[发明专利]患者专用的深度学习图像降噪方法和系统

权利要求书

1.一种图像数据处理系统，包括：

输入数据处理器，所述输入数据处理器用于处理第一患者的第一患者图像，以向所述第一患者图像添加第一噪声以形成有噪声的图像输入；和

图像数据降噪器，所述图像数据降噪器用于使用第一深度学习网络处理所述有噪声的图像输入以识别所述第一噪声，所述图像数据降噪器用于使用所述有噪声的图像输入训练所述第一深度学习网络并基于所述第一深度学习网络的噪声输出与预期的噪声输出的比较来修改网络权重，其中，当所述第一深度学习网络被训练以识别所述第一噪声时，所述图像数据降噪器用于将所述第一深度学习网络部署为第二深度学习网络模型以应用于所述第一患者的第二患者图像以识别所述第二患者图像中的第二噪声；

图像后处理发生器，所述图像后处理发生器用于从所述第二患者图像中除去由所述第二深度学习网络模型所识别的所述第二噪声，以形成降噪的患者图像；以及

输出成像器，所述输出成像器用于输出所述降噪的患者图像。

2.根据权利要求1所述的系统，其中所述输入数据处理器用于将所述第一患者图像从薄切片图像体积加厚到厚切片图像体积，以减少所述第一患者图像中的噪声，之后向所述第一患者图像添加所述第一噪声。

3.根据权利要求1所述的系统，其中所述第一噪声将使用第一体模扫描或模拟中的至少一者来获得。

4.根据权利要求1所述的系统，其中所述第一体模扫描将在用于获得所述第一患者图像的成像扫描仪上获得。

5.根据权利要求1所述的系统，其中所述输入数据处理器用于基于反馈来缩放所述第一噪声。

6.根据权利要求1所述的系统，其中所识别的第二噪声将被检查并细化，之后由所述图像数据降噪器从所述第二患者图像中除去。

7.根据权利要求1所述的系统，其中所述第二深度学习网络模型将针对所述第一患者进行部署，并且其中所述第一深度学习网络将针对所述第一患者和将要查看所述第二患者图像并诊断所述第一患者的用户进行训练。

8.一种计算机可读存储介质，所述计算机可读存储介质包括指令，所述指令在被执行时使至少一个处理器至少：

处理第一患者的第一患者图像以向所述第一患者图像添加第一噪声以形成有噪声的图像输入；

使用所述有噪声的图像输入作为输入来训练所述第一深度学习网络以识别所述第一噪声；以及

当所述第一深度学习网络被训练以识别所述第一噪声时，将所述第一深度学习网络部署为第二深度学习网络模型以应用于所述第一患者的第二患者图像以识别所述第二患者图像中的第二噪声，其中将从所述第二患者图像中除去由所述第二深度学习网络模型所识别的所述第二噪声，以形成降噪的患者图像以便输出。

9.根据权利要求8所述的计算机可读存储介质，其中所述指令在被执行时使所述至少一个处理器至少将所述第一患者图像从薄切片图像体积加厚到厚切片图像体积以减少所述第一患者图像中的噪声，之后在向所述第一患者图像添加所述第一噪声。

10.一种计算机实现的图像降噪方法，包括：

使用至少一个处理器来处理第一患者的第一患者图像，以向所述第一患者图像添加第一噪声以形成有噪声的图像输入；

使用所述至少一个处理器来使用所述有噪声的图像输入作为输入来训练所述第一深度学习网络以识别所述第一噪声；以及

当所述第一深度学习网络被训练以识别所述第一噪声时，使用所述至少一个处理器来将所述第一深度学习网络部署为第二深度学习网络模型以应用于所述第一患者的第二患者图像以识别所述第二患者图像中的第二噪声，其中将从所述第二患者图像中除去由所述第二深度学习网络模型所识别的所述第二噪声，以形成降噪的患者图像以便输出。