[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

说明书

本发明公开了属于医学超声成像技术领域的一种基于深度学习的超快高质量的平面波超声成像方法。首先采集多人不同部位的合成孔径超声的三维通道数据，并利用此三维通道数据生成平面波的二维通道数据；接着采用相应的波束形成技术处理上述两种通道数据，得到成对的合成孔径和平面波的超声RF数据，建立用于深度网络训练的数据集；然后利用前面建立的成对数据集中的平面波RF数据作为网络的输入，合成孔径RF数据作为网络的输出标签，训练后得到深度网络模型；最后将实际采集的平面波RF数据输入训练好的深度网络模型，输出其对应的合成孔径RF数据的估计。本发明不仅保持了平面波超声具有的超快成像的速度优势，还提高了成像质量。

技术领域

本发明涉及医学超声成像技术领域，尤其涉及一种基于深度学习的超快高质量的平面波超声成像方法。

背景技术

超声成像设备的不同采集方式在成像速度(帧率)、成像质量(分辨率和信噪比)和系统复杂性(成本)三个方面有各自的优势和劣势，需要根据实际应用场景进行选择和折衷。利用全部阵元发射，全部阵元接收的平面波超声是一种可以实现超快成像的采集方式，但牺牲了成像质量。

现在市场上的超声设备采用逐线扫描模式，提高了成像质量，但降低了成像速度。文献[1]Z.Zhou,Y.Wang,Y.Guo,X.Jiang and Y.Qi,Ultrafast Plane Wave ImagingWith Line-Scan-Quality Using an Ultrasound-Transfer Generative AdversarialNetwork,in IEEE Journal of Biomedical and Health Informatics,vol.24,no.4,pp.943-956,April 2020,doi:10.1109/JBHI.2019.2950334.提出了一种利用深度学习方法，以逐线扫描超声图像为学习标签，提高平面波超声图像的质量。在文献[1]建立的数据集中，平面波超声图像和逐线扫描超声图像是由两套设备分别采集的，两种图像不是严格成对的，一般来说，相对于利用成对样本训练得到模型，利用非成对样本来训练深度网络进行图像映射，其性能会下降。

在文献[2]Jensen,J.A.,Nikolov,S.I.,Gammelmark,K.L.,Pedersen,M.H.(2006).Synthetic aperture ultrasound imaging.Ultrasonics,44,e5-e15.中，合成孔径超声由一个阵元发射信号，全部阵元同时接收信号，全部阵元依次发射并接收所有信号后，最后利用波束形成技术将所有通道数据相加得到成像结果，所以能够实现发射单元和接收单元的动态聚焦，相对于目前市场上主流的逐线扫描的超声，是一种有效提高超声图像质量(分辨率和对比度)的技术。合成孔径超声的缺点是需要传输的数据量巨大和成像计算量大，导致其成像速度慢，帧率低。

文献[3]R.Ali,C.D.Herickhoff,D.Hyun,J.J.Dahl and N.Bottenus,ExtendingRetrospective Encoding for Robust Recovery of the Multistatic Data Set,inIEEE Transactions on Ultrasonics,Ferroelectrics,and Frequency Control,vol.67,no.5,pp.943-956,May 2020,doi:10.1109/TUFFC.2019.2961875.中，由于合成孔径超声由一个阵元发射信号，全部阵元同时接收信号，全部阵元依次发射并接收所有信号，所以利用合成孔径采集的数据，根据其他采集方式的参数，可以方便地生成对应该采集方式的数据。

本发明提出的方法利用合成孔径超声数据，生成平面波数据，构造出成对的数据集，训练出深度网络模型，实现将平面波成像的RF数据映射为合成孔径超声成像的RF数据。本发明所提方法在保持平面波超声所具有的超快成像速度优势的同时，利用深度学习提高了成像质量。

发明内容