【技术实现步骤摘要】
本专利技术属于光声成像，尤其涉及一种基于深度学习消除光声层析图像中伪影的方法。
技术介绍
1、光声层析成像是近年来新兴发展起来的一种无损医学成像方法，它结合了纯光学成像的高对比度特性和纯超声成像的高穿透深度特性，可以提供高分辨率和高对比度的活体组织成像。光声层析成像的主要原理是光能到声能的转换，即光声效应。当一束脉冲激光照射到生物组织时，组织内部的光吸收体吸收激光能量，发生瞬时热弹性膨胀而激发出超声波，即光声信号。光声信号向组织表面传播，最终被超声换能器接收。根据接收到的光声信号的延时、幅度以及预设的系统声速，经计算机处理后重建出生物组织内部的光学特性分布，特别是光吸收系数分布。这些信息项可以被用于定量测量生物组织中的特定物质，比如血液里的氧合血红蛋白和脱氧血红蛋白。
2、然而，光声信号全采样因数据量过大会带来采集装置、信号传输、图像重建时间等成本的剧增，因此实际中的光声信号采集模式均为稀疏采样。采样数据的稀疏性以及噪音的干扰，使得基于延迟求和的光声图像重建算法，极易产生含有欠采样伪影的低质量重建图像，丢失结构生理等细节信息...
【技术保护点】
1.一种基于深度学习消除光声层析图像中伪影的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于深度学习消除光声层析图像中伪影的方法，其特征在于，所述步骤一采用延时求和算法重建出包含伪影的低质量光声层析图像，对于光声成像区域里的每个像素点来说，延时求和算法公式如下所示：
3.根据权利要求2所述的基于深度学习消除光声层析图像中伪影的方法，其特征在于，步骤一的延时求和算法中的权重公式为：
4.根据权利要求1所述的基于深度学习消除光声层析图像中伪影的方法，其特征在于，所述步骤二使用LabelMe工具在步骤一重建出的光声层析重建图...
【技术特征摘要】
1.一种基于深度学习消除光声层析图像中伪影的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于深度学习消除光声层析图像中伪影的方法，其特征在于，所述步骤一采用延时求和算法重建出包含伪影的低质量光声层析图像，对于光声成像区域里的每个像素点来说，延时求和算法公式如下所示：
3.根据权利要求2所述的基于深度学习消除光声层析图像中伪影的方法，其特征在于，步骤一的延时求和算法中的权重公式为：
4.根据权利要求1所述的基于深度学习消除光声层析图像中伪影的方法，其特征在于，所述步骤二使用labelme工具在步骤一重建出的光声层析重建图像上手动标注出伪影；对低质量的光声图像进行伪影标记，labelme输出相对应的高质量的标签图像，形成成对的数据集。
5.根据权利要求1所述的基于深度学习消除光声层析图像中伪影的方法，其特征在于，所述步骤三的端到端的卷积神经网络模型vgg16-u...
【专利技术属性】
技术研发人员：林励，李文彬，
申请(专利权)人：杭州励影光电成像有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。