[发明专利]一种内窥式光声层析图像中反射伪影的去除方法及系统

说明书

本发明提供了一种内窥式光声层析图像中反射伪影的去除方法及系统，涉及医学成像技术领域，获取待成像平面的光声数据组；将光声数据组输入到反射伪影去除模型中，得到待成像平面处去除反射伪影后的光吸收能量分布图；本发明将深度梯度下降网络的输出作为深度学习分割网络的输入得到RAR‑Net神经网络，训练RAR‑Net神经网络得到反射伪影去除模型，能够去除内窥式光声层析图像中反射伪影，提高内窥式光声层析图像的成像精度。

技术领域

本发明涉及医学成像技术领域，特别是涉及一种内窥式光声层析图像中反射伪影的去除方法及系统。

背景技术

内窥式光声层析成像(endoscopic photoacoustic tomography，EPAT)是一种非电离式的新型介入式成像方法，它结合了超声成像和光学成像的优点，可提供良好的光学对比度和超声分辨率。其成像原理是：将特制的导管插入待测管腔中，并推送至远端，在缓慢回撤导管的过程中，位于导管顶端的探头发射非聚焦短脉冲激光照射周围组织，组织受热膨胀，光能量迅速转化为热能和机械应力，进而产生宽带超声波(即光声波)并向组织表面传播，超声探测器采集光声信号后送入计算机内，通过求解逆问题重建出腔体横截面上的初始声压分布图(结构成像)和光学特性参数分布图(定量成像)。

光声图像质量与波束成形过程密切相关，波束成形技术基于对超声波传播时间的测量，然而这种测量没有考虑超声波在介质中传播时可能被多次反射且每次的反射波都可能被超声换能器检测到的情况，进而在重建图像的过程中将混响信号映射到错误的位置，导致图像中出现伪影，即反射伪影，同时也降低了成像深度。反射伪影是光声图像中最常见的伪影，如果反射伪影出现在感兴趣的成像区域，就可能被误判成有用目标，降低图像识别和临床诊断的精度。此外，生物组织的声学特性具有空间不均匀性，组织密度和超声波在组织中的传播速度都是随空间位置变化的，且超声波在不同成分的组织中传播时也存在吸收、散射和扩散等现象，导致光声信号的衰减，由声速变化引起的相位偏差和与声衰减相关的信号展宽都会降低图像的空间分辨率。

发明内容

本发明的目的是提供一种内窥式光声层析图像中反射伪影的去除方法及系统，能够去除内窥式光声层析图像中的反射伪影，提高内窥式光声层析图像的成像精度。

为实现上述目的，本发明提供了如下方案：

一种内窥式光声层析图像中反射伪影的去除方法，包括：

获取待成像平面的光声数据组；

将所述光声数据组输入到反射伪影去除模型中，得到待成像平面去除反射伪影后的光吸收能量分布图；所述伪影去除模型是根据历史光声数据组对RAR-Net神经网络进行训练得到的；所述RAR-Net神经网络是将深度梯度下降网络的输出作为深度学习分割网络的输入得到的。

可选的，在所述获取待成像平面的光声信号之前，还包括：

获取多个成像平面的历史光声数据组及多个成像平面去除反射伪影后的历史光吸收能量分布图作为训练数据；

将所述训练数据划分为多个训练集；

利用多个训练集，以历史光声数据组为输入，以去除反射伪影后的历史光吸收能量分布图为期望输出，对RAR-Net神经网络进行训练，得到反射伪影去除模型。

可选的，所述利用多个训练集，以历史光声数据组为输入，以去除反射伪影后的历史光吸收能量分布图为期望输出，对RAR-Net神经网络进行训练，得到反射伪影去除模型，具体包括：

确定训练前的RAR-Net神经网络为第k×epoch×I阶RAR-Net神经网络；

令迭代轮次k＝0；

令训练集遍历次数epoch＝0；

确定任一训练集为当前训练集；

令当前训练集的索引I＝1；