随着人工智能与深度学习的高速发展,将具有抽象特征的医疗影像与深度学习进行结合已经成为智能医疗诊断的发展趋势。甲状腺超声影像是基于人工智能进行甲状腺结节相关疾病辅助诊断的重要基础,但已有图像通常包含标记结节位置信息的特殊“十字”标记符号,十字标记干扰了深度学习算法提取到的特征和诊断结果,因此对含有特殊的十字标记的甲状腺结节影像进行修复具有重要的意义。目前图像修复算法在自然图像场景下的修复已经取得了良好的效果,但是由于超声甲状腺结节影像的特征与自然图像差距较大,直接将其应用到超声甲状腺影像会出现伪影问题,因此针对超声甲状腺结节影像上的图像修复问题,本文的主要研究如下:（1）针对修复结果在修复边缘易出现伪影的情况,本文采用盲修复算法,不需要掩码进行缺失区域的回填,保证修复区域与全图在图像纹理细节上的一致性。（2）采用生成对抗网络进行学习,生成器采用拉普拉斯金字塔结构,由低分辨率图像逐渐生成高分辨率图像,逐渐完善图像的纹理细节。在内容损失计算时,将不同层次的金字塔生成结果均加入到训练损失中进行联合训练。（3）为增强图像的整体结构,引入全图结构增强约束、随机块结构增强约束以及基于边缘的结构增强约束三种结构约束策略,使图像在重建的过程中,能更好的关注到图像的结构信息。实验结果表明本文提出的算法在超声甲状腺结节影像的修复问题上,相对于其他算法在视觉效果上有明显的提高,在定量分析的峰值信噪比和结构相似性评价指标也均有提高。