[發(fā)明專利]抑制低劑量CT圖像中偽影噪聲的多尺度特征生成對抗網(wǎng)絡

有效

• 申請?zhí)枺?/td>: 202011482596.5
• 申請日: 2020-12-15
• 公開（公告）號: CN112598759B
• 公開（公告）日: 2022-09-13
• 發(fā)明（設計）人: 張雄;韓澤芳;上官宏;韓興隆;崔學英;王安紅
• 申請（專利權(quán)）人: 太原科技大學
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06N3/04;G06N3/08
• 代理公司: 太原中正和專利代理事務所(普通合伙) 14116
• 代理人: 焦進宇

1.抑制低劑量CT圖像中偽影噪聲的多尺度特征生成對抗網(wǎng)絡，其特征在于，具體步驟如下：

一、選擇LDCT圖像降噪模型，構(gòu)建成對LDCT圖像與NDCT圖像數(shù)據(jù)集；

其中，LDCT圖像為低劑量CT圖像；

二、將LDCT圖像輸入誤差反饋金字塔生成器網(wǎng)絡中，誤差反饋金字塔生成器網(wǎng)絡內(nèi)設有基于shuffle操作的金字塔輸入模塊、基于誤差反饋機制的跨尺度融合模塊和由淺到深的多級編碼U-Net模塊，金字塔生成器網(wǎng)絡從不同角度來提取LDCT圖像的跨尺度特征，LDCT圖像經(jīng)過反饋金字塔生成器網(wǎng)絡處理后輸出降噪結(jié)果圖；

將LDCT圖像輸入自下而上的金字塔輸入模塊中獲得多分辨率圖像輸入，分別為輸入圖像、1/2輸入圖像、1/4輸入圖像與1/8輸入圖像：其中，金字塔輸入模塊的設計利用了shuffle操作，能夠在不丟失圖像特征的前提下提取多尺度特征的特性，共包含4級；

其次，分別在不同分辨率圖像上采用不同層數(shù)的U-Net結(jié)構(gòu)進行降噪：其中1/2輸入圖像采用了7層U-Net結(jié)構(gòu)，1/4輸入圖像采用了6層U-Net結(jié)構(gòu)，1/8輸入圖像采用了4層U-Net結(jié)構(gòu)，每個U-Net結(jié)構(gòu)均采用卷積核大小為4×4、步長為2的卷積操作與卷積核大小為4×4、步長為2的轉(zhuǎn)置卷積操作，在卷積過程中，特征圖減小，通道數(shù)加倍，在轉(zhuǎn)置卷積過程中特征圖增大，通道數(shù)減半；

引入了自上而下的跨尺度特征融合網(wǎng)絡：首先將較大尺度的特征下采樣到與需要融合的特征同等尺度，其次對下采樣后的特征與需要融合的特征做差，得到誤差值，并將誤差進行上采樣，擴展到原始尺寸空間，最后將其與原始特征進行相加，得到最終特征；

三、NDCT圖像與步驟二中得到的降噪結(jié)果圖共同輸入交錯卷積判別器子網(wǎng)絡中迭代訓練；

其中，交錯卷積判別器是一種多尺度特征提取網(wǎng)絡，包括淺層特征提取網(wǎng)絡、交錯卷積模塊和深層特征提取網(wǎng)絡；

淺層特征提取網(wǎng)絡由卷積核大小為4×4、步長為2的卷積操作組成，卷積層后加入批量歸一化與LeakyReLU激活函數(shù)；

交錯卷積模塊是由卷積核大小為3×3與5×5的卷積操作混合而成；

深層特征提取網(wǎng)絡由卷積核大小為4×4、步長為2的卷積操作組成，卷積后加入Sigmoid激活函數(shù)；

四、輸出最終降噪結(jié)果圖。

2.根據(jù)權(quán)利要求1所述的抑制低劑量CT圖像中偽影噪聲的多尺度特征生成對抗網(wǎng)絡，其特征在于，步驟一中的LDCT圖像降噪模型為加性模型，具體表達式為：

X＝T(Y) 1-1

X＝Y(jié)+N 1-2

Y＝X-N 1-3

式1-1為NDCT圖像的降質(zhì)過程，其中X∈R^c×h×w表示LDCT圖像，Y∈R^c×h×w表示與LDCT圖像對應的NDCT圖像，T表示X與Y之間的函數(shù)映射關系，體現(xiàn)了NDCT以非線性的形式退化為LDCT的降質(zhì)過程；

式1-2為模擬的LDCT圖像生成過程，其中N表示加性高斯白噪聲，通過人為在NDCT圖像中加入噪聲，最終產(chǎn)生了LDCT圖像；

式1-3為從LDCT圖像中恢復原始的NDCT圖像的過程。

3.根據(jù)權(quán)利要求1所述的抑制低劑量CT圖像中偽影噪聲的多尺度特征生成對抗網(wǎng)絡，其特征在于，所述金字塔輸入模塊內(nèi)設4個特征級別，即輸入圖像尺寸、1/2輸入圖像尺寸、1/4輸入圖像尺寸與1/8輸入圖像尺寸。

4.根據(jù)權(quán)利要求1所述的抑制低劑量CT圖像中偽影噪聲的多尺度特征生成對抗網(wǎng)絡，其特征在于，所述跨尺度融合模塊內(nèi)設基礎卷積操作與轉(zhuǎn)置卷積操作。

5.根據(jù)權(quán)利要求1所述的抑制低劑量CT圖像中偽影噪聲的多尺度特征生成對抗網(wǎng)絡，其特征在于，所述多級編碼U-Net模塊包括作用于1/8分辨率輸入圖像的4層U-Net、作用于1/4分辨率輸入圖像的6層U-Net與作用于1/2分辨率輸入圖像的7層U-Net，每個U-Net的編碼端均采用卷積核大小為4×4、步長為2的卷積操作，每個U-Net的解碼端均采用卷積核大小為4×4、步長為2的轉(zhuǎn)置卷積操作，編碼端特征通過跨層連接并入到解碼端同一尺度的特征中。