[发明专利]一种基于人工智能的图像运动伪影消除方法及系统

说明书

本发明公开了一种基于人工智能的图像运动伪影消除方法及系统，所示方法包括以下步骤：对目标图像处理得到带有运动伪影的图像，并构建图像数据库；根据图像数据库构建神经网络，并进行神经网络训练；利用训练好的神经网络消除待处理图像的运动伪影并输出已处理图像。由于基于人工智能的深度学习方法，通过构建数据训练网络识别并减少或消除此类图像伪影，对运动的轨迹没有特殊要求，而且灵活，计算量小，鲁棒性较好。

技术领域

本发明涉及医学成像技术领域，尤其涉及的是一种基于人工智能的图像运动伪影消除方法及系统。

背景技术

CT(计算机断层扫描成像系统)利用X射线扫描物体，获得投影数据，并通过断层重建算法来处理这些投影数据，获得物体的断层和三维的密度信息，达到无损检测的目的。因成像物理过程的复杂性，即使最先进的CT系统也要应对各种图像伪影对最终图像质量的影响。运动伪影在其中的表现尤为明显。

现有技术中，在临床应用中病人的运动是不可避免的，而且有很多种模式，对于运动伪影，目前大多是基于运动估计的方法，但是这种方法需要冗余的扫描来估计物体的运动轨迹，而且因为是基于迭代的方法，计算量很大，估计的结果也不够鲁棒。

因此，现有技术还有待于改进和发展。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于人工智能的图像运动伪影消除方法及系统，旨在解决现有技术中迭代方法估计的计算量很大导致鲁棒性差的问题。

本发明解决技术问题所采用的技术方案如下：

一种基于人工智能的图像运动伪影消除方法，其中，包括步骤：

对目标图像处理得到带有运动伪影的图像，并构建图像数据库；

根据图像数据库构建神经网络，并进行神经网络训练；

利用训练好的神经网络消除待处理图像的运动伪影并输出已处理图像。

所述的基于人工智能的图像运动伪影消除方法，其中，所述对目标图像处理得到带有运动伪影的图像，并构建图像数据库步骤具体包括：

对目标图像进行二维或三维的傅立叶变换形成傅立叶空间；

在每个角度的傅立叶空间上增加相位偏移后，进行反傅立叶变换得到带有运动伪影的图像；

将带有运动伪影的图像与其对应的目标图像组成图相对，并形成图像数据库。

所述的基于人工智能的图像运动伪影消除方法，其中，所述根据图像数据库构建神经网络，并进行神经网络训练步骤具体包括：

根据图像数据库构建基于卷积的神经网络；

利用梯度下降法，根据目标函数优化神经网络的参数，并完成训练。

所述的基于人工智能的图像运动伪影消除方法，其中，所述目标函数为：

其中，Img为经过神经网络处理过的图像，Img_targ为目标图像，k为正整数，Img_k为第k张经过神经网络处理过的图像，Img_targ,k为第k张目标图像，Σ为求和操作，Loss(·)为目标函数。

所述的基于人工智能的图像运动伪影消除方法，其中，在所述基于卷积的神经网络中，当输出经过神经网络处理过的图像时输出背景和各种伪影区域的标记。

一种基于人工智能的图像运动伪影消除系统，其中，包括：处理器，以及与所述处理器连接的存储器，

所述存储器存储有基于人工智能的图像运动伪影消除程序，所述基于人工智能的图像运动伪影消除程序被所述处理器执行时实现以下步骤：