[發(fā)明專(zhuān)利]低劑量圖像去噪網(wǎng)絡(luò)的訓(xùn)練方法、低劑量圖像的去噪方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011437368.6
• 申請(qǐng)日: 2020-12-07
• 公開(kāi)（公告）號(hào): CN112541871A
• 公開(kāi)（公告）日: 2021-03-23
• 發(fā)明（設(shè)計(jì)）人: 鄭海榮;梁棟;胡戰(zhàn)利;黃振興;劉新
• 申請(qǐng)（專(zhuān)利權(quán)）人: 深圳先進(jìn)技術(shù)研究院
• 主分類(lèi)號(hào): G06T5/00
• 分類(lèi)號(hào): G06T5/00
• 代理公司: 深圳市銘粵知識(shí)產(chǎn)權(quán)代理有限公司 44304
• 代理人: 孫偉峰;但念念

本發(fā)明提供了一種低劑量圖像去噪網(wǎng)絡(luò)的訓(xùn)練方法、低劑量圖像的去噪方法、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)，包括：獲取訓(xùn)練數(shù)據(jù)集，訓(xùn)練數(shù)據(jù)集包括多個(gè)輸入?yún)?shù)組，每一個(gè)輸入?yún)?shù)組包括解剖結(jié)構(gòu)的低劑量圖像、屬性、標(biāo)準(zhǔn)劑量圖像；建立低劑量圖像去噪網(wǎng)絡(luò)，低劑量圖像去噪網(wǎng)絡(luò)包括屬性融合模塊、空間信息融合模塊及生成模塊；利用訓(xùn)練數(shù)據(jù)集對(duì)低劑量圖像去噪網(wǎng)絡(luò)進(jìn)行訓(xùn)練，獲得低劑量圖像去噪網(wǎng)絡(luò)的參數(shù)。本發(fā)明提供的低劑量圖像去噪網(wǎng)絡(luò)的訓(xùn)練方法將解剖結(jié)構(gòu)的屬性作為低劑量圖像去噪網(wǎng)絡(luò)的輸入，從而將解剖結(jié)構(gòu)的屬性融合到圖像重建過(guò)程中，使得訓(xùn)練得到的低劑量圖像去噪網(wǎng)絡(luò)能夠適用于不同的解剖結(jié)構(gòu)，在提升了魯棒性的同時(shí)保證重建圖像的質(zhì)量。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像重建技術(shù)領(lǐng)域，尤其涉及一種低劑量圖像去噪網(wǎng)絡(luò)的訓(xùn)練方法、低劑量圖像的去噪方法、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

計(jì)算機(jī)斷層成像(CT)是通過(guò)無(wú)損方式獲取物體內(nèi)部結(jié)構(gòu)信息的一種重要成像手段，它擁有高分辨率、高靈敏度以及多層次等眾多優(yōu)點(diǎn)，是我國(guó)裝機(jī)量最大的醫(yī)療影像診斷設(shè)備之一，被廣泛應(yīng)用于各個(gè)醫(yī)療臨床檢查領(lǐng)域。然而，由于CT掃描過(guò)程中需要使用X射線，隨著人們對(duì)輻射潛在危害的逐步了解，CT輻射劑量問(wèn)題越來(lái)越受到人們的重視。合理使用低劑量(As Low As Reasonably Achievable，ALARA)原則要求在滿足臨床診斷的前提下，盡量降低對(duì)患者的輻射劑量，而隨著劑量的降低，更多的噪聲會(huì)出現(xiàn)在成像過(guò)程中，從而導(dǎo)致成像質(zhì)量較差，因此，研究和開(kāi)發(fā)新的低劑量CT成像方法，既能保證CT成像質(zhì)量又減少有害的輻射劑量，對(duì)于醫(yī)療診斷領(lǐng)域具有重要的科學(xué)意義和應(yīng)用前景。由于不同的解剖部位在結(jié)構(gòu)上存在很大差異，而現(xiàn)有的低劑量CT成像方法忽略了低劑量解剖結(jié)構(gòu)的差異，魯棒性較差。

發(fā)明內(nèi)容

為了解決現(xiàn)有技術(shù)的不足，本發(fā)明提供一種低劑量圖像去噪網(wǎng)絡(luò)的訓(xùn)練方法、低劑量圖像的去噪方法、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)，將解剖結(jié)構(gòu)的屬性融合到圖像重建過(guò)程中，提升了去噪方法的魯棒性以及重建圖像的質(zhì)量。

本發(fā)明提出的具體技術(shù)方案為：提供一種低劑量圖像去噪網(wǎng)絡(luò)的訓(xùn)練方法，所述訓(xùn)練方法包括：

獲取訓(xùn)練數(shù)據(jù)集，所述訓(xùn)練數(shù)據(jù)集包括多個(gè)輸入?yún)?shù)組，每一個(gè)所述輸入?yún)?shù)組包括解剖結(jié)構(gòu)的低劑量圖像、屬性、標(biāo)準(zhǔn)劑量圖像；

建立低劑量圖像去噪網(wǎng)絡(luò)，所述低劑量圖像去噪網(wǎng)絡(luò)包括依次級(jí)聯(lián)的屬性融合模塊、多個(gè)空間信息融合模塊及生成模塊；

利用所述訓(xùn)練數(shù)據(jù)集對(duì)所述低劑量圖像去噪網(wǎng)絡(luò)進(jìn)行訓(xùn)練，獲得所述低劑量圖像去噪網(wǎng)絡(luò)的參數(shù)并更新所述低劑量圖像去噪網(wǎng)絡(luò)。

進(jìn)一步地，所述屬性融合模塊包括權(quán)重預(yù)測(cè)單元、第一特征提取單元及第一融合單元，所述權(quán)重預(yù)測(cè)單元用于根據(jù)屬性獲得解剖結(jié)構(gòu)對(duì)應(yīng)的權(quán)重掩碼，所述第一特征提取單元用于提取所述低劑量圖像的特征，所述第一融合單元用于將所述權(quán)重掩碼與所述低劑量圖像的特征進(jìn)行融合獲得權(quán)重特征。

進(jìn)一步地，所述權(quán)重預(yù)測(cè)單元包括多個(gè)卷積層和多個(gè)激活函數(shù)，所述多個(gè)卷積層、多個(gè)激活函數(shù)依次交替級(jí)聯(lián)。

進(jìn)一步地，所述權(quán)重預(yù)測(cè)單元還包括拼接層，所述拼接層用于將所述多個(gè)卷積層中具有相同輸出通道數(shù)的卷積層的輸出進(jìn)行拼接。

進(jìn)一步地，所述空間信息融合模塊包括第二特征提取單元、第三特征提取單元及第二融合單元，所述第二特征提取單元用于提取所述權(quán)重特征的空間信息，所述第三特征提取單元用于提取所述權(quán)重特征的圖像特征，所述第二融合單元用于將所述空間信息與所述圖像特征融合。

進(jìn)一步地，所述利用所述訓(xùn)練數(shù)據(jù)集對(duì)所述低劑量圖像去噪網(wǎng)絡(luò)進(jìn)行訓(xùn)練，獲得所述低劑量圖像去噪網(wǎng)絡(luò)的參數(shù)并更新所述低劑量圖像去噪網(wǎng)絡(luò)，包括：

將所述多個(gè)輸入?yún)?shù)組中的低劑量圖像、屬性輸入所述低劑量圖像去噪網(wǎng)絡(luò)，獲得多個(gè)輸出圖像；

根據(jù)所述多個(gè)輸出圖像分別和所述多個(gè)輸入?yún)?shù)組中的標(biāo)準(zhǔn)劑量圖像構(gòu)建損失函數(shù)；