[發明專利]基于多級網絡的圖像重建方法、系統、可讀存儲介質和設備

有效

• 申請號: 202011360010.8
• 申請日: 2020-11-27
• 公開（公告）號: CN112365560B
• 公開（公告）日: 2023-01-24
• 發明（設計）人: 呂楊;奚臣
• 申請（專利權）人: 上海聯影醫療科技股份有限公司
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06T5/00
• 代理公司: 杭州華進聯浙知識產權代理有限公司 33250
• 代理人: 金無量

1.一種基于多級網絡的圖像重建方法，其特征在于，所述方法包括以下步驟：

獲取醫學掃描的原始數據，將所述原始數據分別輸入至多個神經網絡模塊，其中，所述多個神經網絡模塊依次連接；

獲取當前神經網絡模塊輸出的中間圖像，將所述中間圖像輸入至下一神經網絡模塊，其中，所述下一神經網絡模塊用于對輸入的所述中間圖像和所述原始數據進行處理，輸出對應所述下一神經網絡模塊的中間圖像，每個神經網絡模塊用于分別進行不同維度的圖像優化，所述不同維度包括噪聲維度、對比度維度、亮度維度和分辨率維度中的至少兩個；

所述當前神經網絡模塊輸出的中間圖像通過對第一優化圖像和第一迭代圖像融合獲得，所述第一迭代圖像基于所述原始數據迭代處理獲得，所述第一優化圖像通過將所述第一迭代圖像輸入至經訓練的神經網絡中進行優化得到；

獲取末尾神經網絡模塊輸出的圖像作為重建圖像。

2.根據權利要求1所述的基于多級網絡的圖像重建方法，其特征在于，所述獲取當前神經網絡模塊輸出的中間圖像包括以下步驟：

在當前神經網絡模塊中，根據所述原始數據和上一神經網絡模塊輸出的中間圖像進行迭代處理，獲得所述第一迭代圖像；

將所述第一迭代圖像輸入至當前神經網絡模塊中經訓練的神經網絡，獲取所述神經網絡輸出的所述第一優化圖像；

對所述第一迭代圖像和所述第一優化圖像進行融合，獲得當前神經網絡模塊輸出的中間圖像。

3.根據權利要求1所述的基于多級網絡的圖像重建方法，其特征在于，若當前神經網絡模塊為首個神經網絡模塊，所述獲取當前神經網絡模塊輸出的中間圖像包括以下步驟：

在當前神經網絡模塊中，根據所述原始數據和初始化圖像進行迭代處理，獲得第二迭代圖像；

將所述第二迭代圖像輸入至當前神經網絡模塊中經訓練的神經網絡，獲取所述神經網絡輸出的第二優化圖像；

對所述第二迭代圖像和所述第二優化圖像進行融合，獲得當前神經網絡模塊輸出的中間圖像。

4.根據權利要求1所述的基于多級網絡的圖像重建方法，其特征在于，所述神經網絡模塊中經訓練的神經網絡包括降噪神經網絡或增強神經網絡，其中，所述降噪神經網絡用于圖像降噪，所述增強神經網絡用于圖像對比度增強或圖像分辨率增強。

5.根據權利要求4所述的基于多級網絡的圖像重建方法，其特征在于，所述方法還包括以下步驟：

獲取受試目標的原始數據樣本；

根據所述原始數據樣本獲取相同迭代次數且計數降采樣的第一迭代圖像樣本；

獲取所述原始數據樣本對應的計數完全的第一重建圖像樣本；

獲取初始化神經網絡模型，將所述第一迭代圖像樣本作為輸入訓練樣本，將所述第一重建圖像樣本作為輸出目標樣本，對所述初始化神經網絡模型進行訓練，獲得所述降噪神經網絡。

6.根據權利要求4所述的基于多級網絡的圖像重建方法，其特征在于，所述方法還包括以下步驟：

獲取受試目標的原始數據樣本；

根據所述原始數據樣本獲取相同計數且迭代預設次數的第二迭代圖像樣本；

獲取所述原始數據樣本對應的迭代完全的第二重建圖像樣本；

獲取初始化神經網絡模型，將所述第二迭代圖像樣本作為輸入訓練樣本，將所述第二重建圖像樣本作為輸出目標樣本，對所述初始化神經網絡模型進行訓練，獲得所述增強神經網絡。

7.根據權利要求1-6中任意一項所述的基于多級網絡的圖像重建方法，其特征在于，所述神經網絡模塊包括反饋卷積神經網絡，所述反饋卷積神經網絡分為多層迭代網絡，所述反饋卷積神經網絡的輸入連接至每層迭代網絡的輸出的前一級；

每層迭代網絡的反饋卷積塊包括交錯連接的多個卷積層和多個反卷積層，在前卷積層與在后卷積層相連接，在前反卷積層與在后卷積層相連接。