[發明專利]基于噪聲先驗的CNN醫學CT圖像去噪方法

在審

• 申請號: 202011094605.3
• 申請日: 2020-10-14
• 公開（公告）號: CN112419169A
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 張聚;牛彥;施超;潘瑋棟;陳德臣
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04;G06N3/08
• 代理公司: 杭州天正專利事務所有限公司 33201
• 代理人: 王兵

1.基于噪聲先驗的CNN醫學CT圖像去噪方法，具體步驟如下：

步驟1)創建醫學CT圖像模型：

創建醫學CT圖像模型采用高斯噪聲模型，其數學表達式為：

Y＝X+V (1)

其中X是為不含噪聲的干凈圖像，Y為實際含噪聲圖像，V為噪聲；V的噪聲分布服從高斯分布，高斯噪聲是指它的概率密度函數服從高斯分布的一類噪聲，即為高斯隨機變量z概率密度函數，其數學表達式為：

其中μ表示為數學期望，σ表示為標準差；

步驟2)構建噪聲先驗信息提取網絡：

噪聲先驗信息提取網絡將噪聲圖像作為輸入，構建三個網絡層，分別為輸入層、隱藏層和輸出層；輸入層采用3×3大小的卷積核，通道數量設置為32，卷積步長設為1，padding為1；隱藏層設置為5層并且每一層之間采用短跳躍連接，均采用大小為3×3的卷積核，通道數量設置為32，卷積步長設為1，padding為1；輸出層輸入層采用3×3大小的卷積核，通道數量設置為1，卷積步長設為1，padding為1；噪聲先驗信息提取網絡將噪聲圖像作為噪聲先驗信息輸入，輸出圖像尺寸與輸入圖像尺寸相同，通道數設為32；

步驟3)構建去噪網絡：

去噪網絡分為三部分：

第一部分將噪聲先驗信息提取網絡的輸出和噪聲原圖作為輸入，先經過一個Conv+BN+PReLU層，其中卷積核設置為3×3，步長為1，padding為1，然后通過一個卷積，其卷積核設置為3×3，步長為2，padding為1；

第二部分使用三個相同結構的子網絡并聯接入；每一個子網絡有13層；其中第2層使用Conv+PReLU結構且卷積核設置為3×3，步長為1，padding為1；第4層使用Conv結構且卷積核設置為3×3，步長為1，padding為1；第9、10、11、12、13層使用Conv+BN+PReLU結構且卷積核設置為3×3，步長為1，padding為1；第1、3層使用Conv+PReLU結構且卷積核設置為3×3，步長為2，padding為1；第5、7、8層使用Sub-pixel convolution；第1、2和3、4采用跳躍連接；子網絡第3層的輸出分別串行加入第6層中；最后將三個子網絡的輸出串聯拼接；

第三部分使用Conv+PReLU的結構，使用7個卷積核為3×3，步長為1，padding為1的卷積層；在第1—5層中每層之間均使用跳躍連接；在第1層和第4層之間使用跳躍連接；在第二層和第五層之間只用跳躍連接；

步驟4)訓練噪聲先驗信息提取網絡并更新參數：

在圖像預處理階段將訓練集和驗證集裁剪為32×32的尺寸并加入噪聲，去噪網絡中的權重參數設施為隨機初始化，使用高斯加性白噪聲替代醫學CT圖像中的噪聲，對原始干凈圖像分別添加均值為0，標準差為5、10、15、20、25、30、35、40、45、50的高斯白噪聲得到去噪網絡訓練數據，將標準差張成32×32尺寸的張量，該張量為噪聲圖像的噪聲水平圖，由此得到先驗信息提取網絡的標簽數據；

為了約束生成的特征圖符合噪聲信息，將模型輸出特征圖和標簽對應位置的像素做均方誤差和計算，求出一個Batch的輸出圖像和干凈圖像的平均均方誤差；其損失函數公式為：

θ₁代表訓練參數，N代表訓練集中圖片數量，y_i代表噪聲圖，x_i代表標簽圖，R(y_i；θ₂)代表估計的特征圖；

優化參數，具體包括：

CNN網絡使用Adam優化器對噪聲先驗信息提取網絡的參數進行更新，不添加偏置，只對噪聲先驗信息提取網絡中權重進行參數優化更新；

步驟5)訓練去噪網絡并更新參數：

采用醫學腦部CT圖像作為去噪目標，在圖像預處理階段將訓練集和驗證集裁剪為32×32的尺寸并加入噪聲，去噪網絡中的權重參數設施為隨機初始化，使用高斯加性白噪聲替代醫學CT圖像中的噪聲，對原始干凈圖像分別添加均值為0，標準差為15、30、45的高斯白噪聲，將標準差張成32×32尺寸的噪聲水平圖并將其與噪聲圖片串行拼接，由此得到去噪網絡訓練數據；

優化參數，具體包括：

該網絡使用Adam優化器對整個去噪網絡的參數進行更新，不添加偏置，只對網絡中權重進行參數優化更新；其損失函數公式為：

θ₂代表訓練參數，N代表訓練集中圖片數量，y_i代表噪聲圖和噪聲水平圖的串聯圖，x_i代表不含噪聲的干凈圖片，R(y_i；θ₂)代表估計的干凈圖像；

步驟6)醫學CT圖像去噪；

使用兩個網絡進行去噪，分別是：噪聲先驗信息提取網絡、去噪網絡；首先向噪聲先驗信息提取網絡中輸入測試集中含噪聲的醫學CT圖像，將噪聲先驗信息提取網絡預測出的噪聲水平圖與噪聲圖串行拼接，并輸入去噪網絡進行預測，最后去噪網絡輸出去除噪聲的醫學CT圖像。