一种基于深度学习的超声功率多普勒图像滤波方法

本发明公开了一种深度学习的超声功率多普勒图像滤波方法，包括：1、构建输入样本数据，包括数据的获取以及预处理；2、构建基于U²‑net的生成对抗网络模型，包括：生成器G和判别器D，生成器G包括：编码模块、中间模块以及解码模块，判别器D包括一系列卷积模块；3、构建损失函数对模型进行训练更新模型参数得到最优超声功率多普勒图像滤波模型。本发明能将传统SVD成像得到的超声功率多普勒图像，通过深度神经网络，滤波得到能与RAPID成像方法媲美的高质量图像，从而能实现超声功率多普勒的高效率成像，并在一定程度上提高了多普勒图像血流结构的完整性和光滑性。