[发明专利]对抗神经网络去噪模型的建立方法及超声图像去噪方法

权利要求书

1.一种对抗神经网络去噪模型的建立方法，其特征在于，包括以下步骤：

超声图像数据集处理：采集多组含噪声和不含噪声的超声图像对，并将所述超声图像对划分为训练集和测试集；

构建初始去噪模型：所述初始去噪模型包括生成器模型和判别器模型，所述生成器模型基于深度可分离卷积层和残差块结构建立，所述判别器模型基于PatchGAN网络建立；

对所述初始去噪模型训练：将所述训练集作为所述初始去噪模型的输入数据进行模型训练，模型训练完成后得到对抗神经网络去噪模型，所述对抗神经网络去噪模型对所述测试集中的含噪声超声图像进行去噪处理以进行模型测试。

2.如权利要求1所述的对抗神经网络去噪模型的建立方法，其特征在于，所述生成器模型包括两个普通卷积神经网络模块和设置在两个所述普通卷积神经网络模块之间的多个改进残差网络模块，所述改进残差网络模块基于所述深度可分离卷积层和所述残差块结构建立。

3.如权利要求1所述的对抗神经网络去噪模型的建立方法，其特征在于，所述判别器模型包括依次设置的多个特征采样层，各个所述特征采样层均包括卷积层、池化层、归一化层以及激活函数层。

4.如权利要求3所述的对抗神经网络去噪模型的建立方法，其特征在于，计所述特征采样层设有N个，对于第n个所述特征采样层，当n为奇数时，该所述特征采样层的所述池化层工作、以进行下采样，当n为偶数时，该所述特征采样层的所述池化层不工作，其中n＝1，2……(N-1)。

5.如权利要求1所述的对抗神经网络去噪模型的建立方法，其特征在于，所述模型训练包括以下步骤：

将所述训练集的含噪声超声图像作为所述生成器模型的输入数据，得到去噪超声图像；

将所述去噪超声图像和所述训练集的不含噪声超声图像分别作为所述判别器模型的输入数据、得到两组特征数据，所述特征数据经过损失函数计算得到优化模型参数，将所述优化模型参数代入所述初始去噪模型进行模型优化，得到所述对抗神经网络去噪模型。

6.如权利要求2所述的对抗神经网络去噪模型的建立方法，其特征在于，所述改进残差网络模块的计算过程包括以下步骤：

输入数据经过卷积核尺寸为3*3的深度可分离卷积层计算，然后依次经过归一化层计算和LeakyRelu激活函数运算，再依次进行卷积核尺寸为1*1的卷积运算和归一化层计算，再与输入数据相加后进行LeakyRelu激活函数运算，得到输出结果。