【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及一种基于脉冲反演频谱解卷积的散射成像方法、系统、终端及计算机可读存储介质。
技术介绍
1、传统回声成像，如超声，在对数尺度上展示射频信号的包络，这导致了高频信息的滤除，使得区分组织中的细微散射(如微小结构或其他异物)特征变得困难。解卷积超声成像方法可用于表征组织中的细微散射信息，但存在对非均质介质以及含不规则散射体的介质估计不准确的限制，而解卷积超声成像方法结合特制体积成像换能器和深度学习技术，通过卷积滤波器核和回归层实现了散射体大小估计，具有提高超声成像在医学和材料科学中应用的潜力，同时其他深度学习方法也在超声成像领域取得了进展，为成像质量和信息精度提供新可能。
2、但是，上述的方法在不同类型介质和复杂散射环境下的适应性有限，难以精确识别和量化组织中微小结构、肿瘤或其他异物，并且上述的方法虽然对于散射体的相对尺寸相对敏感，但对于散射体浓度并不具有敏感性，在精确识别和量化细微散射特征方面仍存在局限，导致散射体特性评估不准确。
3、因此，现有技术还有待于改进和发展。
【技术保护点】
1.一种基于脉冲反演频谱解卷积的散射成像方法，其特征在于，所述的基于脉冲反演频谱解卷积的散射成像方法包括：
2.根据权利要求1所述的基于脉冲反演频谱解卷积的散射成像方法，其特征在于，所述散射体浓度预测模型和所述目标网络模型包括：频谱解卷积层、双向长短期记忆层、自注意力机制层、全连接层和softmax层。
3.根据权利要求1所述的基于脉冲反演频谱解卷积的散射成像方法，其特征在于，所述获取制作好的仿体的超声射频数据，将所述超声射频数据作为样本数据，将所述仿体的散射体尺寸作为标签，根据所述样本数据和所述标签得到数据集，具体包括：
4.根据...
【技术特征摘要】
1.一种基于脉冲反演频谱解卷积的散射成像方法，其特征在于，所述的基于脉冲反演频谱解卷积的散射成像方法包括：
2.根据权利要求1所述的基于脉冲反演频谱解卷积的散射成像方法，其特征在于，所述散射体浓度预测模型和所述目标网络模型包括：频谱解卷积层、双向长短期记忆层、自注意力机制层、全连接层和softmax层。
3.根据权利要求1所述的基于脉冲反演频谱解卷积的散射成像方法，其特征在于，所述获取制作好的仿体的超声射频数据，将所述超声射频数据作为样本数据，将所述仿体的散射体尺寸作为标签，根据所述样本数据和所述标签得到数据集，具体包括：
4.根据权利要求3所述的基于脉冲反演频谱解卷积的散射成像方法，其特征在于，所述根据所述数据集对所述散射体浓度预测模型进行训练和调整，得到目标网络模型，具体包括：
5.根据权利要求4所述的基于脉冲反演频谱解卷积的散射成像方法，其特征在于，所述计算所述散射体浓度预测模型的损失函数，具体包括：
6.根据权利要求2所述的基于脉冲反演频谱解卷积的散射成...
【专利技术属性】
技术研发人员：周永进，王鲸锷，林勇生，查斌，邱卓华，
申请(专利权)人：深圳大学，
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。