[發明專利]一種基于同形適應學習的頭部CT金屬偽影校正方法

有效

• 申請號: 202010939063.9
• 申請日: 2020-09-09
• 公開（公告）號: CN113706643B
• 公開（公告）日: 2023-06-30
• 發明（設計）人: 謝世朋;宋振榮;莊文芹
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06T5/00;G06N3/08;G06N3/0464
• 代理公司: 重慶壹手知專利代理事務所(普通合伙) 50267
• 代理人: 劉軍

1.一種基于同形適應學習的頭部CT金屬偽影校正方法，其特征在于，包括：

CT數據預處理部分，分別使用真實的臨床數據和由物理模型生成的模擬數據進行學習訓練，臨床數據部分充分利用連續CT切片間的先驗信息和CT結構的相似性，對患者的CT圖像進行匹配；使用模擬數據進行模型驗證，獲取的數據集不僅質量較高，并且數據的數量也得以擴充；

模型搭建，通過使用17層卷積神經網絡構建深度學習的生成框架，結合使用VGG19模型提取CT圖像的特征，將平面圖像轉換為特征點集；疊加抗噪損失函數對數據失準進行校正；

特征提取，使用多個連續的小卷積核替代AlexNet中較大的卷積核，保證在相同條件下，網絡的深度更深，特征提取網絡接收三類圖像的輸入并相應輸出三類特征圖；

抗噪損失函數部分，將圖像視為一組高維特征點的集合，根據相應的點集來衡量圖像之間的相似性，該方法中的網絡結構實現了CT圖像之間一對一、多對多的學習方法；

結果評價，與其他金屬偽影校正模型對比，對測試結果進行數值計算評價和分析，評價內容包括峰值信噪比(PSNR)、結構相似性度量(SSIM)、Dice系數比較，偽影是否去除以及原始疾病信息是否保留。

2.根據權利要求1所述的一種基于同形適應學習的頭部CT金屬偽影校正方法，其特征在于，利用CT圖像連續的切片間的先驗信息和頭部CT結構的相似性構建數據集。

3.根據權利要求1所述的一種基于同形適應學習的頭部CT金屬偽影校正方法，其特征在于，通過多層卷積網絡疊加構建深度學習框架，結合VGG19網絡對CT圖像進行特征提取。

4.根據權利要求1所述的一種基于同形適應學習的頭部CT金屬偽影校正方法，其特征在于，使用改進后的抗噪損失函數對醫學圖像中數據失準的問題進行校正。

5.根據權利要求1所述的一種基于同形適應學習的頭部CT金屬偽影校正方法，其特征在于，該抗噪損失函數基于內容和語義，可以忽略圖像的空間位置，通過測量特征之間的相似度并在迭代過程中逐步縮小來計算損失值。

6.根據權利要求1所述的一種基于同形適應學習的頭部CT金屬偽影校正方法，其特征在于，抗噪損失由風格損失和內容損失兩部分構成，針對不同的任務目標調整二者的比重以獲得不同的結果，損失函數的可塑性提高。

7.根據權利要求1所述的一種基于同形適應學習的頭部CT金屬偽影校正方法，其特征在于，所述的網絡模型對前面所獲取的特征進行學習，得到最優化的網絡參數，并使用數值方法分析對結果進行評價分析。

8.根據權利要求1所述的一種基于同形適應學習的頭部CT金屬偽影校正方法，其特征在于，所述方法不僅在臨床數據集上效果顯著，并且在生成的模擬數據中也能夠很好地去除偽影。