[发明专利]一种图像处理方法、装置、电子设备和可读存储介质

说明书

本申请提供一种图像处理方法、装置、设备和可读存储介质，该方法包括：获取低质量医学图像集和对应的高质量医学图像集；将低质量医学图像集和高质量医学图像集输入预设神经网络模块进行图像训练，得到神经网络模型；根据神经网络模型对测试图像进行测试，得到处理后图像；当接收到处理后图像的验证通过信息时，确定神经网络模型通过验证，并根据神经网络模型对待处理图像进行处理，得到高质量医学图像。本申请通过神经网络模型将快速扫描的低质量图像向高质量图像的转化，实现了增强信噪比，提高分辨率以及降低伪影的效果，成本低廉，转化效率高。

技术领域

本申请涉及医学图像处理技术领域，特别涉及一种图像处理方法、装置、电子设备和可读存储介质。

背景技术

核磁共振成像(Magnetic Resonance Imaging,MRI)是一种多参数，多对比度的成像技术，能够提供丰富的器官组织信息。核磁共振成像所采集的信号为频域的K空间数据，经傅立叶变换获得病人的结构图像信息。图像的质量受信噪比(Signal to Noise Ratio,SNR)和分辨率(Resolution)影响。高信噪比和分辨率的图像可更清晰呈现身体内微小结构，有助于医生对病变部位进行准确的鉴别诊断。高磁场强度的核磁共振设备(如3.0T，6.0T)可生成高信噪比和高分辨率的图像，然而这种设备造价高、临床使用率低。

因此，如何提供一种解决上述技术问题的方案是本领域技术人员目前需要解决的问题。

发明内容

本申请的目的是提供一种图像处理方法、装置、电子设备和可读存储介质，能够把快速扫描的低质量图像向高质量图像的转化，降低了成本。其具体方案如下：

本申请提供了一种图像处理方法，包括：

获取低质量医学图像集和对应的高质量医学图像集；

将所述低质量医学图像集和所述高质量医学图像集输入预设神经网络模块进行图像训练，得到神经网络模型；

根据所述神经网络模型对测试图像进行测试，得到处理后图像；

当接收到所述处理后图像的验证通过信息时，确定所述神经网络模型通过验证，并根据所述神经网络模型对待处理图像进行处理，得到高质量医学图像。

优选地，所述将所述低质量医学图像集和所述高质量医学图像集输入预设神经网络模块进行图像训练，得到神经网络模型，包括：

将所述低质量医学图像集和所述高质量医学图像集输入所述对抗神经网络进行图像训练，得到所述神经网络模型。

优选地，所述将所述低质量医学图像集和所述高质量医学图像集输入预设神经网络模块进行图像训练，得到神经网络模型，包括：

根据所述低质量医学图像集、所述高质量医学图像集、双卷积神经网络模块进行图像训练，得到所述神经网络模型；

其中，所述双卷积神经网络模块包括第一卷积神经网络模块和第二卷积神经网络模块，

所述第一卷积神经网络模块包括多层对称的编码器和解码器结构，所述编码器输出端和所述解码器输入端进行串接连接，所述第一卷积神经网络模块使用第一图像定量误差参数作为损失函数；

所述第二卷积神经网络模块包括图像输入层、图像输出层、所述图像输入层与所述图像输出层之间的跳过连接，所述第二卷积神经网络模块采用第二图像定量误差参数作为损失函数。

优选地，所述根据所述低质量医学图像集、所述高质量医学图像集、双卷积神经网络模块进行图像训练，得到所述神经网络模型，包括：

将所述低质量医学图像集和所述高质量医学图像集输入所述第一卷积神经网络模块进行图像训练，得到第一神经网络模型；