[发明专利]肌肉超声图像降噪方法、装置、存储介质及计算机产品

权利要求书

1.一种肌肉超声图像的降噪方法，其特征在于，所述方法包括：

选取乳腺超声图像，从所述乳腺超声图像中提取噪声块图像，并对提取的噪声块图像进行扩增，构建训练集；

对所述训练集进行训练，生成用于降噪的深度学习网络，并在对所述深度学习网络中的部分参数冻结后，再使用肌肉超声图像训练所述深度学习网络；

获取训练好的降噪模型，并利用所述降噪模型对肌肉超声图像中的噪声进行降噪处理。

2.根据权利要求1所述的肌肉超声图像的降噪方法，其特征在于，所述选取乳腺超声图像，从所述乳腺超声图像中提取噪声块图像，并对提取的噪声块图像进行扩增，构建训练集，包括：

选取与肌肉超声图像背景噪声相似度高于预定值的乳腺超声图像，并获取所述乳腺超声图像中符合预设条件的顺滑块；

将所述乳腺超声图像中的顺滑块集合减去其均值，得到乳腺超声图像中的噪声块，获得噪声块图像；

对所述噪声块图像进行扩增，并构建数训练集。

3.根据权利要求2所述的肌肉超声图像的降噪方法，其特征在于，所述对所述噪声块图像进行扩增，并构建数训练集，包括：

使用生成式对抗网络对所述噪声块图像进行扩增，生成噪声样本；

选取自然图像，并在所述自然图像中叠加所述噪声样本；

将所述自然图像以及包括噪声样本的自然图像构建形成训练集。

4.根据权利要求3所述的肌肉超声图像的降噪方法，其特征在于，所述自然图像来自已知的公开数据集，且包括若干个分辨率高于第一预定值以及信噪比低于第二预定值的图像。

5.根据权利要求1所述的肌肉超声图像的降噪方法，其特征在于，所述对所述训练集进行训练，生成用于降噪的深度学习网络，并在对所述深度学习网络中的部分参数冻结后，再使用肌肉超声图像训练所述深度学习网络，包括：

在使用肌肉超声图像训练所述深度学习网络之前，将所述深度学习网络的前5个单元以及最开始的卷积层的参数进行冻结。

6.一种肌肉超声图像的降噪装置，其特征在于，所述装置包括：

训练集构建模块，用于选取乳腺超声图像，从所述乳腺超声图像中提取噪声块图像，并对提取的噪声块图像进行扩增，构建训练集；

网络模型训练模块，用于对所述训练集进行训练，生成用于降噪的深度学习网络，并在对所述深度学习网络中的部分参数冻结后，再使用肌肉超声图像训练所述深度学习网络；

降噪处理模块，用于获取训练好的降噪模型，并利用所述降噪模型对肌肉超声图像中的噪声进行降噪处理。

7.根据权利要求6所述的肌肉超声图像的降噪装置，其特征在于，所述训练集构建模块包括：

图像选取子模块，用于选取与肌肉超声图像背景噪声相似度高于预定值的乳腺超声图像，并获取所述乳腺超声图像中符合预设条件的顺滑块；

噪声块图像获取子模块，用于将所述乳腺超声图像中的顺滑块集合减去其均值，得到乳腺超声图像中的噪声块，获得噪声块图像；

数据集构建子模块，用于对所述噪声块图像进行扩增，并构建数训练集。

8.根据权利要求7所述的肌肉超声图像的降噪装置，其特征在于，所述数据集构建子模块还包括：

扩增子模块，用于使用生成式对抗网络对所述噪声块图像进行扩增，生成噪声样本；

叠加子模块，用于选取自然图像，并在所述自然图像中叠加所述噪声样本；

构建子模块，用于将所述自然图像以及包括噪声样本的自然图像构建形成训练集。

9.一种存储介质，其上存储有多条指令，其特征在于，所述指令适于由处理器加载并执行，以执行实现上述权利要求1-5所述的肌肉超声图像的降噪方法的步骤。

10.一种包含指令的计算机程序产品，包括：处理器、与处理器通信连接的存储介质，其特征在于，所述存储介质适于存储多条指令；所述处理器适于调用所述存储介质中的指令，以执行实现上述权利要求1-5所述的肌肉超声图像的降噪方法的步骤。