[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

说明书

本发明提供了一种低剂量图像去噪网络的训练方法、低剂量图像的去噪方法、计算机设备及存储介质，本发明提供的低剂量图像去噪网络的训练方法中低剂量图像去噪网络会根据低剂量图像生成低剂量图像的剂量等级估计值及标准剂量估计图像，再根据标准剂量估计图像和剂量等级估计值生成低剂量估计图像，最后根据低剂量图像、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，对损失函数进行优化，获得所述低剂量图像去噪网络的参数，从而将剂量等级信息融合到图像重建过程中，提升了去噪方法的鲁棒性以及重建图像的质量。

技术领域

本发明涉及图像重建技术领域，尤其涉及一种低剂量图像去噪网络的训练方法、低剂量图像的去噪方法、计算机设备及存储介质。

背景技术

计算机断层成像(CT)是通过无损方式获取物体内部结构信息的一种重要成像手段，它拥有高分辨率、高灵敏度以及多层次等众多优点，是我国装机量最大的医疗影像诊断设备之一，被广泛应用于各个医疗临床检查领域。然而，由于 CT扫描过程中需要使用X射线，随着人们对辐射潜在危害的逐步了解，CT辐射剂量问题越来越受到人们的重视。合理使用低剂量(As Low As Reasonably Achievable，ALARA)原则要求在满足临床诊断的前提下，尽量降低对患者的辐射剂量，而随着剂量的降低，更多的噪声会出现在成像过程中，从而导致成像质量较差，因此，研究和开发新的低剂量CT成像方法，既能保证CT成像质量又减少有害的辐射剂量，对于医疗诊断领域具有重要的科学意义和应用前景。由于不同的解剖部位使用的辐射剂量会存在差异，而现有的低剂量CT成像方法通常基于同一解剖部位，鲁棒性较差。

发明内容

为了解决现有技术的不足，本发明提供一种低剂量图像去噪网络的训练方法、低剂量图像的去噪方法、计算机设备及存储介质，将剂量等级信息融合到图像重建过程中，提升了去噪方法的鲁棒性以及重建图像的质量。

本发明提出的具体技术方案为：提供一种低剂量图像去噪网络的训练方法，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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。