[发明专利]基于卷积神经网络的X线胸片骨抑制处理方法

权利要求书

1.一种基于卷积神经网络的X线胸片骨抑制处理方法，其特征在于，包括如下步骤：

(1)对胸片图像进行空间分辨率归一化处理；

(2)获得胸片梯度图像；

(3)对胸片梯度图像归一化处理；

(4)通过卷积神经网络预测骨像或者软组织像的梯度；

(5)由预测的梯度图像重建骨像或者软组织像；

(6)从胸片图像中减去重建的骨像或者直接以重建的软组织像作为骨抑制处理的结果。

2.根据权利要求1所述的基于卷积神经网络的X线胸片骨抑制处理方法，其特征在于：

所述步骤(1)具体是，对输入的原始胸片图像I₀进行空间采样，使得输入胸片图像像素尺寸为设定值，得到空间分辨率相同的胸片图像I。

3.根据权利要求2所述的基于卷积神经网络的X线胸片骨抑制处理方法，其特征在于：所述步骤(2)具体是，对步骤(1)得到的胸片图像I，在水平和竖直方向进行一阶差分操作，得到胸片水平的梯度图像I_x0和竖直方向上的梯度图像I_y0。

4.根据权利要求3所述的基于卷积神经网络的X线胸片骨抑制处理方法，其特征在于：所述步骤(3)具体是，根据公式求取胸片梯度幅值图像M，计算M中梯度幅值的中值或者其它分位数作为梯度幅值归一化系数，将梯度图像I_x0和I_y0除以梯度幅值归一化系数，得到梯度幅值归一化的胸片梯度图像I_x和I_y。

5.根据权利要求4所述的基于卷积神经网络的X线胸片骨抑制处理方法，其特征在于：

所述步骤(4)具体是以步骤(3)得到的梯度幅值归一化的胸片梯度图像I_x和I_y作为卷积神经网络的输入，预测胸片图像I对应的骨像或者软组织像；

所述卷积神经网络具有多个卷积层，卷积神经网络各层的输入和输出称为特征图，输入对应输入特征图，输出对应输出特征图；特征图具有多个通道，通道数目取决于对应卷积层中卷积核的数目；

设第l层卷积层有n_l个卷积核，第l层输出的特征图记为F^l，特征图F^l的第i个通道记为F_i^l(i＝1,2,3,...,n_l)；

卷积神经网络的输入记为F⁰，F⁰具有两个通道，分别为：

……式(1)；

……式(2)；

卷积神经网络中第l层卷积层输出F^l与输入F^l-1之间的关系为：

Fil=σ(Σj=1nlwi,jl*Fjl-1+bil),l=1,2,...,L-1]]>……式(3)；

式(3)中，*表示二维卷积操作，σ(.)表示输入矩阵中元素的非线性激活函数，为第l层卷积层中用于计算输出特征图第i个通道、与输入特征图中第j个通道进行卷积的二维卷积核，为第l层卷积层中用于计算输出特征图第i个通道的偏置项，L表示卷积网络中的卷积层数目；

根据式(3)依次计算求得第L层卷积层输出，第L层卷积层激活函数为线性函数，输出为卷积神经网络预测的骨像或者软组织像的梯度图像G_x和G_y:

Gx=Σj=1nLw1,jL*FjL-1+b1L]]>……式(4)；

Gy=Σj=1nLw2,jL*FjL-1+b2L]]>……式(5)。