[發明專利]偽影校正方法、計算機設備及可讀存儲介質

在審

• 申請號: 202211030978.3
• 申請日: 2022-08-26
• 公開（公告）號: CN115375787A
• 公開（公告）日: 2022-11-22
• 發明（設計）人: 不公告發明人
• 申請（專利權）人: 蘇州微創暢行機器人有限公司
• 主分類號: G06T11/00
• 分類號: G06T11/00
• 代理公司: 華進聯合專利商標代理有限公司 44224
• 代理人: 姜曉云

1.一種偽影校正方法，其特征在于，所述方法包括：

獲取術前影像數據；

通過預先訓練得到的偽影識別模型對所述術前影像數據進行偽影識別以得到目標偽影區域；

獲取所述目標偽影區域的屬性信息；

當根據所述屬性信息確定所述目標偽影區域需要進行偽影校正時，通過預先訓練得到的偽影校正模型對需要進行偽影校正的所述目標偽影區域進行偽影校正。

2.根據權利要求1所述的方法，其特征在于，所述通過預先訓練得到的偽影校正模型對需要進行偽影校正的所述目標偽影區域進行偽影校正之后，包括：

獲取校正后的偽影區域的屬性信息，將校正后的偽影區域作為目標偽影區域，并繼續執行根據所述屬性信息確定所述目標偽影區域是否需要進行偽影校正的步驟，直至根據所述屬性信息判定所述目標偽影區域不需要進行偽影校正。

3.根據權利要求1或2所述的方法，其特征在于，所述獲取所述目標偽影區域的屬性信息，包括：

獲取所述目標偽影區域的數量、區域位置、區域體積占比以及區域灰度值強度分布中的至少一個作為屬性信息；

所述當根據所述屬性信息確定所述目標偽影區域需要進行偽影校正時，通過預先訓練得到的偽影校正模型對需要進行偽影校正的所述目標偽影區域進行偽影校正之前，還包括：

確定各所述屬性信息對應的權重以及各所述屬性信息對應的參考指標值；

根據所述權重和所述參考指標值，計算所述目標偽影區域的校正指標值；

根據所述校正指標值確定所述目標偽影區域是否需要進行偽影校正。

4.根據權利要求1所述的方法，其特征在于，通過預先訓練得到的偽影識別模型對所述術前影像數據進行偽影識別以得到目標偽影區域，包括：

通過預先訓練得到的偽影識別模型的特征提取模塊對所述術前影像數據進行特征提取得到待處理特征；

將所述待處理特征分別輸入至所述偽影識別模型的中心點預測模塊、中心點偏移預測模塊以及目標物體的長寬高預測模塊進行處理，得到對應的偽影區域信息；

根據各偽影區域信息計算得到目標偽影區域。

5.根據權利要求1所述的方法，其特征在于，所述術前影像數據為CT圖像序列；所述偽影識別模型為三維卷積神經網絡模型，和/或所述偽影校正模型為三維卷積神經網絡模型。

6.根據權利要求1所述的方法，其特征在于，所述偽影識別模型或偽影校正模型的訓練方法包括：

獲取樣本醫學影像數據，所述樣本醫學影像數據攜帶有標簽；

通過初始模型對所述樣本醫學影像數據進行處理得到模型處理結果；

根據所述標簽以及所述模型處理結果計算得到模型損失；

當所述模型損失不滿足要求時，對所述初始模型的網絡參數進行優化，并通過優化后的模型對所述樣本醫學影像數據進行處理得到模型處理結果，繼續執行根據所述標簽以及所述模型處理結果計算得到模型損失的步驟，直至所述模型損失滿足要求時，得到偽影識別模型或偽影校正模型。

7.根據權利要求6所述的方法，其特征在于，所述標簽為預先標注的偽影區域；所述通過初始模型對所述樣本醫學影像數據進行處理得到模型處理結果，包括：

通過初始模型的特征提取模塊對所述樣本醫學影像數據進行特征提取得到樣本特征；將所述樣本特征分別輸入至所述初始模型的中心點預測模塊、中心點偏移預測模塊以及目標物體的長寬高預測模塊進行處理，得到對應的樣本的偽影區域信息；

所述根據所述標簽以及所述模型處理結果計算得到模型損失，包括：

根據預先標注的偽影區域得到第一中心點位置和第一長寬高信息；

將所述中心點預測模塊得到的偽影區域信息與預先標注的偽影區域的第一中心點位置進行計算得到第一損失值；

將所述中心點偏移預測模塊得到的偽影區域信息預先標注的偽影區域的第一中心點位置進行計算得到第二損失值，

將所述目標物體的長寬高預測模塊得到的偽影區域信息與預先標注的偽影區域的第一長寬高信息進行計算得到第三損失值；

根據所述第一損失值、所述第二損失值以及所述第三損失值計算得到模型損失。