[发明专利]低剂量图像去噪网络的训练方法、低剂量图像的去噪方法

权利要求书

1.一种低剂量图像去噪网络的训练方法，其特征在于，所述训练方法包括：

获取训练数据集，所述训练数据集包括多个输入参数组，每一个所述输入参数组包括标准剂量图像、低剂量图像；

建立训练网络，所述训练网络包括低剂量图像去噪网络、低剂量图像生成网络；

将所述训练数据集输入所述训练网络，所述低剂量图像去噪网络根据所述低剂量图像生成所述低剂量图像的剂量等级估计值及标准剂量估计图像；所述低剂量图像生成网络根据所述标准剂量估计图像和所述剂量等级估计值生成低剂量估计图像；

根据所述低剂量图像、低剂量估计图像、标准剂量图像、标准剂量估计图像构建损失函数；

对所述损失函数进行优化，获得所述低剂量图像去噪网络的参数并更新所述低剂量图像去噪网络；

其中，所述低剂量图像去噪网络包括依次连接的第一特征提取模块、第一下采样模块、剂量等级生成模块、第一融合模块、第一下采样模块、第一重建模块，所述剂量等级生成模块用于生成剂量等级估计值，所述第一融合模块用于将所述剂量等级估计值与所述低剂量图像的特征信息进行融合；

其中，所述低剂量图像生成网络包括依次连接的第二特征提取模块、第二下采样模块、第二融合模块、第二下采样模块、第二重建模块，所述第二融合模块用于将所述剂量等级估计值与所述标准剂量估计图像的特征信息进行融合。

2.根据权利要求1所述的训练方法，其特征在于，每一个所述输入参数组还包括所述低剂量图像对应的剂量等级值；所述训练网络还包括低剂量图像判别网络，所述低剂量图像判别网络用于根据所述低剂量图像和所述低剂量估计图像生成剂量等级预测值；所述根据所述低剂量图像、低剂量估计图像、标准剂量图像、标准剂量估计图像构建损失函数，包括：

根据所述低剂量图像、低剂量估计图像、标准剂量图像、标准剂量估计图像、剂量等级预测值构建损失函数。

3.根据权利要求2所述的训练方法，其特征在于，所述低剂量图像判别网络包括多个第一数值约束层、第一平铺层、第一全连接层。

4.根据权利要求3所述的训练方法，其特征在于，所述训练网络还包括标准剂量图像判别网络，所述低剂量图像判别网络还包括第二全连接层，所述低剂量图像判别网络还用于根据所述低剂量图像和所述低剂量估计图像生成第一真伪预测值；所述标准剂量图像判别网络用于根据所述标准剂量图像和所述标准剂量估计图像生成第二真伪预测值；所述根据所述低剂量图像、低剂量估计图像、标准剂量图像、标准剂量估计图像构建损失函数，包括：

根据所述低剂量图像、低剂量估计图像、标准剂量图像、标准剂量估计图像、剂量等级预测值、第一真伪预测值、第二真伪预测值构建损失函数。

5.根据权利要求4所述的训练方法，其特征在于，所述标准剂量图像判别网络包括多个第二数值约束层、第二平铺层、第三全连接层。

6.一种低剂量图像的去噪方法，其特征在于，所述去噪方法包括：将待去噪的低剂量图像输入到利用如权利要求1～5任一项所述的低剂量图像去噪网络的训练方法获得的低剂量图像去噪网络中，获得重建后的低剂量图像。

7.一种计算机设备，包括存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现如权利要求1～5任一项所述的训练方法。

8.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机指令，其特征在于，所述计算机指令被处理器执行时实现如权利要求1～5任一项所述的训练方法。