[發明專利]一種基于云平臺的醫學圖像噪聲偽影校正方法及系統

在審

• 申請號: 202211412012.6
• 申請日: 2022-11-11
• 公開（公告）號: CN115689938A
• 公開（公告）日: 2023-02-03
• 發明（設計）人: 亢冠宇
• 申請（專利權）人: 濟南浪潮數據技術有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/0455;G06N3/0464;G06N3/08;G06V10/774;G06V10/764
• 代理公司: 濟南誠智商標專利事務所有限公司 37105
• 代理人: 李修杰

本申請公開了一種基于云平臺的醫學圖像噪聲偽影校正方法及系統，該方法包括：按照待測醫學圖像所對應的不同身體部位，將所述待測醫學圖像分類上傳至云平臺中；利用深度學習網絡對所述待測醫學圖像進行噪聲偽影校正，獲取校正后的醫學圖像；在云平臺上存儲所述校正后的醫學圖像。該系統包括：圖像上傳模塊、噪聲偽影校正模塊和存儲模塊。通過本申請，能夠有效提高醫學圖像的清晰度，以及圖像處理的效率和準確性。

技術領域

本申請涉及圖像處理技術領域，特別是涉及一種基于云平臺的醫學圖像噪聲偽影校正方法及系統。

背景技術

隨著云計算技術在醫學領域的應用，醫院通常將大量的CT圖像資源上傳至云平臺，便于用戶進行調取和查看。

目前用戶在獲取CT圖像時，由于CT圖像采集過程中，有時會有探測器故障，使得探測器接收到的光子數據較少，從而導致投影數據損壞，重建后的CT圖像通常帶有噪聲偽影，這些帶有噪聲偽影的CT圖像上傳至云平臺后，會導致后期用戶調取時所獲取的CT圖像清晰度不夠。因此，如何對帶有噪聲偽影的CT圖像數據進行校正，提高CT圖像的清晰度，是個迫切需要解決的問題。

發明內容

本申請提供了一種基于云平臺的醫學圖像噪聲偽影校正方法及系統，以解決現有技術中部分醫學圖像帶有噪聲偽影使得圖像清晰度較低的問題。

為了解決上述技術問題，本申請實施例公開了如下技術方案：

一種基于云平臺的醫學圖像噪聲偽影校正方法，所述方法包括：

按照待測醫學圖像所對應的不同身體部位，將所述待測醫學圖像分類上傳至云平臺中，所述醫學圖像包括CT圖像；

利用深度學習網絡對所述待測醫學圖像進行噪聲偽影校正，獲取校正后的醫學圖像；

在云平臺上存儲所述校正后的醫學圖像。

可選地，所述利用深度學習網絡對所述待測醫學圖像進行噪聲偽影校正，獲取校正后的醫學圖像，包括：

基于U-net網絡構建深度學習網絡；

根據不同身體部位歷史醫學圖像的噪聲特征，對所述深度學習網絡進行預訓練，生成不同身體部位醫學圖像的預訓練模型；

利用所述預訓練模型，對相應身體部位的待測醫學圖像進行噪聲偽影校正，獲取對應身體部位校正后的醫學圖像。

可選地，所述基于U-net網絡構建深度學習網絡，包括：

在U-net網絡的基礎上，將編碼器和解碼器的卷積層均深化為九層卷積層；

設置編碼器中不同卷積層的特征信道數量，使編碼器前5層卷積層中的特征信道數量隨著采樣步驟翻倍，編碼器后4層卷積層中的特征信道數量保存不變；

按照網絡從底層到高層的順序，利用所述編碼器逐層抑制醫學圖像噪聲，并根據噪聲特征形成特征空間；

設置解碼器中不同卷積層的特征信道數量，所述解碼器采用上采樣卷積層，上采樣過程為2×2，使解碼器前4層卷積層的特征通道數量保持不變，解碼器后5層卷積層的特征信道數量隨著上采樣過程減半；

根據所述特征空間，利用解碼器輸出層的特征通道輸出經過神經網絡處理后的醫學圖像，所述解碼器輸出層的特征通道數為1，卷積層的大小為1×1。

可選地，根據不同身體部位歷史醫學圖像的噪聲特征，對所述深度學習網絡進行預訓練，生成不同身體部位醫學圖像的預訓練模型，包括：

根據不同身體部位，在不含噪聲的歷史醫學圖像中加入泊松噪聲，生成相應身體部位帶有噪聲偽影的參考醫學圖像；

隨機選擇帶有噪聲偽影的參考醫學圖像，分別形成訓練集和測試集。