009]应理解，由于编码网络是基于深度学习训练的，因此在使用过程中需要进行误差反传。而使用可微分的采样技术进行目标码本的选择，可以使得对压缩后的超声数据进行
二次编码时，不影响编码网络的误差反传，进而确保了编码网络的可靠性。
[0010]在一些实施例中，上述编码网络包括依次串联的一个或多个卷积层和一个注意力层；上述将待压缩的超声数据输入至基于深度学习的编码网络，以编码网络对待压缩的超声数据进行压缩，得到压缩后的超声数据，包括：将待压缩的超声数据依次通过一个或多个卷积层进行卷积处理，得到卷积处理后的超声数据；将卷积处理后的超声数据通过注意力层，得到压缩后的超声数据。
[0011]基于此，可以使得待压缩的超声数据每经过一层卷积层，进行一次数据的降采样，以进而提高超声数据的压缩比。
[0012]在一些实施例中，上述编码网络是基于样本集对第一初始编解码网络训练得到的，第一初始编解码网络包括第一初始编码网络和第一初始解码网络，上述编码网络按照以下方式训练：获取样本集；样本集包括多个样本，每个样本包括一组离散的超声数据真值；一组离散的超声数据真值为同一次超声扫描得到的数据；将样本集输入至第一初始编解码网络中的第一初始编码网络，得到压缩后的超声数据；利用预设的码本集对压缩后的超声数据进行编码，得到编码后的超声数据；将编码后的超声数据输入至第一初始编解码网络中的第一初始解码网络，得到解码后的超声数据，并获取解码后的超声数据的第一损失函数；若第一初始编解码网络不满足预设的第一收敛条件，根据第一损失函数，对第一初始解码网络和第一初始编码网络进行误差反传，修正第一初始编码网络和第一初始解码网络的内部参数；或者，若第一初始编解码网络满足预设的第一收敛条件，则将第一初始编码网络作为编码网络。
[0013]基于此，可以根据第一初始解码网络生成的解码后的超声数据的误差情况(第一损失函数)，对第一初始编码网络的参数进行修正，确保最终的训练出的编码网络所得到的编码后的超声数据是可以被准确恢复的，提高了超声数据压缩的准确性。
[0014]在一些实施例中，上述预设的第一收敛条件包括以下一项或多项：编码后的超声数据所占用的数据内存小于第一内存阈值；或者，样本的压缩比大于第一预设比值；压缩比为样本中所有的离散的超声数据真值所占用的内存与编码后的超声数据所占用的内存的比值；或者，第一损失函数小于第一损失函数阈值。
[0015]基于此，可以使得第一初始编解码网络在达到了预设的压缩要求(例如压缩比大于第一预设比值，或编码后的超声数据所占用的数据内存小于第一内存阈值)，和/或达到预设的压缩精度时，完成编码网络的训练，进而提高超声数据压缩的准确性。
[0016]在一些实施例中，上述编码网络是基于样本集对第二初始编解码网络训练得到的，该第二初始编解码网络包括第二初始编码网络、第二初始解码网络和第一初始成像网络，上述编码网络按照以下方式训练：获取样本集；样本集包括多个样本，每个样本包括一组离散的超声数据真值；一组离散的超声数据真值为同一次超声扫描得到的数据，且每个样本对应一张超声图像真值；将样本集输入至第二初始编解码网络中的第二初始编码网络，得到压缩后的超声数据；利用预设的码本集对压缩后的超声数据进行编码，得到编码后的超声数据；将编码后的超声数据输入至第二初始编解码网络中的第二初始解码网络，得到解码后的超声数据，获取解码后的超声数据和样本集中的离散的超声数据真值的第二损失函数；并将编码后的超声数据输入至第二初始编解码网络中的第一初始成像网络，得到第一初始成像网络输出的超声图像，获取第一初始成像网络输出的超声图像与超声图像真
值的第三损失函数；若第二初始编解码网络不满足预设的第二收敛条件，则根据第二损失函数对第二初始解码网络进行误差反传，修正第二初始解码网络的内部参数；根据第三损失函数对第一初始成像网络进行误差反传，修正第一初始成像网络的内部参数；根据第二损失函数和第三损失函数的加权和对第二初始编码网络进行误差反传，修正第二初始编码网络的内部参数；若第二初始编解码网络满足预设的第二收敛条件，则将第二初始编码网络作为编码网络。
[0017]基于此，可以同时根据第一初始成像网络生成的超声图像的误差情况(第三损失函数)和第二初始解码网络生成的解码后的超声数据的误差情况(第二损失函数)，对第二初始编码网络的参数进行修正，确保最终的训练出的编码网络所得到的编码后的超声数据是可以被准确恢复的，提高了超声数据压缩的准确性。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种超声数据的编码方法，其特征在于，所述方法包括：获取待压缩的超声数据；将所述待压缩的超声数据输入到基于深度学习的编码网络，以所述编码网络对所述待压缩的超声数据进行压缩，得到压缩后的超声数据；利用预设的码本集对所述压缩后的超声数据进行编码，得到编码后的超声数据。2.根据权利要求1所述的方法，其特征在于，所述压缩后的超声数据包括多个超声数据子集；所述利用预设的码本集对所述压缩后的超声数据进行编码，得到编码后的超声数据，包括：对于所述压缩后的超声数据中的各个超声数据子集，根据所述超声数据子集与预设的码本集中的各个码本的欧拉距离，通过可微分的采样技术从所述码本集中选出与所述超声数据子集的欧拉距离最小的码本作为所述超声数据子集的目标码本；根据所述压缩后的超声数据中的各个超声数据子集的目标码本，得到编码后的超声数据。3.根据权利要求1或2所述的方法，其特征在于，所述编码网络包括依次串联的一个或多个卷积层和一个注意力层；所述将所述待压缩的超声数据输入至基于深度学习的编码网络，以所述编码网络对所述待压缩的超声数据进行压缩，得到压缩后的超声数据，包括：将所述待压缩的超声数据依次通过所述一个或多个卷积层进行卷积处理，得到卷积处理后的超声数据；将所述卷积处理后的超声数据通过所述注意力层，得到所述压缩后的超声数据。4.根据权利要求1所述的方法，其特征在于，所述编码网络是基于样本集对第一初始编解码网络训练得到的，所述第一初始编解码网络包括第一初始编码网络和第一初始解码网络，所述编码网络按照以下方式训练：获取样本集；所述样本集包括多个样本，每个所述样本包括一组离散的超声数据真值；所述一组离散的超声数据真值为同一次超声扫描得到的数据；将所述样本集输入至所述第一初始编解码网络中的所述第一初始编码网络，得到压缩后的超声数据；利用预设的码本集对所述压缩后的超声数据进行编码，得到编码后的超声数据；将所述编码后的超声数据输入至所述第一初始编解码网络中的所述第一初始解码网络，得到解码后的超声数据，并获取解码后的超声数据的第一损失函数；若所述第一初始编解码网络不满足预设的第一收敛条件，根据所述第一损失函数，对所述第一初始解码网络和所述第一初始编码网络进行误差反传，修正所述第一初始编码网络和所述第一初始解码网络的内部参数；或者，若所述第一初始编解码网络满足预设的第一收敛条件，则将所述第一初始编码网络作为训练完成的编码网络。5.根据权利要求4所述的方法，其特征在于，所述预设的第一收敛条件包括以下一项或多项：所述编码后的超声数据所占用的数据内存小于第一内存阈值；或者，所述样本的压缩比大于第一预设比值；所述压缩比为所述样本中所有的离散的超声数据真值所占用的内存与所述编码后的超声数据所占用的内存的比值；或者，
所述第一损失函数小于第一损失函数阈值。6.根据权利要求1所述的方法，其特征在于，所述编码网络是基于样本集对第二初始编解码网络训练得到的，所述第二初始编解码网络包括第二初始编码网络、第二初始解码网络和第一初始成像网络，所述编码网络按照以下方式训练：获取样本集；所述样本集包括多个样本，每个所述样本包括一组离散的超声数据真值；所述一...

【专利技术属性】
技术研发人员：齐昕，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：