[發明專利]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

• 申請號: 202010908814.0
• 申請日: 2020-09-02
• 公開（公告）號: CN111968061A
• 公開（公告）日: 2020-11-20
• 發明（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

本發明公開了一種臟器組織高辨識成像方法、裝置、存儲介質及計算機設備，其中，所述方法包括：獲得單kVp的CT測量數據；對所述CT測量數據進行數據校正處理，獲得校正后的CT測量數據；將所述校正后的CT測量數據輸入收斂的第一神經網絡模型中生成并輸出CT骨圖像或軟組織圖像。在本發明實施例中，只需輸入常規的單kVp的CT測量數據即可到高質量的CT骨圖像或軟組織圖像，高效且減少病人的輻射劑量。

技術領域

本發明涉及醫療圖像處理技術領域，尤其涉及一種基于人工智能的臟器組織高辨識成像方法、裝置、存儲介質及計算機設備。

背景技術

X線胸片是一種廣泛應用于肺部疾病診斷的影像學技術，因為其價格低廉、常規有效、相對安全；然而，肋骨和鎖骨等解剖結構的重疊給影像科醫生閱讀診斷帶來了困難；因此，X線胸片對骨結構的分離對影像科醫生和計算機輔助診斷方案有極大的幫助。

隨著數字化X射線攝影的發展，數字攝影雙能減影(Dual Energy Subtraction，DES)技術已經實現X線胸片中骨與軟組織的分離；雙能減影是指采用兩次曝光的方法得到兩幅圖像，將其進行圖像減影分別重建為軟組織圖像和骨組織圖像；但是雙能減影成像質量容易受到兩次曝光之間的呼吸、心跳、運動等因素的影響，會產生運動偽影，容易導致誤診；此外，短時間的交替輸出高低兩種能量X射線束對球管要求高、損耗大，由于需要專門的設備，只有少數的醫院使用DES裝置，并且，兩次高低能量曝光也會使病人所受到的輻射劑量增加。

發明內容

本發明的目的在于克服現有技術的不足，本發明提供了一種基于人工智能的臟器組織高辨識成像方法、裝置、存儲介質及計算機設備，只需輸入常規的單kVp的CT測量數據即可到高質量的CT骨圖像或軟組織圖像，高效且減少病人的輻射劑量。

為了解決上述中至少一個技術問題，本發明實施例提供了一種基于人工智能的臟器組織高辨識成像方法，所述方法包括：

獲得單kVp的CT測量數據；

對所述CT測量數據進行數據校正處理，獲得校正后的CT測量數據；

將所述校正后的CT測量數據輸入收斂的第一神經網絡模型中生成并輸出CT骨圖像或軟組織圖像。

可選的，所述對所述CT測量數據進行數據校正處理，獲得校正后的CT測量數據，包括：

基于傳統非局部均值濾波算法對所述CT測量數據進行濾波處理，獲得濾波后的CT測量數據；

將所述濾波后的CT測量數據輸入收斂的第二神經網絡模型中進行數據校正處理，輸出校正后的CT測量數據。

可選的，所述基于傳統非局部均值濾波算法對所述CT測量數據進行濾波處理，獲得濾波后的CT測量數據，包括：

設CT測量數據為y，濾波后的CT測量數據為x，i和j分別表示濾波后的CT測量數據x和CT測量數據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測量數據；

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測量數據的具體公式如下：

x(i)＝∑w(i,j)*y(j)；

其中，Z(i)表示歸一化系數，δ²表示平滑參數。

可選的，所述第二神經網絡模型為U-Net網絡結構搭建的神經網絡；

所述第二神經網絡模型的訓練過程如下：