[发明专利]一种基于渐进式生成对抗网络的低剂量CT图像降噪及去伪影方法

权利要求书

1.一种基于渐进式生成对抗网络的低剂量CT图像降噪及去伪影方法，其特征在于，具体步骤如下：

一、选择LDCT图像降噪模型，构建成对LDCT图像与NDCT图像数据集；

二、将LDCT图像输入双生成器嵌套子网络中可输出一幅接近NDCT的降噪结果；

所述双生成器嵌套子网络是由全局特征降噪器与局部纹理特征增强器两部分组成：将全分辨率图像输入到全局特征降噪器网络中进行特征提取，捕捉图像的全局特征；将降采样后的图像输入到局部纹理特征增强器中进行特征提取，并通过纹理损失函数协同作用来约束局部纹理特征增强器的输出，最终捕获图像的局部纹理细节；

三、NDCT图像与步骤二中得到的降噪结果图共同输入shuffle判别器网络中，判别器对其真伪进行判断，进而指导生成器进行参数优化，生成器与判别器进行交替迭代训练；

四、直到在生成器与判别器相互训练过程中，两者的能力趋于平衡，输出最终降噪结果图。

2.根据权利要求1所述的一种基于渐进式生成对抗网络的低剂量CT图像降噪及去伪影方法，其特征在于，步骤一中的LDCT图像降噪模型为加性模型，具体表达式为：

X＝T(Y) 1-1

X＝Y+N 1-2

Y＝X-N 1-3

式1-1为NDCT图像的降质过程，其中，X∈R^c×h×w表示给定的LDCT图像，Y∈R^c×h×w表示与之对应的NDCT图像，T表示X与Y之间的函数映射关系，体现了NDCT图像以非线性的形式退化为LDCT图像的降质过程；

式1-2为模拟的LDCT图像生成过程，其中，N表示噪声与伪影，通过人为在NDCT图像中加入噪声，最终产生了LDCT图像；

式1-3为从LDCT图像中恢复原始的NDCT图像的过程。

3.根据权利要求1所述的一种基于渐进式生成对抗网络的低剂量CT图像降噪及去伪影方法，其特征在于，采用NDCT图像经Gabor滤波器提取的纹理细节特征图作为约束，指导局部纹理特征增强器的训练过程。

4.根据权利要求1所述的一种基于渐进式生成对抗网络的低剂量CT图像降噪及去伪影方法，其特征在于，设计了一种自适应特征校准结构。

5.根据权利要求1所述的一种基于渐进式生成对抗网络的低剂量CT图像降噪及去伪影方法，其特征在于，设计了一种纹理损失函数，用来约束局部纹理特征增强器的输出结果。

6.根据权利要求1所述的一种基于渐进式生成对抗网络的低剂量CT图像降噪及去伪影方法，其特征在于，步骤三所述的shuffle判别器是一种多尺度特征融合网络，由浅层特征变换模块、3个shuffle模块与深层特征变换模块三部分组成：

浅层特征变换模块由卷积核大小为4×4、步长为2的卷积操作组成，卷积层后增加了LeakyReLU激活函数；

shuffle模块包括shuffle操作、卷积核大小分别为1×1、3×3与5×5的不同感受野的卷积操作和基于1×1的特征降维操作；

深层特征变换模块是由卷积核大小为4×4、步长为1的卷积操作组成，卷积层后增加了Sigmoid激活函数。

7.根据权利要求1所述的一种基于渐进式生成对抗网络的低剂量CT图像降噪及去伪影方法，其特征在于，设计了全局像素级L1损失函数和基于最小二乘思想的对抗损失函数。