一种基于深度学习帧预测的医学超声成像帧率提升方法

本发明提供了一种基于深度学习帧预测的医学超声成像帧率提升方法，属于医学超声成像与人工智能交叉技术领域。针对现有帧间插值方法存在的时序滞后、运动模糊和细节丢失问题，本发明构建了带反馈回路的帧预测神经网络模型，通过多尺度空间特征编码器提取图像特征，利用改进的ConvLSTM并结合超声特性感知的时序注意力机制来捕捉组织运动模式。网络采用残差学习策略，直接预测帧间变化量，并通过多尺度结构梯度一致性约束保留关键解剖结构的边缘细节。最终，将预测帧实时反馈至输入序列，形成闭环系统，从而在不改变硬件采集帧率的前提下，显著提升系统的显示帧率与实时成像质量，尤其适用于心脏超声等对时间分辨率要求高的临床场景。