【技术实现步骤摘要】
本专利技术涉及图像人工智能分类识别，具体为一种对超声图像进行钙化灶声影模拟的图片数据增广算法。
技术介绍
1、目前人工智能发展速度飞快，图像分类识别是人工智能中非常重要的一个研究分支，医学影像也在人工智能的加持下得到准确率和诊断效率的高度提升。人工智能分类识别图像的精准度提高有赖于经过准确标注的高质量图片数据集。图片数据集不仅要数量大，而且要质量高，各分类间数量要均衡。
2、在真实世界中，病灶的超声图像往往受到许多影响因素的干扰，而钙化灶的声影是其中重要一个。在这种情况下，增大图片数量是一个解决办法，但是其成本非常高，常用的方法是对现有的图片数据集进行增广，可以提高人工智能程序的准确率与鲁棒性性[1]。而添加了钙化灶声影的超声训练图片数据集，显然能提高人工智能程序在真实世界中对含有钙化灶图片识别的准确率和鲁棒性。
3、目前还没有公开发表的技术用于对超声图像钙化灶声影的模拟。现有的图片增广技术仅对图片进行亮度、色度、旋转、贴片等[2]，和通用于一般图片图片增广技术没有区别[3]，并没有对超声图片的伪像，特别是钙化灶声影进行有针对性的设计图片增广算法。因此使用这些图片增广方法来扩充训练的人工智能在真实世界中读取有钙化灶声影的图片，分类的准确率会比较低。
技术实现思路
1、针对上述存在的技术不足，本专利技术的目的是提供一种超声图像钙化灶声影模拟算法，其是对超声原始图像进行二次加工，按一定算法向图片中添加钙化灶及其声影伪像，对训练图片数据库进行增广的一种方法。>
2、为解决上述技术问题，本专利技术采用如下技术方案：
3、本专利技术提供一种超声图像钙化灶声影模拟算法，包括如下步骤：
4、步骤1.读入图片，并初步处理；
5、读入未经处理的超声图片，并将图片大小转换成高h像素，宽w像素的图片，并将数据转变成一个张量，这个张量记为img_tensor，img_tensor的形状为[c，h，w]；这里的c代表通道数，通道数为3个，第一个通道保存点的横坐标，第二个通道保存点的纵坐标，第三个通道保存点的灰度值，数值范围0-255；
6、步骤2.生成声震子点阵；
7、根据超声探头类型定义声震子的在图片中的位置和强度，模拟高频平扫探头、凸阵探头的声震子阵列；模拟中，高频探头的声震子都位于图片最上方，按像素排列，用一个形状为[声震子数量，通道数]的张量进行描述,；其通道数为3个，第一个通道保存声震子的横坐标，第二个通道声震子的纵坐标，第三个通道保存声震子的声强制，数值范围0-100；其中声强制设置平均值和标准差；
8、步骤3.生成钙化灶点阵；
9、生成钙化灶点阵分为三步：
10、第一步，先初始化若干个钙化灶核心，每个核心有一个强度值，得到张量core_tensor,这些核心都在一个长宽限定的矩形shadow_rect中；
11、第二步，遍历shadow_rect矩形中所有点，计算这些点与所有钙化灶核心的距离p_core_dis_tensor；将这些距离与钙化灶核心的强度值shadow_intense_tensor相乘，得到张量b_tensor，取b值的前n个点记入张量c_tensor；
12、第三步，将c_tensor转换成均值为shadow_avg，标准差为shadow_std正态分布数列张量shadow_tensor；
13、步骤4.生成声影；
14、根据步骤2和步骤3获得的ilu_tensor和shadow_tensor两个张量，生成声影；
15、第一步：计算枚举声震子和图像像素之间的直线；
16、第二步：计算钙化点与直线间的距离；
17、第三步：计算声震子与图像中的像素距离，并根据两者间的距离计算声束的衰减效果；
18、第四步：计算每个钙化点对每条声震子像素直线上声强的影响；
19、第五步：生成遮罩，记录到张量mask_shadow中；
20、步骤5.生成钙化灶反射形成的高光点；
21、步骤6.在原始图片上叠加声影与反射高光点；
22、步骤7.输出图片。
23、本专利技术的有益效果在于：本方法来增广超声图片训练库，能够提高人工智能在真实世界中识别的准确率和鲁棒性。
本文档来自技高网...【技术保护点】
1.一种超声图像钙化灶声影模拟算法，其特征在于，包括如下步骤：
【技术特征摘要】
1.一种超声图像钙化灶声影模拟算...
【专利技术属性】
技术研发人员：傅政，徐菊英，邱吉苗，陆志剀，刘星明，黄承，王润禺，何萍，齐柯兰，杨保建，单妍，叶钶炜，
申请(专利权)人：中国人民解放军联勤保障部队第九〇六医院，
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。