[發(fā)明專利]一種CT圖像環(huán)狀偽影抑制方法、裝置、設備和存儲介質

在審

• 申請?zhí)枺?/td>: 202310297455.3
• 申請日: 2023-03-24
• 公開（公告）號: CN116485925A
• 公開（公告）日: 2023-07-25
• 發(fā)明（設計）人: 楊民;譚大龍;海潮;吳雅朋;劉海鵬
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06T5/50;G06N3/0464
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 董娜

1.一種CT圖像環(huán)狀偽影抑制方法，其特征在于，包括：

獲取初始CT圖像的數據集；

構建RAS_UNet網絡模型；

為所述RAS_UNet網絡模型設計損失函數；

將所述數據集輸入所述RAS_UNet網絡模型中，輸出偽影抑制處理后的第一CT圖像和第二CT圖像；

將所述第一CT圖像和所述第二CT圖像中的有效信息進行融合，輸出融合后的最終CT圖像。

2.根據權利要求1所述的CT圖像環(huán)狀偽影抑制方法，其特征在于，所述損失函數包括圖像域中的損失函數和投影域中的損失函數；所述第一CT圖像為在所述圖像域中抑制偽影后的CT圖像，所述第二CT圖像為在所述投影域中抑制偽影后的CT圖像。

3.根據權利要求1所述的CT圖像環(huán)狀偽影抑制方法，其特征在于，所述RAS_UNet網絡模型采用UNet網絡作為模型框架，所述RAS_UNet網絡模型的下采樣部分包括用于提取不同尺度的偽影特征的1個雙卷積模塊和4個Inception模塊，上采樣部分包括用于識別并處理偽影的4個上采樣模塊和3個殘差模塊，還包括1個卷積核。

4.根據權利要求2所述的CT圖像環(huán)狀偽影抑制方法，其特征在于，為所述RAS_UNet網絡模型設計損失函數，具體包括；

同時使用前向差分和后向差分計算所述初始CT圖像的梯度，取前向差分和后向差分的最大值作為所述初始CT圖像的梯度：

其中，I代表所述初始CT圖像，(i,j)代表圖像中像素的坐標，G1代表由前向差分計算得到的圖像梯度，G2代表由后向差分計算得到的圖像梯度，max代表取最大值，Gsin為正弦圖中最終的圖像梯度；

先對Gsin按行求均值，得到Gmean,再以Gmean為權重對Gsin在正弦圖域中對梯度進行加權:

其中，WG_sin(i,j)代表正弦圖梯度加權系數；

在切片圖域中對梯度進行加權:

其中，ε取正實數以免分母為0，R(p)表示所述初始CT圖像中以像素p為中心的局部區(qū)域窗口，q為所述局部區(qū)域窗口中的像素點，g_p,q為以p為中心的高斯分布的權重系數，G_img為切片圖中的圖像梯度，WG_img是圖像梯度加權系數，表示對I沿著圖像中的列方向求偏微分；

將加權梯度作為正則項，以結構相似系數作為保真項，計算所述圖像域和所述投影域中的損失函數：

其中，Loss_sin為所述投影域的損失函數，Loss_img為所述圖像域的損失函數；SSIM為保真項，代表結構相似性系數；λ1、λ2∈[0,1]。

5.根據權利要求1所述的CT圖像環(huán)狀偽影抑制方法，其特征在于，將所述第一CT圖像和所述第二CT圖像中的有效信息進行融合，輸出融合后的最終CT圖像，具體包括：

利用非下采樣輪廓波變換算法對所述第一CT圖像和所述第二CT圖像進行分解，得到所述第一CT圖像的多個待融合子圖像和所述第二CT圖像的多個待融合子圖像；

計算兩兩對應的所述待融合子圖像的殘差，在所述殘差超過設定的殘差閾值的情況下，將對比度較小的所述待融合子圖像的像素值作為融合結果，輸出融合后的子圖像；在所述殘差未超過設定的殘差閾值的情況下，將對比度較大的所述待融合子圖像的像素值作為融合結果，輸出融合后的子圖像；

將融合后的多個所述子圖像進行組合，輸出最終CT圖像。

6.根據權利要求5所述的CT圖像環(huán)狀偽影抑制方法，其特征在于，所述待融合圖像包括低頻子帶圖像和高頻子帶圖像。

7.根據權利要求5所述的CT圖像環(huán)狀偽影抑制方法，其特征在于，所述殘差為兩個所述待融合子圖像的灰度值之差的絕對值；所述殘差閾值為兩個所述待融合子圖像的灰度值之和與比率值的乘積。