[发明专利]图像衰减校正方法、装置、计算机设备和存储介质

权利要求书

1.一种图像衰减校正方法，其特征在于，所述方法包括：

根据获取的待检测对象的扫描数据，得到原始医学图像；所述原始医学图像为衰减校正前的图像，包括感兴趣区域；

将所述原始医学图像输入至预设的神经网络模型中，确定所述原始医学图像对应的衰减校正图像；所述神经网络模型是根据金标准衰减校正图像进行训练得到的，所述衰减校正图像包括所述感兴趣区域。

2.根据权利要求1所述的方法，其特征在于，所述神经网络模型包括第一残差块和深度可分离残差块，所述第一残差块和所述深度可分离残差块的卷积结构不同。

3.根据权利要求2所述的方法，其特征在于，所述第一残差块和所述深度可分离残差块均用于对所述原始医学图像进行上采样卷积操作和下采样卷积操作。

4.根据权利要求1所述的方法，其特征在于，所述神经网络模型的训练过程包括：

获取训练样本图像集；所述训练样本图像集包括各训练样本图像以及各训练样本图像对应的金标准衰减校正图像，各所述训练样本图像和各所述金标准衰减校正图像均包括所述感兴趣区域；

基于所述训练样本图像集对初始神经网络模型进行训练，得到所述神经网络模型。

5.根据权利要求4所述的方法，其特征在于，所述基于所述训练样本图像集对初始神经网络模型进行训练，得到所述神经网络模型，包括：

将各所述训练样本图像输入至所述初始神经网络模型，得到各所述训练样本图像对应的预测衰减校正图像；

计算各所述训练样本图像对应的预测衰减校正图像和各所述训练样本图像对应的金标准衰减校正图像之间的损失，并将所述损失作为目标损失函数的值；

利用所述目标损失函数的值对所述初始神经网络模型进行训练，得到所述神经网络模型。

6.根据权利要求5所述的方法，其特征在于，所述计算各所述训练样本图像对应的预测衰减校正图像和各所述训练样本图像对应的金标准衰减校正图像之间的损失，并将所述损失作为目标损失函数的值，包括：

计算各所述预测衰减校正图像上每个像素和各所述金标准衰减校正图像上对应像素之间的第一损失，并将所述第一损失作为第一损失函数的值；

计算各所述预测衰减校正图像的感兴趣区域和各所述金标准衰减校正图像上对应的感兴趣区域之间的第二损失，并将所述第二损失作为第二损失函数的值；

根据所述第一损失函数的值和所述第二损失函数的值，得到所述目标损失函数的值。

7.根据权利要求1所述的方法，其特征在于，所述原始医学图像包括N个切片图像，所述将所述原始医学图像输入至预设的神经网络模型中，确定所述原始医学图像对应的衰减校正图像，包括：

将所述原始医学图像的连续m个切片图像输入至预设的神经网络模型，得到各连续m个切片图像对应的衰减校正切片图像；所述m小于所述N；

将所述各连续m个切片图像对应的衰减校正切片图像进行组合处理，得到所述原始医学图像对应的衰减校正图像。

8.一种图像衰减校正装置，其特征在于，所述装置包括：

获取模块，用于根据获取的待检测对象的扫描数据，得到原始医学图像；所述原始医学图像为衰减校正前的图像，且包括感兴趣区域；

校正模块，用于将所述原始医学图像输入至预设的神经网络模型中，确定所述原始医学图像对应的衰减校正图像；所述神经网络模型是根据金标准衰减校正图像进行训练得到的，所述衰减校正图像包括所述感兴趣区域。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。