[發(fā)明專利]臟器組織高辨識成像方法、裝置、存儲介質及計算機設備

在審

• 申請?zhí)枺?/td>: 202010908814.0
• 申請日: 2020-09-02
• 公開（公告）號: CN111968061A
• 公開（公告）日: 2020-11-20
• 發(fā)明（設計）人: 諶高峰;張浩;蔡敏占
• 申請（專利權）人: 廣州海兆印豐信息科技有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T3/40;G06T3/60;G06N3/04
• 代理公司: 佛山市廣盈專利商標事務所(普通合伙) 44339
• 代理人: 楊樂兵

1.一種臟器組織高辨識成像方法，其特征在于，所述方法包括：

獲得單kVp的CT測量數(shù)據(jù)；

對所述CT測量數(shù)據(jù)進行數(shù)據(jù)校正處理，獲得校正后的CT測量數(shù)據(jù)；

將所述校正后的CT測量數(shù)據(jù)輸入收斂的第一神經網(wǎng)絡模型中生成并輸出CT骨圖像或軟組織圖像。

2.根據(jù)權利要求1所述的臟器組織高辨識成像方法，其特征在于，所述對所述CT測量數(shù)據(jù)進行數(shù)據(jù)校正處理，獲得校正后的CT測量數(shù)據(jù)，包括：

基于傳統(tǒng)非局部均值濾波算法對所述CT測量數(shù)據(jù)進行濾波處理，獲得濾波后的CT測量數(shù)據(jù)；

將所述濾波后的CT測量數(shù)據(jù)輸入收斂的第二神經網(wǎng)絡模型中進行數(shù)據(jù)校正處理，輸出校正后的CT測量數(shù)據(jù)。

3.根據(jù)權利要求2所述的臟器組織高辨識成像方法，其特征在于，所述基于傳統(tǒng)非局部均值濾波算法對所述CT測量數(shù)據(jù)進行濾波處理，獲得濾波后的CT測量數(shù)據(jù)，包括：

設CT測量數(shù)據(jù)為y，濾波后的CT測量數(shù)據(jù)為x，i和j分別表示濾波后的CT測量數(shù)據(jù)x和CT測量數(shù)據(jù)y的像素點，權值w(i,j)表示像素點i和j的相似度；

所述權值w(i,j)是由像素點i和j為中心的矩形領域Y(i)和Y(j)的距離確定的，如下：

基于所述權值w(i,j)和x中像素點i處的灰度值計算獲得濾波后的CT測量數(shù)據(jù)；

基于所述權值w(i,j)和x中像素點i處的灰度值計算獲得濾波后的CT測量數(shù)據(jù)的具體公式如下：

x(i)＝∑w(i,j)*y(j)；

其中，Z(i)表示歸一化系數(shù)，δ²表示平滑參數(shù)。

4.根據(jù)權利要求2所述的臟器組織高辨識成像方法，其特征在于，所述第二神經網(wǎng)絡模型為U-Net網(wǎng)絡結構搭建的神經網(wǎng)絡；

所述第二神經網(wǎng)絡模型的訓練過程如下：

獲取配對的“CT測量數(shù)據(jù)-高劑量CT測量數(shù)據(jù)”數(shù)據(jù)集；

對所獲取的“CT測量數(shù)據(jù)-高劑量CT測量數(shù)據(jù)”數(shù)據(jù)集進行最小-最大值歸一化處理，獲得歸一化數(shù)據(jù)集；

利用所述歸一化數(shù)據(jù)集對所述第二神經網(wǎng)絡模型進行端到端進行訓練，直至收斂或達到訓練次數(shù)閾值。

5.根據(jù)權利要求1所述的臟器組織高辨識成像方法，其特征在于，所述第一神經網(wǎng)絡模型為多尺度下的神經網(wǎng)絡或級聯(lián)神經網(wǎng)絡。

6.根據(jù)權利要求1所述的臟器組織高辨識成像方法，其特征在于，所述第一神經網(wǎng)絡模型為采用殘差網(wǎng)絡模型搭建的神經網(wǎng)絡模型；

所述第一神經網(wǎng)絡模型的訓練過程如下：

獲取配對的“CT測量數(shù)據(jù)-CT骨圖像或軟組織圖像”數(shù)據(jù)集；

對所述“CT測量數(shù)據(jù)-CT骨圖像或軟組織圖像”數(shù)據(jù)集進行數(shù)據(jù)增強處理，獲得增強后的數(shù)據(jù)集，所述增強處理包括旋轉和放縮處理；

利用增強后的數(shù)據(jù)集對所述第一神經網(wǎng)絡模型進行端到端訓練，直至收斂或達到訓練次數(shù)閾值；

所述第一神經網(wǎng)絡模型的代價函數(shù)設計為2范數(shù)均方根誤差，記為：

其中，表示第一神經網(wǎng)絡模型的第i個訓練樣本的最終預測圖像；表示第i個訓練樣本的目標CT骨圖像或軟組織圖像；N表示訓練樣本數(shù)；Θ表示需要學習的參數(shù)。

7.根據(jù)權利要求5所述的臟器組織高辨識成像方法，其特征在于，所述多尺度下的神經網(wǎng)絡包括旋轉和放縮；

所述旋轉和放縮包括對所述校正后的CT測量數(shù)據(jù)進行旋轉和方式，在所述第一神經網(wǎng)絡模型中對所述校正后的CT測量數(shù)據(jù)進行上下采樣操作。

8.一種臟器組織高辨識成像裝置，其特征在于，所述裝置包括：

數(shù)據(jù)獲得模塊：用于獲得單kVp的CT測量數(shù)據(jù)；

數(shù)據(jù)校正模塊：用于對所述CT測量數(shù)據(jù)進行數(shù)據(jù)校正處理，獲得校正后的CT測量數(shù)據(jù)；

圖像生成模塊：用于將所述校正后的CT測量數(shù)據(jù)輸入收斂的第一神經網(wǎng)絡模型中生成并輸出CT骨圖像或軟組織圖像。