基于深度学习的高对比度最小方差成像方法

摘要

本发明公开了基于深度学习的高对比度最小方差成像方法，该方法使用深度学习技术提高了传统最小方差成像方法的性能。针对传统最小方差成像方法在超声图像对比度上表现不足的问题，深度神经网络被应用来抑制超声换能器接收到的通道数据中的离轴散射信号，与最小方差波束形成方法结合之后能在保持最小方差成像方法的分辨率表现的同时得到具有更高对比度的超声图像。与传统最小方差成像方法相比，本方法在计算变迹权重之后，先使用深度神经网络处理通道数据，接着进行通道数据的加权叠加，从而得到目标成像点的像素值，进而构成完整的超声图像。结合深度神经网络的最小方差成像方法能提高传统最小方差成像方法的图像对比度性能。