本发明属于声光信号处理，具体涉及到基于神经网络与空间滤波的光声成像反射伪影消除方法。
背景技术：
1、光声成像技术是近年来快速发展的一种新型成像模态，具有高分辨率、非侵入性、特异性成像和高成像深度等优点。但是传统的光声成像技术存在着伪影现象，这严重影响了对成像的判断。比如，光声成像中，边界反射信号会导致成像结果出现误差，影响图像的清晰度和诊断的准确性，内部反射信号会在成像过程中产生多次反射，形成复杂的信号，增加了成像处理的难度。而且光声成像技术在成像深度上有一定的限制，尤其是在高分辨率要求下。定量光声层析成像(qpat)等技术需要大量的计算资源和时间，基于上述问题，导致现有的光声成像技术在医学领域不能普及开来。
技术实现思路
1、本发明所要解决的技术问题在于克服现有技术的缺陷，提供一种成像质量高、准确性高、对计算资源的需求小的基于神经网络与空间滤波的光声成像反射伪影消除方法。
2、解决上述技术问题所采用的技术方案是：一种基于神经网络与空间滤波的光声成像反射伪影消除方法，包括以下步骤：
3、步骤1.采用奇异滤波消除光信号的内部伪影
4、步骤1.1.将接收到的射频信号根据通道数进行重组，对重组后的信号进行奇异值分解，得到空间矩阵、奇异值矩阵和时间矩阵，奇异值矩阵包含了信号的能量分布；
5、步骤1.2.利用空间矩阵，按照下式计算空间向量之间的协方差，得到协方差矩阵，用于得到信号的空间相关性；
6、
7、式中，cu(n,m)为信号u在第n个和第m个采样点之间的协方差，nz为深度方向上的采样点数，nx为横向上的采样点数，<|um(z,x)|>为在m时刻，所有(z,x)采样点的信号幅值的统计平均值，<|un(z,x)|>在n时刻，所有(z,x)采样点的信号幅值的统计平均值；
8、步骤1.3.采用沿对角线搜索的全搜索法，将协方差矩阵划分为大小相同的块，并将对角线中峰值的块定义为中心块，确定中心块和待匹配块最小均方误差函数ssd，用于评估中心块和待匹配块的相似度，从而找出最相似的块；
9、步骤1.4.利用块匹配法定位光源直达信息，识别并区分出直达信号和反射信号，采用滤波器滤除反射信号，消除内部反射产生的伪影，生成只含边界伪影的光信号并输出；
10、步骤2.采用神经网络消除步骤1输出光信号的边界伪影
11、步骤2.1.准备数据集
12、采集光信号并处理得到光信号的原始时频图，根据时频图和das算法确定光声源位置，按照下式得到与时频图大小相同的光信号的理想二值掩模ibm，用于标注有效信号和伪影，其中，1是有效信号，0是伪影，ibm作为标注信息与时频图一起构成数据集，对数据集进行归一化处理，按照比例分为划分为训练集、验证集、测试集，训练集和验证集的样本由一个时频图及其对应的ibm构成，测试集的样本由一个时频图构成；
13、
14、式中，ibm(·)是理想二值掩模，t是时间，f是频率，m是时频谱中元素的模，lc是模的阈值；
15、步骤2.2.优化深度神经网络模型dnn得到具有ibm功能的dnn模型
16、深度神经网络模型dnn包括输入层、多个隐藏层、输出层，将sigmoid函数作为隐藏层的激活函数，偏置sigmoid函数作为输出层的激活函数；
17、使用训练集对深度神经网络模型dnn进行训练，均方误差作为损失函数，不断地迭代优化，直到迭代次数达到迭代次数上限，得到具有ibm功能的dnn模型；
18、使用验证集评估具有ibm功能的dnn模型的性能，根据性能评估的结果调整模型的超参数，确保网络能够准确预测ibm，从而得到最终具有ibm功能的dnn模型；
19、将测试集输入到最终具有ibm功能的dnn模型，最终具有ibm功能的dnn模型输出估计ibm；
20、步骤2.3.原始时频图与估计ibm相乘后，通过逆连续小波变换转换回原始的时间或空间域，重建得到去除伪影的光声信号。
21、作为一种优选的技术方案，所述步骤1.3中，确定中心块和待匹配块最小均方误差函数ssd为：
22、
23、式中，ρm,n是相似度，xi,j是中心块x在坐标(i,j)处的像素值，yi+m,j+n是待匹配块y在坐标(i+m,j+n)的灰度值，l是中心块的宽，k是中心块的长。
24、作为一种优选的技术方案，所述步骤2.1中训练集、验证集、测试集的比例为8:1:1。
25、本发明的有益效果如下：
26、本发明有效消除光声成像中的边界反射和内部反射伪影，提高成像的清晰度和准确性，通过减少伪影和噪声，增强了图像的对比度和分辨率，使得成像结果更加接近真实情况，更清晰的图像有助于医生更准确地诊断，提高医疗诊断的可靠性。本发明的方法与现有的光声成像系统兼容，能应用于多种成像平台，利用深度学习技术，提高了数据处理的效率，减少了对计算资源的需求，深度学习模型经过充分训练后，能够在不同条件下稳定工作，减少了对先验信息的依赖。相比于某些传统的光声成像算法，深度学习方法可能减少了对计算资源的需求，使得成像过程更加高效。本发明通过消除伪影，增加了成像的有效深度，使得深层组织成像更为清晰。提升的成像质量使得该技术在临床应用中具有更大的潜力，尤其是在需要高分辨率成像的领域，为生物医学研究提供了一种新的工具，有助于推动相关领域的科学研究。
1.一种基于神经网络与空间滤波的光声成像反射伪影消除方法，其特征在于，包括以下步骤：
2.根据权利要求1所述基于神经网络与空间滤波的光声成像反射伪影消除方法，其特征在于，所述步骤1.3中，确定中心块和待匹配块最小均方误差函数ssd为：
3.根据权利要求1所述基于神经网络与空间滤波的光声成像反射伪影消除方法，其特征在于，所述步骤2.1中训练集、验证集、测试集的比例为8:1:1。
