[發明專利]一種基于神經網絡的CT偽影抑制方法、設備以及介質

有效

• 申請號: 201910861446.6
• 申請日: 2019-09-11
• 公開（公告）號: CN110570492B
• 公開（公告）日: 2021-09-03
• 發明（設計）人: 邢宇翔;杜牧歌;高河偉;劉以農;張麗;梁凱超
• 申請（專利權）人: 清華大學
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06N3/08;G06N3/04;G06K9/62
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 楊靜

公開了一種用于訓練神經網絡的方法和設備、圖像處理方法和設備以及存儲介質。用于訓練神經網絡的方法包括：構建主干網絡和域分類器。主干網絡用于對帶偽影CT圖像進行處理，得到偽影抑制CT圖像，域分類器用于對主干網絡的域適應層的輸出進行處理，得到對于帶偽影CT圖像所屬類別的判別結果。域適應層用于提取所述帶偽影CT圖像的偽影特征。該類別包括帶仿真偽影的CT圖像和帶實際偽影的CT圖像。對主干網絡和域分類器進行聯合訓練，以便基于損失函數對主干網絡和域分類器的參數進行調整。當損失函數實現收斂時確定訓練完成，將訓練得到的主干網絡作為目標神經網絡。利用上述訓練得到的目標神經網絡能夠實現針對實際掃描下帶偽影CT圖像的有效偽影抑制。

技術領域

本公開的實施例涉及輻射成像，具體涉及一種基于神經網絡的CT偽影抑制方法、設備以及存儲介質。

背景技術

X光斷層成像技術(X-Ray Computed Tomography,X-CT)應用于醫療、安檢、工業無損檢測等領域，已有幾十年的歷史。由于多種物理因素如束流硬化、光子數過少、散射、數據采樣率不足等的影響，CT重建圖像中可能出現偽影(Artifacts)，會降低圖像質量，從而影響醫生等使用者的判斷。CT圖像中的偽影有很多種，包括條狀和帶狀偽影、風車偽影、環狀偽影和運動模糊等。

在過去的幾十年里，針對CT圖像中的偽影，研究了許多偽影抑制方法。這些方法依賴于對CT掃描中的物理因素的建模，在CT成像的不同階段進行校正。盡管其中一些方法成功部署在商用CT設備中，但這些傳統的偽影抑制方法的性能并不能讓人滿意。由于對物理作用的建模無法做到完全準確，只是某種意義上的近似，故傳統的偽影抑制算法的準確性不足，從而導致實用價值不高。

發明內容

根據本公開實施例，提出了一種用于訓練神經網絡的方法和設備、圖像處理方法和設備、以及存儲介質，利用訓練得到的目標神經網絡能夠實現針對實際掃描下帶偽影CT圖像(即帶實際偽影的CT圖像)的有效偽影抑制。

在本公開的一個方面，提出了一種用于訓練神經網絡的方法，包括：構建主干網絡和域分類器。然后對主干網絡和域分類器進行聯合訓練，以便基于損失函數對主干網絡和域分類器的參數進行調整。當損失函數實現收斂時確定訓練完成，將訓練得到的主干網絡作為目標神經網絡。

其中，主干網絡用于對帶偽影CT圖像進行處理，得到偽影抑制CT圖像。域分類器用于對主干網絡的域適應層的輸出進行處理，得到對于帶偽影CT圖像所屬類別的判別結果。域適應層用于提取帶偽影CT圖像的偽影特征。上述類別包括：帶仿真偽影的CT圖像和帶實際偽影的CT圖像。

根據本公開實施例，域適應層包括：主干網絡的前第一預定數量個網絡層。

根據本公開實施例，域分類器包括特征組合層和判別模塊。域適應層的輸出包括：域適應層中的第一預定數量個網絡層的輸出特征。上述域分類器用于對主干網絡的域適應層的輸出進行處理包括：域分類器用于將域適應層中的第一預定數量個網絡層的輸出特征作為輸入，利用特征組合層對所述第一預定數量個網絡層的輸出特征進行組合得到組合特征，并利用判別模塊確定所述組合特征所屬類別。

根據本公開實施例，上述對主干網絡和域分類器進行聯合訓練，以便基于損失函數對主干網絡和域分類器的參數進行調整包括：對主干網絡進行有監督訓練，以便基于第一損失函數對主干網絡的參數進行調整。同時，對域適應層和域分類器進行對抗訓練，以便基于第二損失函數對域適應層和域分類器的參數進行調整。在此基礎上，上述當損失函數實現收斂時確定訓練完成包括：當第一損失函數和第二損失函數均實現收斂時，確定訓練完成。

根據本公開實施例，上述方法還包括：在對主干網絡和域分類器進行聯合訓練之前，先對主干網絡進行初步有監督訓練。在此基礎上，上述對主干網絡和域分類器進行聯合訓練包括：當上述初步有監督訓練進行第二預定數量次時，再對主干網絡和域分類器進行聯合訓練。