[发明专利]利用深度学习技术增强彩色多普勒信号的系统和方法

说明书

本发明提供了一种计算机实现的方法。该方法包括经由处理器接收具有不准确的彩色多普勒信号的第一超声彩色多普勒图像。该方法还包括基于该第一超声彩色多普勒图像，经由处理器利用已经经过训练的生成对抗网络(GAN)系统输出第二超声彩色多普勒图像，其中第二超声彩色多普勒图像准确地表示彩色多普勒信号。

背景技术

本文公开的主题涉及超声图像处理，更具体地，涉及利用深度学习技 术来增强超声彩色多普勒信号。

超声彩色血流成像是在医学诊断中用于评估血流的动态和空间分布的 多普勒技术。彩色多普勒信号包含血流信息，但也包含杂波或运动伪影 (例如，由于血管壁的脉动、心脏运动、肠道蠕动等)。在信号处理期 间，可以将用于减少杂波的滤波器(例如，诸如壁滤波器、奇异值分解滤 波器等的杂波滤波器)应用于彩色多普勒信号以能够获得高质量超声彩色 血流图像。这些滤波器包括阈值(例如，组织/血液阈值)或基于经验值的 切断以去除杂波信号。然而，对于细小血管，如果阈值太低或较小，则组 织信号可能与彩色多普勒信号中的血液信号混合，并且由于彩色多普勒信 号超出所显示的血管(例如，在血管的壁上以及超出血管的壁而不在壁内 显示的彩色多普勒信号)，所生成的图像可能质量差；因此，难以可视化 细小血管。如果阈值太高，则彩色多普勒信号可能会被切断，并且在细小 血管内显示的彩色多普勒信号可能难以可视化。

发明内容

下文示出了本文所公开的某些实施方案的概述。应当理解，提供这些 方面仅仅是为了向读者提供这些特定实施方案的简要概述，并且这些方面 并非旨在限制本公开的范围。实际上，本公开可涵盖下文可能未示出的各 个方面。

在一个实施方案中，提供了一种计算机实现的方法。该方法包括经由 处理器接收具有不准确的彩色多普勒信号的第一超声彩色多普勒图像。该 方法还包括基于该第一超声彩色多普勒图像，经由处理器利用已经经过训 练的生成对抗网络(GAN)系统输出第二超声彩色多普勒图像，其中第二 超声彩色多普勒图像准确地表示彩色多普勒信号。

在另一个实施方案中，提供了一种计算机实现的方法。该方法包括经 由处理器训练生成对抗网络，该生成对抗网络包括生成器和鉴别器。训练 包括经由处理器向生成器提供具有不准确的彩色多普勒信号的第一超声彩 色多普勒图像。训练还包括基于该第一超声彩色多普勒图像，经由处理器 在生成器生成第一基于分布的图像。训练进一步包括通过将该第一基于分 布的图像与具有准确的彩色多普勒信号的第二超声彩色多普勒图像进行比 较，经由该处理器在该鉴别器确定该第一基于分布的图像的彩色多普勒信 号是否在该第一基于分布的图像内准确地表示。训练甚至进一步包括通过 将该第一基于分布的图像与具有准确的彩色多普勒信号的第二超声彩色多 普勒图像进行比较，经由该处理器在该鉴别器确定该第一基于分布的图像 的彩色多普勒信号是否在该第一基于分布的图像内准确地表示。

在进一步的实施方案中，提供一种生成对抗网络(GAN)系统。该生 成对抗网络系统包括生成器子网络，该生成器子网络被配置为接收具有不 准确的彩色多普勒信号的第一超声彩色多普勒图像，其中该生成器子网络 被配置为基于该第一超声彩色多普勒图像生成基于分布的图像。该生成对 抗网络系统还包括鉴别器子网络，该鉴别器子网络被配置为基于该第一超 声彩色多普勒图像与具有准确的彩色多普勒信号的第二超声彩色多普勒图 像的比较来确定指示该基于分布的图像中的错误的一个或多个损失函数。 该生成器子网络被配置为基于一个或多个损失函数来更新，使得该生成器 子网络生成具有比该基于分布的图像的先前迭代更准确的相应彩色多普勒 信号的后续基于分布的图像。

附图说明

当参考附图阅读以下详细描述时，将更好地理解本发明的这些和其它 特征、方面和优点，附图中相同的符号在整个附图中表示相同的部分，其 中：

图1是根据本公开的各方面的超声系统的框图的实施方案；

图2是来自彩色多普勒信号的杂波滤波的彩色多普勒图像的生成的示 意图的实施方案；