[发明专利]医学图像伪影自动校正方法、装置和计算机设备

权利要求书

1.一种医学图像伪影自动校正方法，其特征在于，所述方法包括：

获取第一样本医学图像的第一探测数据，根据所述第一探测数据确定所述第一样本医学图像中伪影的传播规律信息和扰动规律信息；

根据所述第一样本医学图像中伪影的传播规律信息和扰动规律信息构建卷积神经网络模型；

获取待校正的医学图像的第二探测数据，将所述第二探测数据输入所述卷积神经网络模型，得到所述卷积神经网络模型输出的所述待校正的医学图像的伪影以及伪影类型；

根据所述伪影类型对所述待校正的医学图像的伪影进行索引标注，将包含标注索引的伪影的所述待校正的医学图像输入循环一致对抗网络模型中，以使用所述循环一致对抗网络模型对所述待校正的医学图像进行自动化校正；其中，所述循环一致对抗网络模型输出的图像为所述待校正的医学图像去伪影后的图像，所述循环一致对抗网络模型采用包含已标注索引的伪影的第二样本医学图像进行训练得到。

2.根据权利要求1所述的方法，其特征在于，所述获取待校正的医学图像的第二探测数据，将所述第二探测数据输入所述卷积神经网络模型，得到所述卷积神经网络模型输出的所述待校正的医学图像的伪影以及伪影类型，包括：

对所述第二探测数据进行反投影重建，得到反投影重建图像数据；

对所述反投影重建图像数据进行归一化处理，得到归一化反投影图像数据；

将所述归一化反投影图像数据输入所述卷积神经网络模型，得到所述卷积神经网络模型输出的所述待校正的医学图像的伪影以及伪影类型。

3.根据权利要求1所述的方法，其特征在于，所述将包含标注索引的伪影的所述待校正的医学图像输入循环一致对抗网络模型中，包括：

将所述包含标注索引的伪影的所述待校正的医学图像进行Radon变换，得到投影域数据；

将所述投影域数据进行归一化处理，得到目标医学图像数据；

将目标医学图像数据输入循环一致对抗网络模型中。

4.根据权利要求1所述的方法，其特征在于，所述伪影类型为多种，所述根据所述伪影类型对所述待校正的医学图像的伪影进行索引标注，将包含标注索引的伪影的所述待校正的医学图像输入循环一致对抗网络模型中，以使用所述循环一致对抗网络模型对所述待校正的医学图像进行自动化校正，包括：

根据各伪影类型对所述待校正的医学图像中各伪影进行索引标注；

根据各伪影类型确定对应的循环一致对抗网络模型；

将包含标注索引的各伪影的所述待校正的医学图像分别输入对应的循环一致对抗网络模型中，得到各对应的医学图像校正数据；

将各对应的医学图像校正数据进行数据融合，以对所述待校正的医学图像进行自动化校正；

其中，数据融合后的图像数据为所述待校正的医学图像去伪影后的图像，所述数据融合包括将所述各对应的医学图像校正数据中的特征图像数据进行融合处理。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：当根据所述伪影类型确定所述待校正的医学图像中包含多种伪影混淆情况或多种不同伪影表征相似的情况时，确定出第一目标循环一致对抗网络模型，所述第一目标循环一致对抗网络模型根据多种类型的伪影的各种类型的特征图像进行训练得到；

所述将包含标注索引的伪影的所述待校正的医学图像输入循环一致对抗网络模型中，以使用所述循环一致对抗网络模型对所述待校正的医学图像进行自动化校正，包括：将包含标注索引的伪影的所述待校正的医学图像输入第一目标循环一致对抗网络模型中，以使用所述第一目标循环一致对抗网络模型对所述待校正的医学图像进行自动化校正。