科研之友
微信
新浪微博
Facebook
分享链接
摘要
医学超声成像是临床诊断中应用最广泛的成像方式之一。目前超声图像普遍存在分辨率和对比度较低的问题，并且成像过程易受噪声污染。图像超分辨率重建技术被广泛用于改善超声图像的质量。然而，已有的研究工作缺乏对超声视频帧之间互补信息的充分利用，因此效果并不理想。针对此问题，提出了一种基于视频多帧融合的医学超声图像超分辨率重建方法。首先，构建了一个基于卷积神经网络的无监督多帧融合模型，该模型通过对连续的多帧图像进行特征融合，得到具有丰富信息的融合特征图像；然后，建立一个基于无数据知识蒸馏的轻量级图像超分辨率重建模型，通过训练融合特征图像得到教师超分辨率网络，利用训练好的教师网络和生成对抗网络获取的训练数据得到轻量级学生超分网络，最终得到高质量的医学超声图像；最后，在大型超声数据集上进行实验，采用两种图像客观评价指标以及图像分类任务进行评估。结果表明，所提方法与8种已有的图像超分辨率重建方法相比，在提高超声图像分辨率的同时，获得了包含更多信息且具有更高对比度的超声图像。此外，所提方法得到的超分辨率图像在分类网络的识别准确率可达到97.30%,明显优于其他方法，可提高临床诊断效率与准确性。
- 单位
