[發明專利]基于圖像修復的CT圖像金屬偽影消除方法在審
| 申請號： | 201811310963.6 | 申請日： | 2018-11-06 |
| 公開（公告）號： | CN109472754A | 公開（公告）日： | 2019-03-15 |
| 發明（設計）人： | 漆進;張通;史鵬 | 申請（專利權）人： | 電子科技大學 |
| 主分類號： | G06T5/00 | 分類號： | G06T5/00;G06N3/04;G06N3/08 |
| 代理公司： | 暫無信息 | 代理人： | 暫無信息 |
| 地址： | 611731 四川省成*** | 國省代碼： | 四川;51 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 金屬偽影 訓練神經網絡 標簽圖像 圖像修復 醫學圖像處理 計算機視覺 神經網絡 自動生成 偽影 修復 應用 成功 | ||
1.一種基于圖像修復的CT圖像金屬偽影消除方法，其特征在于，所述方法包括：
(1)準備不含有金屬偽影的CT圖像集A和含有金屬偽影的CT圖像集B；
(2)在CT圖像集A上，基于卷積神經網絡，訓練CT圖像修復模型；
(3)用(2)中訓練好的CT圖像修復模型，生成CT圖像集B的標簽集；
(4)在CT圖像集B和標簽集上，基于卷積神經網絡，訓練去偽影模型。
2.根據權利要求1所述的方法，其特征在于，所述步驟(2)中具體包括：
(21)定義CT圖像修復模型為φ，其基本結構為encoder-decoder，輸入圖片經過encoder中的卷積層和下采樣層提取高維信息，再經過decoder中的上采樣層逐步恢復圖片的空間分辨率，最終輸出圖片尺寸與輸入圖片一致，定義ImageNet數據集上的預訓練VGG模型為
(22)從CT圖像集A中取出一張圖片作為標簽，記為Igt，隨機產生只含有0和1二值圖片M，0代表當前像素是一個需要修復的孔洞；輸入圖片記為Iin，輸出圖片記為Iout，Iin＝Igt⊙M，Iout＝φ(Iin)；
(23)使用隨機梯度下降法進行訓練模型φ，采用復合損失函數，Lhole是孔洞處的L1損失，Lvalid是非孔洞處的L1損失，Lperceptual是高維空間的L1損失，計算公式如下：
3.根據權利要求1所述的方法，其特征在于，所述步驟(3)中具體包括：
(31)從CT圖像集B中取出一張圖片I，對I進行手動標注，得到只含有0和1的二值圖片M，0代表當前像素區域是金屬偽影，1代表當前像素區域不是金屬偽影；
(32)輸入圖片經過(21)中訓練好的模型φ得到輸出圖片，輸入圖片記為Iin，輸出圖片記為Iout，Iin＝I⊙M，Iout＝φ(Iin)；
(33)生成含有金屬偽影的圖片I的標簽，記為Igt，Igt＝I⊙M+Iout⊙(1-M)。
4.根據權利要求1所述的方法，其特征在于，所述步驟(4)中具體包括：
(41)定義CT圖像去偽影模型為κ，其基本結構為encoder-decoder，輸入圖片經過encoder中的卷積層和下采樣層提取高維信息，再經過decoder中的上采樣層逐步恢復圖片的空間分辨率，最終輸出圖片尺寸與輸入圖片一致，定義ImageNet數據集上的預訓練VGG模型為
(42)將(33)中的金屬偽影圖片I作為網絡κ的輸入圖片，輸出圖片記為Iout，Iout＝κ(I)，將(33)中生成的圖片Igt作為標簽圖片；
(43)使用隨機梯度下降法進行訓練模型κ，采用復合損失函數，Lmar是消除金屬偽影的L1損失，Lperceptual是高維空間的L1損失，計算公式如下：
Lmar＝||(Iout-Igt)||1
Ltotal＝Lmar+0.1Lperceptual
(44)將含有金屬偽影的測試圖片作為輸入，通過(43)中訓練好的去偽影模型，即可得到消除了金屬偽影的圖片。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于電子科技大學，未經電子科技大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201811310963.6/1.html，轉載請聲明來源鉆瓜專利網。
