[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

本發明屬于計算機視覺、醫學圖像處理領域，具體為一種基于圖像修復的CT圖像金屬偽影消除方法。該方法包括：訓練神經網絡修復CT圖像；自動生成無金屬偽影的標簽圖像；訓練神經網絡消除金屬偽影。本發明解決了無偽影標簽圖像難以獲取的難題，將深度神經網絡方法成功地應用到了金屬偽影消除任務中，能取得較好效果。

技術領域

本發明屬于深度學習，計算機視覺，醫學圖像處理領域，具體為一種基于圖像修復的CT 圖像金屬偽影消除方法。

背景技術

CT成像中，難免遇到病人體內存在金屬物質，如金屬假牙，胸罩針，別針，含鐵化妝品及手術時的器械磨損片等。這些金屬物的存在使得重建之后的圖像在金屬周圍產生大量黑色帶狀和明亮的放射條紋狀偽影，即為金屬偽影。這些偽影使圖像質量嚴重下降，給醫生的判斷帶來極大困難。

對于普通CT而言，通常采用兩種手段降低金屬偽影對掃描效果的影響。一是采用不同掃描參數設置，如對階梯狀偽影采用減小螺距和薄層掃描的方式減少偽影影響；二是利用圖像處理方法，如對不同類型的金屬偽影采用圖像處理算法消除或減小金屬偽影影響。基于圖像處理方法的金屬偽影消除手段大致有三類：投影插值法、迭代法及混合法。這些方法普遍效果不佳，達不到人們的預期。深度神經網絡方法在圖像處理任務中有著巨大的優勢，但是在金屬偽影消除中的應用卻極少，這主要是因為很難獲取到與金屬偽影圖像一一對應的無偽影標簽圖像。我們提出一種基于圖像修復的CT圖像金屬偽影消除方法，能夠在少量標注信息(只需標注出偽影區域)的輔助下，自動生成無金屬偽影的標簽圖像，進而訓練神經網絡來消除 CT圖像中的金屬偽影。

發明內容

針對上述存在問題或不足，本發明提供了一種基于圖像修復的CT圖像金屬偽影消除方法。

本發明采用的技術方案是：

(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。

所述步驟(2)中的CT圖像修復模型訓練過程具體包括：

(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I_gt。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I_in，輸出圖片記為I_out， I_in＝I_gt⊙M，Io_ut＝φ(I_in)。

(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，L_hole是孔洞處的L¹損失， L_valid是非孔洞處的L¹損失，L_perceptual是高維空間的L¹損失，計算公式如下：

L_hole＝||(1-M)⊙(I_out-I_gt)||₁

L_valid＝||M⊙(I_out-I_gt)||₁