公开(公告)号：CN118297802A

公开(公告)日：2024-07-05

申请号：CN202410423442.0

申请日：2024-04-09

Applicant: 哈尔滨工业大学

Inventor： 章欣 ,  高婕 ,  沈毅 ,  王艳

IPC: G06T3/4053 ,  G06T3/4046 ,  G06T5/20 ,  G06T5/60 ,  G06N3/04 ,  G06N3/084 ,  G06N3/0985 ,  G06N5/045

Abstract: 本发明公开了基于空间变化模型的超声高分辨率成像改进方法，所述方法基于空间可变模型，结合PSF轴向变化的特点，从超声图像不同深度得到空间变化PSF，构建多通道维纳反卷积层置于神经网络之前，通过将PSF设置为可学习参数，实现维纳滤波与神经网络的参数融合，从而增加模型的物理可解释性，训练过程中对模型参数进行优化，得到精准的空间变化PSF，达到自动调参的目的，实现超声图像高分辨率重建。本发明能够通过自动调参获取精准的空间变化PSF，提升成像质量，在超声图像高分辨率重建领域具有很高的社会意义和经济价值。

公开(公告)号：CN118537229A

公开(公告)日：2024-08-23

申请号：CN202410709161.1

申请日：2024-06-03

Applicant: 哈尔滨工业大学

Inventor： 章欣 ,  高婕 ,  沈毅 ,  王艳

IPC: G06T3/4076 ,  G06T3/4046 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/049 ,  G06N3/084

Abstract: 本发明公开了一种基于记忆增强先验动态模型的超声高分辨率成像方法，所述方法提出记忆增强先验动态模型，通过构建包含稀疏性约束的损失函数，依照半二次分裂优化算法，建立反卷积优化求解器与近端映射网络集成迭代求解该损失函数，将PSF用于反卷积优化求解器初始化并设置为可学习参数，在训练中动态化更新，增强了模型的物理可解释性；建立LSTM单元置于近端映射网络之后，用于迭代过程中清除冗余信息，确保为下一次迭代提供必要的特征，得到记忆增强先验动态模型；通过对该模型参数进行优化，有效地获取精准的PSF与图像保真度权重因子，达到自动调参目标，实现超声图像的高分辨率重建。

公开(公告)号：CN118537229B

公开(公告)日：2024-12-31

申请号：CN202410709161.1

申请日：2024-06-03

Applicant: 哈尔滨工业大学

Inventor： 章欣 ,  高婕 ,  沈毅 ,  王艳

IPC: G06T3/4076 ,  G06T3/4046 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/049 ,  G06N3/084

Abstract: 本发明公开了一种基于记忆增强先验动态模型的超声高分辨率成像方法，所述方法提出记忆增强先验动态模型，通过构建包含稀疏性约束的损失函数，依照半二次分裂优化算法，建立反卷积优化求解器与近端映射网络集成迭代求解该损失函数，将PSF用于反卷积优化求解器初始化并设置为可学习参数，在训练中动态化更新，增强了模型的物理可解释性；建立LSTM单元置于近端映射网络之后，用于迭代过程中清除冗余信息，确保为下一次迭代提供必要的特征，得到记忆增强先验动态模型；通过对该模型参数进行优化，有效地获取精准的PSF与图像保真度权重因子，达到自动调参目标，实现超声图像的高分辨率重建。

公开(公告)号：CN118297802B

公开(公告)日：2024-10-01

申请号：CN202410423442.0

申请日：2024-04-09

Applicant: 哈尔滨工业大学

Inventor： 章欣 ,  高婕 ,  沈毅 ,  王艳

IPC: G06T3/4053 ,  G06T3/4046 ,  G06T5/20 ,  G06T5/60 ,  G06N3/04 ,  G06N3/084 ,  G06N3/0985 ,  G06N5/045

Abstract: 本发明公开了基于空间变化模型的超声高分辨率成像改进方法，所述方法基于空间可变模型，结合PSF轴向变化的特点，从超声图像不同深度得到空间变化PSF，构建多通道维纳反卷积层置于神经网络之前，通过将PSF设置为可学习参数，实现维纳滤波与神经网络的参数融合，从而增加模型的物理可解释性，训练过程中对模型参数进行优化，得到精准的空间变化PSF，达到自动调参的目的，实现超声图像高分辨率重建。本发明能够通过自动调参获取精准的空间变化PSF，提升成像质量，在超声图像高分辨率重建领域具有很高的社会意义和经济价值。