[发明专利]用于通过深度学习网络对医疗图像进行去噪的系统和方法

权利要求书

1.一种用于选择性地对医疗图像进行去噪的方法，所述方法包括：

通过使用一个或多个已训练的深度学习网络来从所述医疗图像中挑选出第一类型和第二类型的伪影；

在第一程度上移除所述第一类型的伪影；以及

在第二程度上移除所述第二类型的伪影。

2.根据权利要求1所述的方法，其中所述医疗图像是磁共振(MR)图像，计算机断层摄影术(CT)图像、正电子发射断层摄影术(PET)图像、X射线图像、或超声图像。

3.根据权利要求1所述的方法，其中所述第一类型和第二类型的伪影是噪声、模糊、吉布斯振铃、截断伪影、运动相关伪影、流动伪影、化学位移、空间翘曲和混叠伪影中的任何两者。

4.根据权利要求1所述的方法，其中所述第一类型和第二类型的伪影是声学混响、噪声、斑点、拖影和模糊中的任何两者。

5.根据权利要求1所述的方法，其中所述第一类型和第二类型的伪影是拖影、噪声、波束硬化和散射中的任何两者。

6.根据权利要求1所述的方法，其中所述第一程度不同于所述第二程度。

7.根据权利要求1所述的方法，其中所述第一类型的伪影被完全抑制，并且所述第二类型的伪影从所述医疗图像被部分地移除。

8.根据权利要求1所述的方法，其中所述第一程度由第一比例因子限定，所述第二程度由第二比例因子限定，所述第一比例因子和所述第二比例因子中的至少一者针对所述医疗图像的不同像素而变化。

9.根据权利要求1所述的方法，还包括：

通过使用所述一个或多个已训练的深度学习网络来从所述医疗图像中挑选出第三类型的伪影；以及

在第三程度上移除所述第三类型的伪影。

10.根据权利要求1所述的方法，还包括：

训练所述一个或多个深度学习网络，以将损坏图像映射到对应的损坏图像中存在的所述第一类型和第二类型的伪影上。

11.根据权利要求8所述的方法，还包括：

通过将所述第一类型的伪影和所述第二类型的伪影中的至少一个添加到纯净图像来生成所述损坏图像；以及

将所述损坏图像和所添加的伪影馈送到所述一个或多个深度学习网络。

12.一种用于对医疗图像进行去噪的系统，所述系统包括：

存储器，所述存储器存储第一比例因子和第二比例因子；和

处理器，所述处理器可通信地耦接到所述存储器并且被配置成：

通过使用一个或多个已训练的深度学习网络来从所述医疗图像中挑选出第一类型和第二类型的伪影；

根据所述第一比例因子移除所述第一类型的伪影；以及

根据所述第二比例因子移除所述第二类型的伪影。

13.根据权利要求12所述的系统，其中所述第一比例因子不同于所述第二比例因子。

14.根据权利要求12所述的系统，其中所述第一类型的伪影被完全抑制，并且所述第二类型的伪影从所述医疗图像被部分地移除。

15.根据权利要求12所述的系统，其中所述第一比例因子和所述第二比例因子中的至少一者针对所述医疗图像的不同像素而变化。

16.根据权利要求12所述的系统，其中所述存储器存储第三比例因子，所述处理器被进一步配置成：

通过使用所述一个或多个已训练的深度学习网络来从所述医疗图像中挑选出第三类型的伪影；以及

根据所述第三比例因子移除所述第三类型的伪影。