超声图像增益补偿方法、装置、设备和介质与流程

1.本技术涉及超声检测技术领域，特别是涉及一种超声图像增益补偿方法、装置、设备和介质。


背景技术：

2.医用超声检测技术已广泛的应用于现代医学诊疗中。在使用超声检测技术进行超声成像过程中需要调节增益对超声图像进行补偿。
3.调节增益包括通过调节时间增益补偿(time gain control，tgc)或侧向增益补偿(lateral gain control，lgc)来实现的。传统技术中，通常根据预设的时间增益补偿曲线和/或预设的侧向增益补偿曲线对超声图像进行增益补偿。
4.然而，超声检测技术的应用场景较多，通过提前预设的增益补偿曲线进行补偿的效果较差，后期需要用户手动进行调节，会增加用户的工作量和工作时间。


技术实现要素：

5.基于此，有必要针对上述技术问题，提供一种超声图像增益补偿方法、装置、设备和介质。
6.第一方面，本技术一个实施例提供一种超声图像增益补偿方法，该方法包括：
7.获取第一待补偿超声图像；
8.将第一待补偿超声图像输入增益补偿模型，得到时间增益补偿曲线和侧向增益补偿曲线；
9.根据时间增益补偿曲线和侧向增益补偿曲线对第一待补偿超声图像进行增益补偿，得到目标超声图像。
10.在其中一个实施例中，增益补偿模型包括第一模型和第二模型，将第一待补偿超声图像输入增益补偿模型，得到时间增益补偿曲线和侧向增益补偿曲线，包括：
11.将第一待补偿超声图像输入第一模型，得到时间增益补偿曲线；
12.将第一待补偿超声图像输入第二模型，得到侧向增益补偿曲线。
13.在其中一个实施例中，增益补偿模型包括卷积残差模块、池化层和全连接层，将第一待补偿超声图像输入增益补偿模型，得到时间增益补偿曲线和侧向增益补偿曲线，包括：
14.将第一待补偿超声图像输入卷积残差模块，通过卷积残差模块对第一待补偿超声图像进行特征提取，得到图像特征数据；
15.将图像特征数据输入池化层，通过池化层对图像特征数据进行降维处理，得到降维数据；
16.将降维数据输入全连接层，得到时间增益补偿曲线和侧向增益补偿曲线。
17.在其中一个实施例中，增益补偿模型包括多个卷积残差模块，多个卷积残差模块跳跃连接。
18.在其中一个实施例中，卷积残差模块包括批标准化层、激活层和至少一个卷积层。
19.在其中一个实施例中，将第一待补偿超声图像输入增益补偿模型，得到时间增益补偿曲线和侧向增益补偿曲线；根据时间增益补偿曲线和侧向增益补偿曲线对第一待补偿超声图像进行增益补偿，得到目标超声图像，包括：
20.将第一待补偿超声图像输入第三模型，得到新的时间增益补偿曲线和新的侧向增益补偿曲线；第三模型是对增益补偿模型的参数进行更新后的模型；
21.根据新的时间增益补偿曲线和新的侧向增益补偿曲线对第一待补偿超声图像进行增益补偿，得到目标超声图像。
22.在其中一个实施例中，第三模型的训练方法包括：
23.获取待补偿超声图像样本，将待补偿超声图像样本输入增益补偿模型，得到时间增益补偿曲线样本和侧向增益补偿曲线样本；
24.获取微调后的时间增益补偿曲线样本和微调后的侧向增益补偿曲线样本；
25.基于待补偿超声图像样本、微调后的时间增益补偿曲线样本和微调后的侧向增益补偿曲线样本对增益补偿模型进行训练，得到第三模型。
26.第二方面，本技术一个实施例提供一种超声图像增益补偿装置，该装置包括：
27.获取模块，用于获取第一待补偿超声图像；
28.确定模块，用于将第一待补偿超声图像输入增益补偿模型，得到时间增益补偿曲线和侧向增益补偿曲线；
29.补偿模块，用于根据时间增益补偿曲线和侧向增益补偿曲线对第一待补偿超声图像进行增益补偿，得到目标超声图像。
30.第三方面，本技术一个实施例提供一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述实施例提供的方法的步骤。
31.第四方面，本技术一个实施例提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例提供的方法的步骤。
32.第五方面，本技术一个实施例还提供一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现上述实施例提供的方法的步骤。
33.本技术实施例提供一种超声图像增益补偿方法、装置、设备和介质。该方法通过将获取的第一待补偿超声图像输入增益补偿模型，得到时间增益补偿曲线和侧向增益补偿曲线；根据时间增益补偿曲线和侧向增益补偿曲线对第一待补偿超声图像进行增益补偿，得到目标超声图像。本实施例提供的超声图像增益补偿方法使用预先训练好的增益补偿模型得到可以对第一待补偿超声图像进行增益补偿的时间增益补偿曲线和侧向增益补偿曲线，无需使用者手动对第一待补偿超声图像进行调节，从而能够减少使用者的工作量和工作时间。同时，本实施例可以对第一待补偿超声图像同时进行时间增益补偿和侧向增益补偿，能够提高对第一待补偿超声图像增益补偿的效率，也能够提高对第一待补偿超声图像增益补偿的效果。
附图说明
34.为了更清楚地说明本技术实施例或传统技术中的技术方案，下面将对实施例或传统技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域不同技术人员来讲，在不付出创造性劳动的前提下，还可以
根据这些附图获得其他的附图。
35.图1为一个实施例提供的超声图像增益补偿方法的应用场景图；
36.图2为一个实施例提供的超声图像增益补偿方法的步骤流程示意图；
37.图3为另一个实施例提供的超声图像增益补偿方法的步骤流程示意图；
38.图4为一个实施例提供的增益补偿模型的结构示意图；
39.图5为另一个实施例提供的超声图像增益补偿方法的步骤流程示意图；
40.图6为另一个实施例提供的增益补偿模型的结构示意图；
41.图7为另一个实施例提供的超声图像增益补偿方法的步骤流程示意图；
42.图8为另一个实施例提供的超声图像增益补偿方法的步骤流程示意图；
43.图9为一个实施例提供的超声图像增益补偿装置的结构示意图；
44.图10为一个实施例提供的计算机设备的结构示意图。
具体实施方式
45.为使本技术的上述目的、特征和优点能够更加明显易懂，下面结合附图对本技术的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本技术。但是本技术能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本技术内涵的情况下做类似改进，因此本技术不受下面公开的具体实施例的限制。
46.本文中为部件所编序号本身，例如“第一”、“第二”等，仅用于区分所描述的对象，不具有任何顺序或技术含义。
47.本技术实施例提供的超声图像增益补偿方法可以应用于如图1所示的应用场景中。该应用环境包括终端100和超声波成像设备200，其中，终端100可以通过网络与超声波成像设备200进行通信。上述终端100可以但不限于是各种个人计算机、笔记本电脑和平板电脑。本实施例对超声波成像设备200的具体结构不作限制。
48.传统技术中，终端通过获取超声波成像设备空扫描下的噪声图像，得到待处理图像中的噪声图像数据；根据得到的噪声图像数据对待处理图像数据去噪；判断去除后待处理图像数据的类型，若去除后待处理图像数据为组织图像数据，对去噪后的组织图像进行分割，提取图像中的组织区域；根据提取的组织区域计算整体增益，并应用于整体图像。终端使用该方法使得增益调节能够适应于不同的应用场景，但是该方法无法对组织进行精确的分割，也没有能力判断分割后的组织类型，从而难以实现最优的增益改善。
49.传统技术中，终端通过获取检测用户在超声图像上施加的调节触摸信号，并根据调节触摸信号确定超声图像上的感兴趣区域；根据调节触摸信号确定感兴趣区域对应的时间增益补偿和侧向增益补偿，根据时间增益补偿和侧向增益补偿对感兴趣区域进行显示调节，并显示调整后的超声图像。终端使用该方法可以实现对时间增益和侧向增益的同时调节，但是该方法需要用户手动操作并且存在需要用户的经验的可能。
50.对此，本技术提供一种超声图像增益补偿方法。
51.下面以具体的实施例对本技术的技术方案以及本技术的技术方案如何解决技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本技术的实施例进行描述。
52.请参见图2，本技术一个实施例提供一种超声图像增益补偿方法。本实施例以该方
法应用于图1中的终端为了进行说明，包括以下步骤：
53.步骤200、获取第一待补偿超声图像。
54.第一待补偿超声图像可以是使用图1中的超声波成像设备获取得到的亮度需要调节的超声图像。第一待补偿超声图像可以存储在终端的存储器中，终端在需要时直接在存储器中调用即可。第一待补偿超声图像也可以存储在超声波成像设备的存储单元中，终端在需要时从超声波成像设备的存储单元中获取。本实施例对获取第一待补偿超声图像的具体方法不作限制，只要能够实现其功能即可。
55.步骤210、将第一待补偿超声图像输入增益补偿模型，得到时间增益补偿曲线和侧向增益补偿曲线。
56.时间增益补偿是超声波成像设备在深度方向(声波传输方向)的补偿。声波在传播过程中，经过不同的组织，声波的强度会发生衰减，接收到的回波会出现近场强远场弱的现场，导致超声图像在深度方向存在亮度不均衡的现象，根据时间做增益补偿，可以使得超声图像在深度方向上的亮度达到均衡。
57.侧向增益补偿是超声波成像设备在晶元方向(阵元通道)的补偿。声束在超声成像设备的探头的中央时，参与贡献的晶元最多，声束回波最强，当声束在探头的两侧时，参与贡献的晶元逐渐减少，声束回波减弱，根据阵元通道进行增益补偿，使得超声图像在阵元通道方向上的亮度达到均衡。
58.终端在得到第一待补偿超声图像后，将其输入预先训练好的增益补偿模型，增益补偿模型对其进行处理，可以输出时间增益补偿曲线和侧向增益补偿曲线。换句话说，预先训练好的增益补偿模型可以包括一个输入通道和两个输出通道，第一待补偿超声图像通过输入通道输入增益补偿模型，增益补偿模型对其进行处理后，通过两个输出通道分别输出时间增益补偿曲线和侧向增益补偿曲线。增益补偿模型是一个独立的模型，本实施例对增益补偿模型的训练方法，以及增益补偿模型的具体结构不作限制，只要能够实现其功能即可。
59.在一个可选地实施例中，增益补偿模型可以是终端预先根据第一训练样本对初始神经网络进行训练得到的。第一训练样本包括待补偿超声图像样本和待补偿超声图像样本中每个超声图像对应的增益补偿曲线和侧向增益补偿曲线。
60.步骤220、根据时间增益补偿曲线和侧向增益补偿曲线对第一待补偿超声图像进行增益补偿，得到目标超声图像。
61.终端在得到时间增益补偿曲线和侧向增益补偿曲线，使用时间增益补偿曲线对第一待补偿超声图像的深度方向上的亮度进行调节，使用侧向增益补偿曲线对第一待补偿超声图像的阵元通道方向上的亮度进行调节，得到调节后的目标超声图像。
62.本技术实施例提供的超声图像增益补偿方法通过获取第一待补偿超声图像；将第一待补偿超声图像输入增益补偿模型，得到时间增益补偿曲线和侧向增益补偿曲线；根据时间增益补偿曲线和侧向增益补偿曲线对第一待补偿超声图像进行增益补偿，得到目标超声图像。本实施例提供的超声图像增益补偿方法通过使用预先训练好的增益补偿模型得到可以对第一待补偿超声图像进行增益补偿的时间增益补偿曲线和侧向增益补偿曲线，无需使用者手动对第一待补偿超声图像进行调节，从而能够减少使用者的工作量和工作时间。同时，本实施例可以对第一待补偿超声图像同时进行时间增益补偿和侧向增益补偿，能够
提高对第一待补偿超声图像增益补偿的效率，也能够提高对第一待补偿超声图像增益补偿的效果。
63.请参见图3，在一个实施例中，增益补偿模型包括第一模型和第二模型。换句话说，增益补偿模型可以是两个独立的模型：第一模型和第二模型，并且，第一模型和第二模型是分开训练的。
64.在一个可选地实施例中，第一模型可以是终端预先根据第二训练样本对神经网络模型进行训练得到的。第二训练样本包括待补偿超声图像样本和待补偿超声图像样本中的每个超声图像对应的时间增益补偿曲线。第二模型可以是终端预先根据第三训练样本对神经网络模型进行训练得到的。第三训练样本包括待补偿超声图像样本和待补偿超声图像样本中每个超声图像对应的侧向增益补偿曲线。
65.在增益补偿模型包括第一模型和第二模型时，涉及将第一待补偿超声图像输入增益补偿模型，得到时间增益补偿曲线和侧向增益补偿曲线的一种可能的实现方式的步骤包括：
66.步骤300、将第一待补偿超声图像输入第一模型，得到时间增益补偿曲线。
67.终端在得到第一待补偿超声图像后，将其输入第一模型，第一模型对其进行处理后可以输出第一待补偿超声图像对应的时间增益补偿曲线。换句话说，第一模型包括一个输入通道和一个输出通道，终端将第一待补偿超声图像通过输入通道输入至第一模型，第一模型的输出通道会输出第一待补偿超声图像对应的时间增益补偿曲线。
68.步骤310、将第一待补偿超声图像输入第二模型，得到侧向增益补偿曲线。
69.终端在得到第一待补偿超声图像后，将其输入第二模型，第二模型对其进行处理后可以输出第一待补偿超声图像对应的侧向增益补偿曲线。换句话说，第二模型包括一个输入通道和一个输出通道，终端将第一待补偿超声图像通过输入通道输入至第二模型，第二模型的输出通道会输出第一待补偿超声图像对应的侧向增益补偿曲线。
70.在本实施例中增益补偿模型包括第一模型和第二模型，这样在使用增益补偿模型确定第一待补偿超声图像对应的时间增益补偿曲线和侧向增益补偿曲线时，通过两个独立的第一模型和第二模型分别确定时间增益补偿曲线和侧向增益补偿曲线，可以提高确定效率和准确性。同时，在训练增益补偿模型时，分开训练第一模型和第二模型，可以提高模型的训练效率和模型的准确性。
71.在一个实施例中，增益补偿模型的结构如图4所示，增益补偿模型包括卷积残差模块、池化层和全连接层。卷积残差模块、池化层和全连接层依次连接，卷积残差模块的输入端作为增益补偿模型的输入端，即，第一待补偿超声图像从卷积残差模块的输入端输入至卷积残差模块，全连接层的输出端作为增益补偿模型的输出端，即从全连接层的输出端输出时间增益补偿曲线和侧向增益补偿曲线。
72.涉及将第一待补偿超声图像输入增益补偿模型，得到时间增益补偿曲线和侧向增益补偿曲线的一种可能的实现方式的步骤如图5所示包括：
73.步骤500、将第一待补偿超声图像输入卷积残差模块，通过卷积残差模块对第一待补偿超声图像进行特征提取，得到图像特征数据。
74.终端在将第一待补偿超声图像输入增益补偿模型后，会先通过增益补偿模型中的卷积残差模块。卷积残差模块会对第一待补偿超声图像进行特征提取，得到图像特征数据。
图像特征数据用于构建增益补偿模型输出的时间增益补偿曲线和侧向增益补偿曲线。
75.步骤510、将图像特征数据输入池化层，通过池化层对图像特征数据进行降维处理，得到降维数据。
76.终端通过卷积残差模块得到的图像特征数据为多维数据，终端将从卷积残差模块输出的图像特征数据输入池化层后，池化层会对多维的图像特征数据进行降维处理，得到一维的降维数据。
77.步骤520、将降维数据输入全连接层，得到时间增益补偿曲线和侧向增益补偿曲线。
78.终端将从池化层输出的降维数据输入至全连接层，通过全连接层对降维数据进行综合处理，即对从第一待补偿超声图像中提取到的特性进行综合处理，从全连接层输出时间增益补偿曲线和侧向增益补偿曲线。
79.本实施例通过卷积残差模块、池化层和全连接层对第一待补偿超声图像进行特征提取、降维和综合处理可以得到准确的时间增益补偿曲线和侧向增益补偿曲线。本实施例对卷积残差模块、池化层和全连接层的具体结构不作限制，只要能够实现其功能即可。
80.在一个具体的实施例中，经过卷积残差模块输出的图像特征数据为三维数据k*n*m，通过池化层对图像特征数据进行降维处理，可以得到降维数据k*1*1，再经过全连接层，可以输出二维数据2*l。其中，2表示通过全连接层输出两条曲线(时间增益补偿曲线和侧向增益补偿曲线),l表示每条曲线的采样点的个数。根据每条曲线的采样点可以形成时间增益补偿曲线和侧向增益补偿曲线。
81.在一个可选地实施例中，卷积残差模块可以被多种模块替换，例如：dpn(dual path network)模块。
82.在一个可选地实施例中，在增益补偿模型包括第一模型和第二模型时，第一模型可以包括卷积残差模块、池化层和全连接层，第二模型也包括卷积残差模块、池化层和全连接层。
83.在一个实施例中，增益补偿模型的结构如图6所示，卷积残差模块包括批标准化层、激活层和至少一个卷积层。
84.卷积层用于对第一待补偿超声图像进行特征提取；批标准化层用于对提取的特征数据进行批规范化，使得特征数据满足均值为0，方差为1的正态分布。批标准化层可以缓解增益补偿模型训练过程中梯度消失或梯度爆炸现象，提高增益补偿模型的训练速率。激活层用于加入非线性因素，能够解决线性模型不能解决的问题。
85.在一个实施例中，增益补偿模型包括多个卷积残差模块，多个卷积残差模块跳跃连接。
86.增益补偿模型对应的神经网络越深，提取的信息越多，特性也越丰富，多个卷积残差模块通过跳跃连接，可以解决神经网络加深所带来的梯度爆炸和梯度消失的问题，从而使得神经网络可以加深到更深的层次，能够提取到更多的信息，补充丢失的数据，进而能够提高训练得到的增益补偿模型的准确性。例如，增益补偿模型包括3个卷积残差模块，3个卷积残差模块的跳跃连接如图6所示，依次连接的两个卷积残差模块输入为第一待补偿超声图像，另一个卷积残差模块的输入为第一待补偿超声图像。将依次连接的两个卷积残差模块的输出与另一个卷积残差模块的输出求和得到图像特征数据。
87.请参见图7，在一个实施例中，涉及将第一待补偿超声图像输入增益补偿模型，得到时间增益补偿曲线和侧向增益补偿曲线；根据时间增益补偿曲线和侧向增益补偿曲线对第一待补偿超声图像进行增益补偿，得到目标超声图像的一种可能的实现方式的步骤包括：
88.步骤700、将第一待补偿超声图像输入第三模型，得到新的时间增益补偿曲线和新的侧向增益补偿曲线；第三模型是对增益补偿模型的参数进行更新后的模型。
89.第三模型是终端预先对增益补偿模型重新进行训练(对增益补偿模型的参数进行更新)后得到的模型。第三模型包括一个输入通道和两个输出通道。终端在得到第三模型后，将第一待补偿超声图像输入第三模型中，通过第三模型的两个输出通道可以输出新的时间增益补偿曲线和新的侧向增益补偿曲线。
90.在一个实施例中，第三模型的训练方法的步骤如图8所示，包括：
91.步骤800、获取待补偿超声图像样本，将待补偿超声图像样本输入增益补偿模型，得到时间增益补偿曲线样本和侧向增益补偿曲线样本。
92.对增益补偿模型的描述可以参考上述实施例的具体描述，在此不再赘述。待补偿超声图像样本包括多个待补偿超声图像，将每个待补偿超声图像输入增益补偿模型，可以得到该待补偿超声图像对应的时间增益补偿曲线和侧向增益补偿曲线，从而可以得到待补偿超声图像样本对应的时间增益补偿曲线样本和侧向增益补偿曲线样本。
93.步骤810、获取微调后的时间增益补偿曲线样本和微调后的侧向增益补偿曲线样本。
94.微调后的时间增益补偿曲线样本是对时间增益补偿曲线样本中的每个时间增益补偿曲线进行微调后的；微调后的侧向增益补偿曲线样本是对侧向增益补偿曲线样本中的每个侧向增益补偿曲线进行微调后的。微调后的时间增益补偿曲线样本和微调后的侧向增益补偿曲线样本是符合使用者的偏好的。本实施例对获取微调后的时间增益补偿曲线样本和微调后的侧向增益补偿曲线样本的具体方法不作限制，只要能够实现其功即可。
95.在一个可选的实施例中，微调后的时间增益补偿曲线样本和微调后的侧向增益补偿曲线样本是使用者对得到的时间增益补偿曲线样本和侧向增益补偿曲线样本进行微调并存储在终端的存储器中的。具体的，微调后的时间增益补偿曲线样本和微调后的侧向增益补偿曲线样本可以是使用者根据自身对超声图像亮度分布的要求对时间增益补偿曲线样本和侧向增益补偿曲线样本进行调整得到的。
96.在另一个可选的实施例中，微调后的时间增益补偿曲线样本和微调后的侧向增益补偿曲线样本是终端在得到时间增益补偿曲线样本和侧向增益补偿曲线样本后，使用预设算法或者预设的微调模型分别对时间增益补偿曲线样本和侧向增益补偿曲线样本进行微调后的得到的。具体的，预设算法或者预设的微调模型可以是使用者根据自身对超声图像亮度分布的要求预先设置的算法或预先训练得到的模型。
97.步骤820、基于待补偿超声图像样本、微调后的时间增益补偿曲线样本和微调后的侧向增益补偿曲线样本对增益补偿模型进行训练，得到第三模型。
98.终端在得到微调后的时间增益补偿曲线样本和微调后的侧向增益补偿曲线样本后，使用待补偿超声图像样本、微调后的时间增益补偿曲线样本、微调后的侧向增益补偿曲线样本对增益补偿模型进行有监督的训练，即对增益补偿模型中的参数进行更新，能够得
到第三模型。
99.步骤710、根据新的时间增益补偿曲线和新的侧向增益补偿曲线对第一待补偿超声图像进行增益补偿，得到目标超声图像。
100.终端将第一待补偿超声图像输入第三模型，可以得到新的时间增益补偿曲线和新的侧向增益补偿曲线。根据新的时间增益补偿曲线和新的侧向增益补偿曲线对第一待补偿超声图像进行增益补偿，可以得到目标超声图像。由于目标超声图像是根据新的时间增益补偿曲线和新的侧向增益补偿曲线进行补偿得到的，则目标超声图像与使用增益补偿模型得到的超声图像不同。
101.在本实施例中，第三模型是根据符合使用者偏好的时间增益补偿曲线样本和侧向增益补偿曲线样本进行训练的，则根据第三模型得到的新的时间增益补偿曲线和新的侧向增益补偿曲线对第一待补偿超声图像进行增益补偿，可以得到符合使用者偏好的目标超声图像，这样能够提高超声图像增益补偿方法的适用性。
102.应该理解的是，虽然如上述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
103.基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的超声图像增益补偿方法的超声图像增益补偿装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个超声图像增益补偿装置实施例中的具体限定可以参见上文中对于超声图像增益补偿方法的限定，在此不再赘述。
104.请参见图9，本技术一个实施例提供一种超声图像增益补偿装置10，该装置包括获取模块11、确定模块12和补偿模块13。其中，
105.获取模块11用于获取第一待补偿超声图像；
106.确定模块12用于将第一待补偿超声图像输入增益补偿模型，得到时间增益补偿曲线和侧向增益补偿曲线；
107.补偿模块13用于根据时间增益补偿曲线和侧向增益补偿曲线对第一待补偿超声图像进行增益补偿，得到目标超声图像。
108.在一个实施例中，确定模块12包括第一确定单元和第二确定单元。第一确定单元用于将第一待补偿超声图像输入第一模型，得到时间增益补偿曲线；第二确定单元用于将第一待补偿超声图像输入第二模型，得到侧向增益补偿曲线。
109.在一个实施例中，确定模块12具体用于将第一待补偿超声图像输入卷积残差模块，通过卷积残差模块对第一待补偿超声图像进行特征提取，得到图像特征数据；将图像特征数据输入池化层，通过池化层对图像特征数据进行降维处理，得到降维数据；将降维数据输入全连接层，得到时间增益补偿曲线和侧向增益补偿曲线。
110.在一个实施例中，增益补偿模型包括多个卷积残差模块，多个卷积残差模块跳跃连接。
111.在一个实施例中，卷积残差模块包括批标准化层、激活层和至少一个卷积层。
112.在一个实施例中，目标超声图像确定模块用于将第一待补偿超声图像输入第三模型，得到新的时间增益补偿曲线和新的侧向增益补偿曲线；第三模型是对增益补偿模型的参数进行更新后的模型；根据新的时间增益补偿曲线和新的侧向增益补偿曲线对第一待补偿超声图像进行增益补偿，得到目标超声图像。
113.在一个实施例中，超声图像增益补偿装置10还包括第三模型训练模块，第三模型训练模块用于获取待补偿超声图像样本，将待补偿超声图像样本输入增益补偿模型，得到时间增益补偿曲线样本和侧向增益补偿曲线样本；获取微调后的时间增益补偿曲线样本和微调后的侧向增益补偿曲线样本；基于待补偿超声图像样本、微调后的时间增益补偿曲线样本和微调后的侧向增益补偿曲线样本对增益补偿模型进行训练，得到第三模型。
114.上述超声图像增益补偿装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
115.在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、移动蜂窝网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种超声图像增益补偿方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
116.本领域技术人员可以理解，图10中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
117.在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，处理器执行计算机程序时实现以下步骤：
118.获取第一待补偿超声图像；
119.将第一待补偿超声图像输入增益补偿模型，得到时间增益补偿曲线和侧向增益补偿曲线；
120.根据时间增益补偿曲线和侧向增益补偿曲线对第一待补偿超声图像进行增益补偿，得到目标超声图像。
121.在一个实施例中，处理器执行计算机程序时还实现以下步骤：将第一待补偿超声图像输入第一模型，得到时间增益补偿曲线；将第一待补偿超声图像输入第二模型，得到侧向增益补偿曲线。
122.在一个实施例中，处理器执行计算机程序时还实现以下步骤：将第一待补偿超声图像输入卷积残差模块，通过卷积残差模块对第一待补偿超声图像进行特征提取，得到图
像特征数据；将图像特征数据输入池化层，通过池化层对图像特征数据进行降维处理，得到降维数据；将降维数据输入全连接层，得到时间增益补偿曲线和侧向增益补偿曲线。
123.在一个实施例中，增益补偿模型包括多个卷积残差模块，多个卷积残差模块跳跃连接。
124.在一个实施例中，卷积残差模块包括批标准化层、激活层和至少一个卷积层。
125.在一个实施例中，处理器执行计算机程序时还实现以下步骤：将第一待补偿超声图像输入第三模型，得到新的时间增益补偿曲线和新的侧向增益补偿曲线；第三模型是对增益补偿模型的参数进行更新后的模型；根据新的时间增益补偿曲线和新的侧向增益补偿曲线对第一待补偿超声图像进行增益补偿，得到目标超声图像。
126.在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取待补偿超声图像样本，将待补偿超声图像样本输入增益补偿模型，得到时间增益补偿曲线样本和侧向增益补偿曲线样本；获取微调后的时间增益补偿曲线样本和微调后的侧向增益补偿曲线样本；基于待补偿超声图像样本、微调后的时间增益补偿曲线样本和微调后的侧向增益补偿曲线样本对增益补偿模型进行训练，得到第三模型。
127.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
128.获取第一待补偿超声图像；
129.将第一待补偿超声图像输入增益补偿模型，得到时间增益补偿曲线和侧向增益补偿曲线；
130.根据时间增益补偿曲线和侧向增益补偿曲线对第一待补偿超声图像进行增益补偿，得到目标超声图像。
131.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将第一待补偿超声图像输入第一模型，得到时间增益补偿曲线；将第一待补偿超声图像输入第二模型，得到侧向增益补偿曲线。
132.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将第一待补偿超声图像输入卷积残差模块，通过卷积残差模块对第一待补偿超声图像进行特征提取，得到图像特征数据；将图像特征数据输入池化层，通过池化层对图像特征数据进行降维处理，得到降维数据；将降维数据输入全连接层，得到时间增益补偿曲线和侧向增益补偿曲线。
133.在一个实施例中，增益补偿模型包括多个卷积残差模块，多个卷积残差模块跳跃连接。
134.在一个实施例中，卷积残差模块包括批标准化层、激活层和至少一个卷积层。
135.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将第一待补偿超声图像输入第三模型，得到新的时间增益补偿曲线和新的侧向增益补偿曲线；第三模型是对增益补偿模型的参数进行更新后的模型；根据新的时间增益补偿曲线和新的侧向增益补偿曲线对第一待补偿超声图像进行增益补偿，得到目标超声图像。
136.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取待补偿超声图像样本，将待补偿超声图像样本输入增益补偿模型，得到时间增益补偿曲线样本和侧向增益补偿曲线样本；获取微调后的时间增益补偿曲线样本和微调后的侧向增益补偿曲线样本；基于待补偿超声图像样本、微调后的时间增益补偿曲线样本和微调后的侧向增益补偿
曲线样本对增益补偿模型进行训练，得到第三模型。
137.在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
138.获取第一待补偿超声图像；
139.将第一待补偿超声图像输入增益补偿模型，得到时间增益补偿曲线和侧向增益补偿曲线；
140.根据时间增益补偿曲线和侧向增益补偿曲线对第一待补偿超声图像进行增益补偿，得到目标超声图像。
141.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将第一待补偿超声图像输入第一模型，得到时间增益补偿曲线；将第一待补偿超声图像输入第二模型，得到侧向增益补偿曲线。
142.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将第一待补偿超声图像输入卷积残差模块，通过卷积残差模块对第一待补偿超声图像进行特征提取，得到图像特征数据；将图像特征数据输入池化层，通过池化层对图像特征数据进行降维处理，得到降维数据；将降维数据输入全连接层，得到时间增益补偿曲线和侧向增益补偿曲线。
143.在一个实施例中，增益补偿模型包括多个卷积残差模块，多个卷积残差模块跳跃连接。
144.在一个实施例中，卷积残差模块包括批标准化层、激活层和至少一个卷积层。
145.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将第一待补偿超声图像输入第三模型，得到新的时间增益补偿曲线和新的侧向增益补偿曲线；第三模型是对增益补偿模型的参数进行更新后的模型；根据新的时间增益补偿曲线和新的侧向增益补偿曲线对第一待补偿超声图像进行增益补偿，得到目标超声图像。
146.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取待补偿超声图像样本，将待补偿超声图像样本输入增益补偿模型，得到时间增益补偿曲线样本和侧向增益补偿曲线样本；获取微调后的时间增益补偿曲线样本和微调后的侧向增益补偿曲线样本；基于待补偿超声图像样本、微调后的时间增益补偿曲线样本和微调后的侧向增益补偿曲线样本对增益补偿模型进行训练，得到第三模型。
147.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数
据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
148.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
149.以上述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。