[发明专利]一种基于神经网络的断层扫描图降噪方法及装置

权利要求书

1.一种基于神经网络的断层扫描图降噪方法，其特征在于，所述方法包括：

获取待降噪的目标断层扫描图像信息；所述目标断层扫描图像信息包括若干张目标断层扫描图；

根据所述目标断层扫描图像信息，以及预设的神经网络模型，确定出降噪结果图；所述神经网络模型用于分析所述目标断层扫描图像信息的噪声统计学分布特性。

2.根据权利要求1所述的基于神经网络的断层扫描图降噪方法，其特征在于，所述神经网络模型包括前置网络模型和后置网络模型；所述根据所述目标断层扫描图像信息，以及预设的神经网络模型，确定出降噪结果图，包括：

将所述目标断层扫描图像信息输入所述前置网络模型进行处理，得到所述目标断层扫描图像信息对应的噪声统计学分布信息；

根据所述噪声统计学分布信息、所述目标断层扫描图像信息和所述后置网络模型，确定出降噪结果图。

3.根据权利要求2所述的基于神经网络的断层扫描图降噪方法，其特征在于，所述根据所述噪声统计学分布信息、所述目标断层扫描图像信息和所述后置网络模型，确定出降噪结果图，包括：

将所述噪声统计学分布信息和所述目标断层扫描图像信息输入后置网络模型进行处理，得到预测噪声图；

根据所述预测噪声图和所述目标断层扫描图信息，确定出降噪结果图。

4.根据权利要求3所述的基于神经网络的断层扫描图降噪方法，其特征在于，所述根据所述预测噪声图和所述目标断层扫描图信息，确定出降噪结果图，包括：

根据所述预测噪声图和所述目标断层扫描图信息，确定出预测降噪结果图集合；所述预测降噪结果图集合包括至少一张预测降噪结果图；

对所述预测降噪结果图集合中的所有预测降噪结果图进行平均叠加处理，确定出降噪结果图。

5.根据权利要求1所述的基于神经网络的断层扫描图降噪方法，其特征在于，所述神经网络模型基于以下步骤训练得到：

由训练装置获取训练样本图像集；所述训练样本图像集包括若干个训练样本，每个所述训练样本包括原始断层扫描图像信息、所述原始断层扫描图像信息对应的目标参考图和所述原始断层扫描图像信息对应的目标噪声分布特性信息；所述原始断层扫描图像信息包括若干张原始断层扫描图；

由所述训练装置利用M个所述训练样本对预设的前置训练模型进行训练，得到待选前置训练模型；所述M为正整数；

由所述训练装置利用N个所述训练样本和所述待选前置训练模型对预设的后置训练模型进行训练，得到待选后置训练模型；所述N为正整数；

由所述训练装置根据所述待选前置训练模型和所述待选后置训练模型，确定出所述神经网络模型。

6.根据权利要求5所述的基于神经网络的断层扫描图降噪方法，其特征在于，所述由所述训练装置利用M个所述训练样本对预设的前置训练模型进行训练，得到待选前置训练模型，包括：

由所述训练装置从M个所述训练样本中任选出一个所述训练样本，并将该训练样本对应的原始断层扫描图像信息输入预设的前置训练模型进行处理，得到第一预测信息；

由所述训练装置利用所述第一预测信息、该训练样本对应的目标噪声分布特性信息和预设的前置损失函数进行处理，得到第一前置损失函数值；

由所述训练装置判断所述第一前置损失函数值是否满足前置终止条件，得到第一判断结果；

当所述第一判断结果表示所述第一前置损失函数值满足前置终止条件时，由所述训练装置确定所述第一前置损失函数值对应的前置训练模型为所述待选前置训练模型。