[发明专利]基于Wasserstein生成对抗网络模型的高能图像合成方法、装置

说明书

本发明公开了一种基于Wasserstein生成对抗网络模型的高能图像合成方法，该方法包括获取待合成的低能图像；将待合成的低能图像输入到预先训练得到的Wasserstein生成对抗网络模型，得到合成后的目标高能图像；Wasserstein生成对抗网络模型基于低能图像样本、标准高能图像以及预设损失函数，通过预设生成对抗网络模型训练得到，Wasserstein生成对抗网络模型包括生成器网络和判别器网络，生成器网络用于提取待合成的低能图像的图像特征，并基于图像特征合成高能图像；判别器网络用于对生成器网络合成的高能图像进行判断，并进行反向调节训练；预设损失函数，至少根据用于减小图像噪声和去除图像伪影的损失函数建立。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于Wasserstein生成对抗网络模型的高能图像合成方法、装置。

背景技术

双能计算机断层扫描(Dual-energy Computed Tomography，双能CT)，逐渐成为一种更有效的非侵入式诊断方法，可以应用于传统的计算机断层扫描中，它通过两种不同能量的x射线进行扫描，使得到的数据集拥有更丰富的扫描信息，进而可以适用于更多的临床应用，比如尿路结石检测，痛风石检测和去除骨骼与金属伪影等。并且，相对于传统计算机断层扫描而言，由于双能计算机断层扫描的扫描方式可以使用一半的低能扫描替代原来的高能扫描，因此，还可以实现辐射剂量的降低。

然而，由于双能CT在扫描过程中需要同时采用高、低能量扫描，因此容易出现信号交叉干扰，存在短时间的时间间隔。并且，随着高能扫描的能量积累，会造成各种疾病发生的可能性，进而影响人体健康。

因此，如何研究和开发一种生成干扰、偏差较小的高质量高能图像的方法，是本领域技术人员目前亟需解决的技术问题。

发明内容

本发明实施例提供一种基于Wasserstein生成对抗网络模型的高能图像合成方法，用以解决现有技术中采用双能CT方法扫描得到CT图像时存在干扰偏差较大，图像质量较差的问题。

本发明实施例还提供一种基于Wasserstein生成对抗网络模型的高能图像合成装置，一种电子设备，以及一种计算机可读存储介质。

本发明实施例采用下述技术方案：

一种基于Wasserstein生成对抗网络模型的高能图像合成方法，包括：

获取待合成的低能图像；

将待合成的低能图像输入到预先训练得到的Wasserstein生成对抗网络模型，得到合成后的目标高能图像；

Wasserstein生成对抗网络模型基于低能图像样本、标准高能图像以及预设损失函数，通过预设生成对抗网络模型训练得到，Wasserstein生成对抗网络模型包括生成器网络和判别器网络，生成器网络用于提取待合成的低能图像的图像特征，并基于图像特征合成高能图像；判别器网络用于对生成器网络合成的高能图像进行判断，并进行反向调节训练；

预设损失函数，至少根据用于减小图像噪声和去除图像伪影的损失函数建立。

可选的，用于减小图像噪声和去除图像伪影的损失函数，根据标准高能图像在x方向的梯度、标准高能图像在y方向的梯度、合成高能图像在x方向的梯度以及合成高能图像在y方向的梯度建立。

可选的，预设损失函数，具体还根据下述损失函数中的至少一个建立：

用于校准合成的高能图像和标准高能图像之间的像素差异的预设像素差异校准函数；

用于校准合成的高能图像和标准高能图像之间的结构性信息差异的预设结构性损失函数；

用于校准合成的高能图像和标准高能图像之间的纹理信息差异的预设多尺度特征损失函数。