[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

本發明公開了一種基于同形適應學習的頭部CT金屬偽影校正方法。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模型對CT圖像進行特征提取；利用CT連續切片的先驗信息和CT結構的相似性，對數據集進行擴充；為了解決醫學類數據失準的問題，將改進的抗噪損失用于網絡，通過平衡風格損失和內容損失的比重，在逐步迭代的過程中，達到去除金屬偽影且保留原始疾病信息的目的；結果評價，在臨床數據集和模擬數據集上進行訓練和測試，綜合評價方法，對模型進行評估。本發明實現了對頭部CT偽影的校正，在保留圖像細節信息的同時，沒有新偽影產生，也沒有造成模糊，提高了臨床診斷的準確性，具有良好的實用價值。

技術領域

本發明涉及醫學類圖像處理的技術領域，具體來說是一種基于深度學習卷積神經網絡的頭部CT金屬偽影校正方法。

背景技術

在牙科治療中，越來越多的患者選擇金屬植入手術來改善口腔問題。這些患者的計算機斷層掃描(CT)圖像受到高密度金屬的影響而產生偽影，嚴重情況下甚至會造成誤診，對后續的治療構成極大的威脅。

計算機成像技術(Computed?tomography，CT)是一種先進的醫學成像技術，它利用X射線束掃描人體的特定區域重建病灶，為診斷提供重要信息。在牙科治療中，經常會有在牙齒中種植金屬體的情況，然而由于這些金屬體本身是一種高密度物質，它的存在會導致X射線在掃描成像時發生強烈的衰減，在CT圖像中表現為亮暗條紋或放射狀區域的偽影。這些金屬偽影會影響臨床疾病治療的效果，給病理診斷帶來極大的困難。

通常金屬偽影的發生主要是兩個原因。一是X射線束硬化。當X射線束在透射人體時，能量較低的光子很容易被吸收，能量較高的光子則更容易穿透人體。因而在射線傳播期間，平均能量上升，射線逐漸硬化。其二是非線性部分容積效應。當CT掃描區域包含多種不同密度的材料時，CT值不能完全表示任何一種材料，導致在人體組織和金屬植入物之間的交界處容易產生模糊區域，并產生條紋偽影。因此，金屬偽影校正技術仍是臨床頭部CT的重要問題之一。

由于人體結構(本發明中為牙齒、下顎部分)彼此都有細微的差異，我們不能使用一套完美的通用標準去衡量。所以，在醫學圖像處理中，獲得成對對應的清晰與模糊數據一直都是一個難點，如何解決醫學圖像處理中數據失準的問題也變得十分重要。

發明內容

有鑒于此，本發明提供了一種基于同形適應學習的頭部CT金屬偽影校正方法。不僅可以有效的去除頭部CT中下頜骨區域的金屬偽影，還能夠很好的保留原始疾病信息。

為了實現上述目的，本發明采用如下技術方案：

CT數據集預處理部分，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。

特征提取部分，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。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，提高了損失函數的可塑性。

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。