[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

说明书

本发明题为“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”。本发明提供了用于选择性地对医疗图像进行去噪的方法和系统。在示例性方法中，训练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第一类型和第二类型的伪影上。然后，使用一个或多个已训练的学习网络来从特定医疗图像中挑选出第一类型和第二类型的伪影。在第一程度上移除第一类型的伪影，并且在第二程度上移除第二类型的伪影。第一程度和所述第二程度可以不同。例如，一种类型的伪影可以被完全抑制，而另一种类型的伪影可以从医疗图像被部分地移除。

技术领域

本文所公开的主题的实施方案涉及医疗成像，诸如磁共振成像(MRI)，并且更特别地，涉及减小医疗图像中的伪影。

背景技术

医疗成像系统(诸如磁共振成像(MRI)系统、计算机断层摄影术(CT)系统、正电子发射断层摄影术(PET)系统、X射线系统、超声系统等)广泛用于获得受试者(例如，患者)的内部生理信息。通过这些成像模态获得的医疗图像可具有来自各种源的伪影，诸如模糊、振铃、噪声等。伪影可能与病变相混淆或者可能减小检查的质量。已经提出了用于以多种不同方式解决图像伪影的深度学习方法，包括去噪、图像修复、去模糊、超分辨率、对比度操纵等。通常期望探索深度学习技术以识别用于智能地改善所获取的图像质量的新方法。

发明内容

在一个实施方案中，本公开提供了用于选择性地对医疗图像进行去噪的方法。该方法包括：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；在第一程度上移除第一类型的伪影；以及在第二程度上移除第二类型的伪影。

在另一个实施方案中，本公开提供用于对医疗图像进行去噪的系统。该系统包括：存储器，该存储器存储第一比例因子和第二比例因子；和处理器，该处理器可通信地耦接到存储器。该处理器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医疗图像中挑选出第一类型和第二类型的伪影，根据第一比例因子移除第一类型的伪影，以及根据第二比例因子移除第二类型的伪影。

附图说明

通过阅读以下详细描述并且参考附图，可以更好地理解本公开的各个方面，其中：

图1是示出根据示例性实施方案的用于选择性地对医疗图像进行去噪的系统的示意图；

图2是示出根据示例性实施方案的可在图1中使用的深度学习网络的布局的示意图；

图3是示出根据示例性实施方案的深度学习网络的两个相邻卷积层的示意图；

图4是根据另一个示例性实施方案的可在图1中使用的深度学习网络的示意性布局；

图5是示出根据另一个示例性实施方案的用于选择性地对医疗图像进行去噪的系统的示意图；并且

图6是示出根据示例性实施方案的用于选择性地对医疗图像进行去噪的方法的流程图。

附图示出了所描述的用于通过使用一个或多个深度神经网络选择性地对医疗图像进行去噪的系统和方法的特定方面。连同以下描述，附图示出并且解释了本文描述的结构原理、方法和原理。在附图中，为了清楚起见，部件的尺寸可以被放大或以其他方式修改。没有示出或详细描述众所周知的结构、材料或操作以避免模糊所描述的部件、系统和方法的各方面。

具体实施方式