发明名称 |
一种基于深度学的自适应超声图像增强方法 |
摘要 |
本发明是一种基于深度学的自适应超声图像增强方法,按照如下步骤进行:训练深度神经网络;读取超声图像数据;将图像数据分成小块输入训练好的深度神经网络,分类为均匀组织区域和结构区域;对该超声小块图像分别进行相应的数据处理;将相应的部分融合整幅输出;其中训练深度神经网络的步骤还包括:采集图片数据,对图片数据进行分组预处理;构建RBM模型,确定模型的层数、训练方式;特征提取,将分组好图片中的一组图片送入RBM中计算提取图像特征;神经网络建立,上一步提取到的图像特征建立深度神经网络模型;根据分类识别的结果采取针对性的图像增强和斑点抑制,从而有效的提高超声图像的成像效果。 |
申请公布号 |
CN105574820A |
申请公布日期 |
2016.05.11 |
申请号 |
CN201510885535.6 |
申请日期 |
2015.12.04 |
申请人 |
南京云石医疗科技有限公司 |
发明人 |
何蕾;鲍霞 |
分类号 |
G06T5/00(2006.01)I;G06K9/66(2006.01)I;G06N3/08(2006.01)I |
主分类号 |
G06T5/00(2006.01)I |
代理机构 |
南京苏科专利代理有限责任公司 32102 |
代理人 |
姚姣阳;徐振兴 |
主权项 |
一种基于深度学习的自适应超声图像增强方法,按照如下步骤进行:步骤(1)训练深度神经网络;步骤(2)读取超声图像数据;步骤(3)将图像数据分成小块,输入训练好的深度神经网络,分类为均匀组织区域和结构区域;步骤(4)对该超声小块图像分别进行相应的数据处理;步骤(5)将相应的部分融合整幅输出;其特征在于,步骤(1)包括如下步骤:步骤A采集图片数据,对图片数据进行分组预处理;步骤B构建RBM模型,确定模型的层数、训练方式;步骤C特征提取,将步骤A中的一组图片送入RBM中计算提取图像特征;步骤D神经网络建立,利用步骤C提取到的图像特征建立深度神经网络模型。 |
地址 |
210012 江苏省南京市雨花台区郁金香路27号雨花台体育中心4楼 |