[發明專利]一種基于生成對抗網絡的胸部X光片超分辨率和去噪方法

在審

• 申請號: 202011164179.6
• 申請日: 2020-10-27
• 公開（公告）號: CN112258415A
• 公開（公告）日: 2021-01-22
• 發明（設計）人: 金燕;姜智偉
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T3/40;G06F8/41;G06N3/04;G06N3/08
• 代理公司: 杭州天勤知識產權代理有限公司 33224
• 代理人: 高燕

本發明公開了一種基于生成對抗網絡的胸部X光片超分辨率和去噪方法，包括：(1)收集胸部X光片，進行預處理后構建訓練集；(2)構建胸部X光片的生成對抗網絡；所述的生成對抗網絡包括生成器、判別器、VGG16網絡；(3)采用訓練集對生成對抗網絡進行訓練，得到訓練完成的生成對抗網絡模型；(4)將含有噪聲且需要超分辨率的待處理胸部X光片進行預處理后，作為所述生成對抗網絡模型的生成器的輸入，生成去除噪聲并且分辨率加倍的超分辨率圖片，完成對待處理胸部X光片的超分辨率和去噪處理。本發明的方法可以在最大程度上保留醫學圖像細節紋理的同時對圖片進行超分辨率和去噪處理。

技術領域

本發明屬于圖像超分辨率和去噪領域技術，尤其涉及一種基于生成對抗網絡的胸部X光片超分辨率和去噪方法。

背景技術

胸部X光片(Chest X-ray)是一種價格低廉，并且快速易得的醫學影像技術。相較于計算機斷層掃描技術(Computer Tomography，CT)，傳統的胸部X光片不僅價格便宜，并且輻射量低，現在醫學研究表明，有1.5％～2％的腫瘤可能是由高劑量CT輻射導致。特別是在諸如肺炎、氣胸、心力衰竭、骨折等疾病的早期診斷上，X射線都有較為廣泛的應用。

雖然胸部X光片在醫療檢查中起到越來越重要的作用，但是胸部X光片在生成過程中，不僅會收到各種類型和程度的噪聲影響，并且還存在偽影。這不但會降低篩選出疾病的概率，并且還會一定程度上干擾醫生對疾病的診斷和分析。因此對胸部X光片進行去噪和超分辨率就具有十分重要的意義，此外，在生成圖像的過程中會一定程度上降低原始圖像的質量，這可能導致人或機器做出錯誤的決策。

在近幾年的研究以及發明專利中，圖像復原技術主要有兩種：基于傳統的數字圖像處理方法以及深度學習方法。其中離散小波是傳統方法之一，小波分解與重構方法的主要優點是算法簡單、計算速度快，但是對于不同的噪聲參數和不同的噪聲類型的魯棒性很差；雙邊濾波器也是基于傳統方法的圖像復原技術之一，相比于上者，提高了對于去除高斯白噪聲能力，但對于圖像的高頻邊緣部分去噪效果不明顯；還有利用剪切變換、曲波變換和離散余弦非局部圖像的去噪方法，但是不能有效去除醫學圖像中的噪聲偽影；非局部均值正則化方法是現在主流的去噪方法之一，可以顯著提高低質量醫學圖片的質量；塊匹配和三維變換域協同濾波(BM3D)方法，通過將相似的2D圖像片段分組到3D數據陣列中，在有效抑制噪聲偽影同時進一步減少了時間，但也會造成圖像細節紋理的丟失。

隨著深度學習的發展，深度學習技術在數字圖像和計算機視覺應用越來越廣泛，其中去噪自編碼器和卷積去噪網絡在醫學圖像的去噪得到了廣泛的應用，這種模型的特點是通過訓練大量數據進而學習到圖像中的噪聲分布，但模型對不同噪聲效果的魯棒性不同，測試去噪效果也不同；自從2014年GAN(Generative Adversarial Network)的提出，GAN在生成清晰圖片上面展現出了強大的能力，甚至在最近的研究中可以生成1024×1024的高分辨率圖片。

發明內容

本發明提供了一種基于生成對抗網絡的胸部X光片超分辨率和去噪方法，訓練一個生成網絡可以在最大程度上保留醫學圖像細節紋理的同時對圖片進行超分辨率和去噪處理。

本發明的技術方案如下：

一種基于生成對抗網絡的胸部X光片超分辨率和去噪方法，包括以下步驟：

(1)收集胸部X光片，進行預處理后構建訓練集；所述的胸部X光片包括清晰高分辨率圖片和對應的低分辨率含噪聲圖片；

(2)構建胸部X光片的生成對抗網絡；所述的生成對抗網絡包括：

生成器，根據輸入生成虛假(Fake)圖片，所述的虛假圖片為去除噪聲并且分辨率加倍的超分辨率圖片；

判別器，用于判別所述的訓練集中的清晰高分辨率圖片與生成器生成的虛假圖片；

VGG16網絡，用于構建感知損失函數正則項；