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。

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。