[發(fā)明專(zhuān)利]一種乳腺DTI圖像去噪方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810470181.2
• 申請(qǐng)日: 2018-05-17
• 公開(kāi)（公告）號(hào): CN108961171B
• 公開(kāi)（公告）日: 2020-12-22
• 發(fā)明（設(shè)計(jì)）人: 王艷玲;吳春華;沈中梅;周志凌;胡勝榮
• 申請(qǐng)（專(zhuān)利權(quán)）人: 蘇州高新區(qū)人民醫(yī)院
• 主分類(lèi)號(hào): G06T5/00
• 分類(lèi)號(hào): G06T5/00;G06T7/11;G06T7/00;G06N3/04;G06N3/08
• 代理公司: 北京潤(rùn)川律師事務(wù)所 11643
• 代理人: 張超;王曉媛

本發(fā)明提供了一種乳腺DTI圖像去噪方法，基于人工智能的方法以克服現(xiàn)有的圖像處理技術(shù)中人工干預(yù)。該圖像去噪方法可由二維空間擴(kuò)大至三維空間，包括：硬閾值處理方法、軟閾值處理方法、根據(jù)圖像輪廓細(xì)節(jié)特性的圖像去噪方法。本發(fā)明處理方法計(jì)算簡(jiǎn)單，可以很好的恢復(fù)細(xì)節(jié)信息，圖像處理效果好，峰值信噪比也得到了提高。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理領(lǐng)域，具體涉及一種基于人工智能的圖像去噪方法。

背景技術(shù)

擴(kuò)散張量成像(DTI)是新近發(fā)展起來(lái)的一種成像方式。這種成像技術(shù)通過(guò)水分子擴(kuò)散引起的磁共振信號(hào)衰減來(lái)獲得生物體內(nèi)水?dāng)U散的方向、量級(jí)和各向異性等信息。由于DTI可以提供其他成像方式(如斷層掃描成像——CT，傳統(tǒng)核磁共振成像——MRI)所不能提供的白質(zhì)纖維走行等獨(dú)特信息，且具有非侵入和不需要造影劑等優(yōu)點(diǎn)，所以在理論研究和臨床應(yīng)用領(lǐng)域均引起了極大關(guān)注。特別是，擴(kuò)散張量神經(jīng)纖維束成像技術(shù)是目前非侵入獲得活體白質(zhì)結(jié)構(gòu)的唯一手段，因此具有重要的臨床價(jià)值。由于DTI數(shù)據(jù)的信噪比較低，會(huì)影響張量場(chǎng)數(shù)據(jù)可視化的效果。特別是進(jìn)行白質(zhì)束等纖維結(jié)構(gòu)走行的跟蹤時(shí)，被噪聲污染的張量表現(xiàn)在方向排列上雜亂、不規(guī)則，使得跟蹤出來(lái)的纖維結(jié)構(gòu)不夠平滑，甚至得到錯(cuò)誤的結(jié)果，大大限制了DTI的應(yīng)用。因此，對(duì)圖像或者張量場(chǎng)進(jìn)行恢復(fù)(去噪)處理是進(jìn)行理論和應(yīng)用研究的關(guān)鍵環(huán)節(jié)。DTI圖像具有向量特性，對(duì)其進(jìn)行去噪處理一直是擴(kuò)散張量數(shù)據(jù)處理研究領(lǐng)域的熱點(diǎn)和難點(diǎn)問(wèn)題。迄今為止，還沒(méi)有DTI圖像平滑的“黃金”標(biāo)準(zhǔn)。

2016年以來(lái)，人工智能成為了非常熱門(mén)的概念，在圖像處理中，經(jīng)常有工作是可以人工標(biāo)記，但難以寫(xiě)出一個(gè)完整的規(guī)則來(lái)實(shí)現(xiàn)自動(dòng)處理。有時(shí)候有一整套算法，但是參數(shù)太多，人工去調(diào)節(jié)、尋找合適的參數(shù)就太過(guò)繁瑣。那么就可以利用機(jī)器學(xué)習(xí)的方法，提取一定數(shù)量的特征，人工標(biāo)記一批結(jié)果，然后用機(jī)器學(xué)習(xí)的方法算出一套自動(dòng)判斷的準(zhǔn)則。機(jī)器學(xué)習(xí)的方法在開(kāi)發(fā)這類(lèi)軟件時(shí)就顯得比較有效。為了尋找一種適合DTI圖像特征的去噪方法，本發(fā)明提出一種基于全卷積神經(jīng)網(wǎng)絡(luò)(FCN)的機(jī)器學(xué)習(xí)方法，更加智能的對(duì)DTI圖像進(jìn)行去噪處理。

發(fā)明內(nèi)容

為了解決上述的技術(shù)問(wèn)題，本發(fā)明提出一種基于人工智能的乳腺DTI圖像去噪方法。通過(guò)機(jī)器學(xué)習(xí)把乳腺的圖像中的白質(zhì)束等纖維結(jié)構(gòu)全部提取出來(lái)，然后通過(guò)密集程度、粗細(xì)來(lái)分析病情。照片中纖維結(jié)構(gòu)未必是完全相連的，有的地方可能略微模糊，孤立地看不見(jiàn)得能確定是不是相連的。這時(shí)候用本發(fā)明提出的基于全卷積神經(jīng)網(wǎng)絡(luò)(FCN)的方法來(lái)對(duì)無(wú)法判定的圖像進(jìn)行去噪增強(qiáng)，峰值信噪比得到了提高，尤其針對(duì)輪廓細(xì)節(jié)比較豐富的圖像效果更明顯。

本發(fā)明提供一種乳腺DTI圖像去噪方法，所述去噪方法包括：

步驟1、圖像獲取：用1.5T磁共振系統(tǒng)和7個(gè)編碼梯度對(duì)人體乳腺部位進(jìn)行自旋回波單次激發(fā)EPI成像獲得，其成像參數(shù)為：TR 6.0ms，TE 2.36ms，層厚1.2mm，層距0.24mm，體素為0.9×0.8×51.2mm，SNR為1，獲取時(shí)間為104s；

采用MEDINRIA對(duì)該體元進(jìn)行了人體乳腺腺體組織追蹤：參數(shù)設(shè)置如下：背景濾除門(mén)限＝100，部分各向異性門(mén)限＝100，平滑度＝0，抽樣率＝4，平滑度為0，MFL＝100，抽樣速率為較大值；

步驟2、采用全卷積神經(jīng)網(wǎng)絡(luò)對(duì)該獲取圖像進(jìn)行分割：

S1.獲取乳腺區(qū)域訓(xùn)練樣本，并標(biāo)記；

S2.對(duì)訓(xùn)練乳腺區(qū)域進(jìn)行預(yù)處理，獲得預(yù)處理結(jié)果；

S3.構(gòu)建乳腺興趣區(qū)域分割的全卷積網(wǎng)絡(luò)結(jié)構(gòu)；

S4.利用訓(xùn)練樣本訓(xùn)練乳腺分割模型，以獲取最優(yōu)乳腺圖像分割模型；

S5.獲取被試者乳腺區(qū)域樣本，并標(biāo)記；

S6.對(duì)測(cè)試乳腺區(qū)域進(jìn)行預(yù)處理，獲得預(yù)處理結(jié)果；

S7.訓(xùn)練好的分割模型對(duì)測(cè)試集進(jìn)行分割；