[發明專利]一種基于神經網絡的CT圖像的偽影校正方法及裝置

有效

• 申請號: 201711227226.5
• 申請日: 2017-11-29
• 公開（公告）號: CN107945132B
• 公開（公告）日: 2022-10-04
• 發明（設計）人: 曾凱;吳小頁;徐丹
• 申請（專利權）人: 深圳安科高技術股份有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/08
• 代理公司: 南京睿之博知識產權代理有限公司 32296
• 代理人: 劉菊蘭

1.一種基于神經網絡的CT圖像的偽影校正方法，其特征在于，其包括：

S10、對CT數據進行預處理以生成攜帶至少一種偽影的輸入樣本的數據庫；具體包括：

采用仿真或采集的投影數據生成CT圖像的目標樣本，其中，所述目標樣本為未攜帶偽影的CT圖像；

向所述目標樣本隨機加入誤差以生成誤差圖像，以生成輸入圖像，誤差選取幅度處于5-10HU量級范圍內的隨機誤差；輸入圖像為攜帶至少一種偽影的CT圖像，偽影包括條帶狀偽影、環狀偽影、散射偽影、運動偽影或風車偽影中的任一種或幾種的組合；對所述輸入圖像進行分割，分別提取CT圖像所處的區域、偽影所處的區域以及背景所處的區域，將分離得到的各區域映射到目標樣本中，得到目標樣本的目標圖像、第一偽影區域標記、第一背景區域標記，第一偽影區域標記包含一個或者多個偽影區域標記，所述第一偽影區域標記和第一背景區域標記均為二值化的圖像；

根據所述輸入圖像以及目標樣本生成輸入樣本的數據庫，數據庫包含一個或者一個以上的輸入樣本，輸入樣本包括攜帶至少一種偽影的輸入圖像、未攜帶偽影的目標圖像、第一偽影區域標記和第一背景區域標記；

S20、構建用于校正至少一種偽影的神經網絡；

所述神經網絡的輸出圖像為修正后的輸入圖像、第二背景區域標記以及第二偽影區域標記，第二偽影區域標記的數量根據輸入樣本攜帶的偽影數量而確定；

S30、將所述輸入樣本輸入所述神經網絡，并通過預設目標函數對神經網絡進行訓練，以得到訓練好的神經網絡；所述目標函數為：

Loss([Img，BgMk，AtMk₁，...，AtMk_n]，[Img_targ，BgMk_targ，AtMk_1targ，...，AtMk_ntarg])＝w₀ImgErr+w_bMkErr+w₁AtMk₁Err+，...，+w_nAtMk_nErr

BgkErr＝∑_k∈bg(AtMk_k-AtMk_targ，k)²

其中，ImgErr為神經網絡輸出圖像和目標圖像的誤差，BgMkErr為背景標記區域的誤差，AtMkErr為各偽影標記區域的誤差；w₀，w_b，w₁，...，w_n為權重系統，[Img，BgMk，AtMk₁，...，AtMk_n]為輸出樣本，[Img_targ，BgMk_targ，AtMk_1targ，...，AtMk_ntarg]為目標樣本；Img為輸入圖像，BgMk為背景區域標記，AtMk_j是第j種偽影的區域標記，k為像素；

S40、將待處理的CT圖像輸入訓練好的神經網絡進行偽影識別及校正，并輸出校正后的CT圖像以及識別到的偽影圖像。

2.根據權利要求1所述基于神經網絡的CT圖像的偽影校正方法，其特征在于，所述輸出樣本包括修正后的輸入圖像以及目標樣本，步驟S30具體包括：

將所述輸入樣本輸入所述神經網絡，并輸出修正后的第一輸出樣本；

通過目標函數確定所述第一輸出樣本與所述目標樣本的誤差；

根據所述誤差確定所述神經網絡各層參數，以完成對所述神經網絡的訓練。

3.根據權利要求2所述基于神經網絡的CT圖像的偽影校正方法，其特征在于，所述根據所述誤差確定所述神經網絡各層參數，以完成對所述神經網絡的訓練具體為：

將所述誤差與預設誤差閾值進行比較；

當所述誤差大于所述預設誤差閾值時，根據所述誤差確定所述神經網絡各層參數，并重復輸入樣本輸入以及誤差獲取步驟直至所述誤差小于等于所述預設誤差閾值；

當所述誤差小于等于所述預設誤差閾值時，完成對所述神經網絡的訓練。