摘要
本发明提出一种基于多模态影像迁移的超声图像增强方法、系统及介质,其中方法包括获取多模态影像数据;对超声影像数据和CT/MRI影像数据进行空间对齐,得到配准后的CT/MRI影像数据;将配准后的CT/MRI影像数据转换为具有超声风格的伪超声影像数据;采用完成训练的双路解剖‑纹理融合增强网络对获取的超声影像数据进行增强处理,融合生成增强后的超声影像数据。本发明融合物理成像模型与深度学习的跨模态影像增强技术,通过构建CT/MRI到超声的联合表征空间,将高分辨率解剖结构信息迁移至超声成像系统,显著提升超声图像的空间分辨率和组织对比度,适用于术中实时导航、介入治疗及临床诊断等场景。
技术关键词
超声影像数据
超声图像增强方法
纹理
解剖结构约束
多模态影像数据
循环生成对抗网络
超声图像数据
空间结构信息
网络学习空间
弹性配准方法
物理成像模型
坐标
语义特征
深度编码器
超声成像系统
标签
系统为您推荐了相关专利信息
图像识别系统
正则化参数
卷积神经网络提取图像特征
模型训练模块
图像内物体
推广方法
多模态特征
纹理特征分类
配料
动态光学
特征评估模型
三维超声影像
超声影像数据
介入超声
动态
图像退化模型
图像去模糊方法
风机叶片
缺陷纹理特征
模糊核估计
机械基础件
精密机械
视频监控模块
卷积神经网络模型
存储模块