超声图像标记物去除与修复方法研究.docx

摘要

医生对肝癌、肝血管瘤、肝囊肿、肝硬化结节患者进行超声检查后,一般会在超声影像中留下人工标记物，利用历史数据构建肝脏超声图像分类算法时，标记物会影响模型的性能，因此为了更好地搭建分类算法，需先对肝脏超声图像上的人工标记物进行去除并进行图像修复。传统的图像修复算法计算量大且效果不好，使用基于深度学习的图像修复算法，通过搭建卷积神经网络进行端对端的图像修复，能够更好地保持图像的细节。为了得到待修复的肝脏超声图像，用坎尼边缘算法定位白色标记物、在HSV域中提取彩色标记物后，利用得到的mask对图像进行标记物的去除。我们选择的深度学习网络是递归特征推理网络RFR-NET，具有容错