[发明专利]一种基于深度学习的超快高质量的平面波超声成像方法

权利要求书

1.一种基于深度学习的平面波超声成像方法，其特征在于，包括以下步骤：

步骤1：构建成对RF数据集；利用超声平台采集合成孔径超声的三维通道数据，建立合成孔径-平面波超声的成对RF数据集；

所述步骤1包括以下子步骤：

步骤11：对于每一个样本，将所有发射阵元得到的合成孔径超声通道数据d_j(x_t，x_r，t)累加到一起，得到二维的平面波通道数据其中，j＝1…N，N为样本数，x_t为发射阵元的坐标，x_r为接收阵元的坐标，t为声波的双程传播时间；

步骤12：利用合成孔径超声波束形成器B₁处理d_j(x_t，x_r，t)，得到合成孔径RF数据o_j(x，t)＝B₁{d_j(x_t，x_r，t)}，(x，t)为成像点的空间坐标；

步骤13：利用平面波超声波束形成器B₂处理p_i(x_r，t)，得到平面波RF数据i_j(x，t)＝B₂{p_j(x_r，t)}；

步骤14：按照步骤11～步骤13处理完所有样本后，得到成对RF数据集D＝{i_j(x，t)，o_j(x，t)，j＝1…N}，N为样本数；

步骤2：训练深度网络模型；构建深度网络和Loss函数，利用步骤1得到的成对RF数据集训练深度网络，得到深度网络模型；

步骤3：部署深度网络；将实时获得的平面波超声的RF数据输入步骤2训练好的深度网络模型，得到网络的输出作为增强后的超声RF数据。

2.根据权利要求1所述的基于深度学习的平面波超声成像方法，其特征在于，所述步骤2中的Loss函数为：

其中，f(i_j(x，t)，W)表示深度网络计算过程，W表示网络参数。