[發明專利]關于冷凍電子斷層重構體圖像的質量恢復方法及系統

在審

• 申請號: 202211247176.8
• 申請日: 2022-10-12
• 公開（公告）號: CN115587947A
• 公開（公告）日: 2023-01-10
• 發明（設計）人: 韓仁敏;張法;楊智東
• 申請（專利權）人: 山東大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/50;G06T17/00;G06N3/04;G06N3/08
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 黃海麗

1.關于冷凍電子斷層重構體圖像的質量恢復方法，其特征是，包括：

獲取冷凍電子斷層的二維投影序列；

對二維投影序列進行三維重構，得到三維重構圖像；

利用訓練后的噪聲生成模型對三維重構圖像進行處理得到噪聲；將噪聲疊加到三維重構圖像中，得到疊加噪聲的圖像；

將疊加噪聲的圖像，輸入到訓練后的圖像質量恢復模型中，輸出圖像質量恢復的圖像。

2.如權利要求1所述的關于冷凍電子斷層重構體圖像的質量恢復方法，其特征是，所述訓練后的噪聲生成模型，其訓練過程包括：

構建第一訓練集和第一測試集；其中，第一訓練集和第一測試集，均為已知真實噪聲塊的三維重構圖像；所述真實噪聲塊，是從三維重構圖像中抽取出若干張噪聲切片，然后對每個噪聲切片進行切塊得到的；

將隨機噪聲塊輸入到生成器中，生成假噪聲塊；

將真實噪聲塊和假噪聲塊均輸入到判別器中，對判別器進行訓練，當損失函數值不再降低時，停止訓練，得到訓練后的噪聲生成模型。

3.如權利要求2所述的關于冷凍電子斷層重構體圖像的質量恢復方法，其特征是，損失函數值公式表達為：

為生成器的數據分布，為噪聲分布，為在和的數據點之間的直線采樣得到的分布。

4.如權利要求1所述的關于冷凍電子斷層重構體圖像的質量恢復方法，其特征是，所述訓練后的圖像質量恢復模型，其網絡結構包括：

依次連接的上采樣層、卷積塊a1、最大池化層c1、卷積塊a2、最大池化層c2、卷積塊a3、最大池化層c3、卷積塊a4、最大池化層c4、卷積塊a5、最大池化層c5、卷積塊a6、插值層z1、卷積塊b1、卷積塊b2、插值層z2、卷積塊b3、卷積塊b4、插值層z3、卷積塊b5、卷積塊b6、插值層z4、卷積塊b7、卷積塊b8、插值層z5、卷積塊b9、三維卷積層w1、下采樣層和輸出層；

其中，上采樣層的輸出端與插值層z5的輸入端連接；最大池化層c1的輸出端與插值層z4的輸入端連接；最大池化層c2的輸出端與插值層z3的輸入端連接；最大池化層c3的輸出端與插值層z2的輸入端連接；最大池化層c4的輸出端與插值層z1的輸入端連接。

5.如權利要求1所述的關于冷凍電子斷層重構體圖像的質量恢復方法，其特征是，所述訓練后的圖像質量恢復模型，其訓練過程包括：

構建第二訓練集和第二測試集；其中第二訓練集和第二測試集均為已知圖像質量恢復結果的冷凍電子斷層的原始二維投影序列；

對第二訓練集的原始二維投影序列進行三維重構，得到三維重構圖像；對三維重構圖像進行濾波，得到濾波重構圖像；

對第二訓練集的原始二維投影序列進行去噪，得到平滑投影序列；對平滑投影序列進行三維重構，得到平滑重構圖像；對平滑重構圖像進行稀疏性提取得到局部稀疏信息；

利用訓練后的噪聲生成器對三維重構圖像進行處理，得到噪聲；將噪聲添加到三維重構圖像中，得到疊加噪聲的輸入圖像；

將疊加噪聲的輸入圖像輸入到圖像質量恢復模型對模型進行訓練，當模型的總損失函數值不再下降時，停止訓練，得到訓練后的圖像質量恢復模型；

總損失函數，是指第一損失函數、第二損失函數和第三損失函數的總和；

其中，第一損失函數，是指模型輸出圖像與三維重構圖像的損失值；

其中，第二損失函數，是指模型輸出圖像與局部稀疏信息的損失值；

其中，第三損失函數，是指模型輸出圖像與濾波重構圖像對比度信息的損失值。

6.如權利要求5所述的關于冷凍電子斷層重構體圖像的質量恢復方法，其特征是，總損失函數的公式表達為：

第一損失函數的公式表達為：

其中，V^po(x)為平滑重構體圖像的對應切塊，V^ps(x)為疊加噪聲的網絡輸入重構體圖像，表示梯度引導的稀疏性約束函數，表示數學期望；D(f_θ(V^ps(x)))表示網絡輸出圖像切塊的梯度信息；D(V^po(x))表示平滑重構體圖像切塊的梯度信息。