[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

说明书

本发明公开了一种基于神经网络的断层扫描图降噪方法及装置，该方法包括：获取待降噪的目标断层扫描图像信息；目标断层扫描图像信息包括若干张目标断层扫描图；根据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；神经网络模型用于分析目标断层扫描图像信息的噪声统计学分布特性。可见，本发明能够通过获取待降噪的目标断层扫描图像信息，利用神经网络模型确定出降噪结果图，以提升对断层扫描图的降噪质量和降噪效率，以获取高质量的断层扫描图的降噪图，进而提升诊断设备的诊断准度和诊断效率。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于神经网络的断层扫描图降噪方法及装置。

背景技术

随着计算机和医疗技术的快速发展，断层扫描图(如OCT图像)已被广泛应用于眼底疾病的诊断设备中。在实际中，利用光的相干性对眼底扫描成像的断层扫描图往往包含较多的噪声，图像质量较低。现有技术中，通常采用对同一位置重复扫描，获取多张断层扫描图，对这多张断层扫描图进行配准对齐后再取信号平均从而降低噪声，但是这种方案需要通过融合多次扫描同一位置得到的图像来减少噪声，对在相同位置获取的断层扫描图的数量和质量要求都比较严格。现有技术中另一种方案是利用传统计算机视觉技术中的滤波器，如高斯滤波器、均值滤波器、中值滤波器等，对图像去噪，但这种方案的降噪效果并不理想，图像中仍然会包含噪声，降噪效率也不高。因此，提供一种基于神经网络的断层扫描图降噪方法以提升对断层扫描图的降噪质量和降噪效率，以获取高质量的断层扫描图的降噪图，进而提升诊断设备的诊断准度和诊断效率显得尤为重要。

发明内容

本发明所要解决的技术问题在于，提供一种基于神经网络的断层扫描图降噪方法及装置，能够通过获取待降噪的目标断层扫描图像信息，利用神经网络模型确定出降噪结果图，以提升对断层扫描图的降噪质量和降噪效率，以获取高质量的断层扫描图的降噪图，进而提升诊断设备的诊断准度和诊断效率。

为了解决上述技术问题，本发明实施例第一方面公开了一种基于神经网络的断层扫描图降噪方法，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。

作为一种可选的实施方式，在本发明实施例第一方面中，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。

作为一种可选的实施方式，在本发明实施例第一方面中，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。

作为一种可选的实施方式，在本发明实施例第一方面中，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。

作为一种可选的实施方式，在本发明实施例第一方面中，所述神经网络模型基于以下步骤训练得到：