[发明专利]一种低剂量CT图片质量改善方法、系统及设备

权利要求书

1.一种低剂量CT图片质量改善方法，其特征在于，包括以下步骤：

选择包含有低剂量图片和高剂量图片的CT文件，将CT文件中的低剂量图片和高剂量图片转化为H5PY矩阵数据；

提取出H5PY矩阵数据中的H5PY矩阵，使用多方向的梯度算子对H5PY矩阵进行卷积运算，获得多方向卷积计算结果，具体包括，

所述多方向的梯度算子为八方向梯度算子；

所述卷积运算公式为：

其中，S为八方向的梯度算子，表示图像的卷积运算，H5为H5PY矩阵数据中的H5PY矩阵，SCT为多方向卷积计算结果；

将多方向卷积计算结果与H5PY矩阵进行合并，得到合并数据，具体公式如下：

newCT＝{SCT，H5}；

其中，newCT为合并数据；

将合并数据输入到VGG-16神经网络模型中进行训练，得到训练好的VGG-16神经网络模型；

对训练好的VGG-16神经网络模型进行评价，根据评价结果选择出CT图片改善模型；

将低剂量CT图片输入到CT图片改善模型中，得到图片质量改善后的低剂量CT图片。

2.根据权利要求1所述的一种低剂量CT图片质量改善方法，其特征在于，H5PY矩阵数据包括H5PY矩阵以及标签。

3.根据权利要求2所述的一种低剂量CT图片质量改善方法，其特征在于，H5PY矩阵数据中，低剂量图片标签为‘train’，高剂量图片标签为‘label’。

4.根据权利要求3所述的一种低剂量CT图片质量改善方法，其特征在于，多方向的梯度算子具体为八方向的梯度算子。

5.根据权利要求4所述的一种低剂量CT图片质量改善方法，其特征在于，八方向的梯度算子的梯度方向为0°、45°、90°、135°、180°、225°、270°以及315°。

6.根据权利要求5所述的一种低剂量CT图片质量改善方法，其特征在于，使用多方向的梯度算子对H5PY矩阵进行卷积运算时，对卷积进行填充处理。

7.根据权利要求6所述的一种低剂量CT图片质量改善方法，其特征在于，VGG-16神经网络模型采用均方误差作为损失函数。

8.根据权利要求7所述的一种低剂量CT图片质量改善方法，其特征在于，对训练好的VGG-16神经网络模型进行评价的具体过程为：

根据峰值信噪比、结构相似性以及视觉效果对训练好的VGG-16神经网络模型输出的图片进行评价。

9.一种低剂量CT图片质量改善系统，其特征在于，包括CT文件选择模块、H5PY矩阵数据转换模块、卷积运算模块、数据合并模块、神经网络模型模块、评价模块、图片输出模块；

所述CT文件选择模块用于选择包含有低剂量图片和高剂量图片的CT文件；

所述H5PY矩阵数据转换模块用于将CT文件中的低剂量图片和高剂量图片转化为H5PY矩阵数据；

所述卷积运算模块用于调取出H5PY矩阵数据中的H5PY矩阵，使用多方向的梯度算子对H5PY矩阵进行卷积运算，获得多方向卷积计算结果，具体包括，

所述多方向的梯度算子为八方向梯度算子；

所述卷积运算公式为：

其中，S为八方向的梯度算子，表示图像的卷积运算，H5为H5PY矩阵数据中的H5PY矩阵，SCT为多方向卷积计算结果；

所述数据合并模块用于将多方向卷积计算结果与H5PY矩阵进行合并，得到合并数据，具体公式如下：

newCT＝{SCT，H5}；

其中，newCT为合并数据；；

所述神经网络模型模块用于将合并数据输入到VGG-16神经网络模型中进行训练，得到训练好的VGG-16神经网络模型；

所述评价模块用于对训练好的VGG-16神经网络模型进行评价，根据评价结果选择出CT图片改善模型；

所述图片输出模块用于将低剂量CT图片输入到CT图片改善模型中，得到图片质量改善后的低剂量CT图片。

10.一种低剂量CT图片质量改善设备，其特征在于，包括处理器以及存储器；

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行权利要求1-8中任意一种低剂量CT图片质量改善方法。