[发明专利]神经网络的生成方法、去噪方法及其装置

权利要求书

1.一种神经网络的生成方法，其特征在于，包括以下步骤：

基于Geant4模拟医学成像，得到N个x射线噪声图像I^α，以及与N个x射线噪声图像I^α一一对应的N个x射线清晰图像I_gt，其中，N为自然数，且N≥2；

创建U-Net神经网络，所述U-Net神经网络的损失函数为：其中，L1是L1损失函数，U是U-Net神经网络，Laplacian是拉普拉斯算子，用来提取边缘信息；

使用N个x射线噪声图像I^α和N个x射线清晰图像I_gt、对所述U-net神经网络进行训练。

2.根据权利要求1所述的生成方法，其特征在于，所述“基于Geant4模拟医学成像，得到N个x射线噪声图像I^α”具体包括：

基于Geant4模拟医学成像，得到N个x射线噪声图像I^α，其中，在进行模拟医学成像时，使用MDCT和预设的CT数据生成CT模体。

3.根据权利要求1所述的生成方法，其特征在于，

在进行模拟医学成像时，对同一个三维CT模体得到Num1个待处理噪声图像，将Num2个待处理噪声图像进行叠加从而得到x射线清晰图像I_gt，选择一个待处理噪声图像作为x射线噪声图像I^α，从而得到一一对应的x射线噪声图像I^α和x射线清晰图像I_gt，其中，Num1和Num2均为自然数，且Num2≤Num1。

4.根据权利要求3所述的生成方法，其特征在于，

N个x射线清晰图像I_gt所对应的剂量不全相同。

5.根据权利要求4所述的生成方法，其特征在于，所述“使用N个x射线噪声图像I^α和N个x射线清晰图像I_gt、对所述U-net神经网络进行训练”具体包括：

对每个x射线噪声图像I^α均进行以下处理：其中，是卷积核大小为41的高斯滤波，是卷积核大小为41的高斯滤波，F_B是双边滤波，是卷积操作，输入图像之后，使用N个输入图像Input和N个x射线清晰图像I_gt、对所述U-net神经网络进行训练。

6.一种神经网络的生成装置，其特征在于，包括以下模块：

第一数据获取模块，用于基于Geant4模拟医学成像，得到N个x射线噪声图像I^α，以及与N个x射线噪声图像I^α一一对应的N个x射线清晰图像I_gt，其中，N为自然数，且N≥2；

第一神经网络创建模块，用于创建U-Net神经网络，所述U-Net神经网络的损失函数为：其中，L1是L1损失函数，U是U-Net神经网络，Laplacian是拉普拉斯算子，用来提取边缘信息；

第一训练模块，用于使用N个x射线噪声图像I^α和N个x射线清晰图像I_gt、对所述U-net神经网络进行训练。

7.一种CT图像的去噪方法，其特征在于，包括以下步骤：

执行权利要求1-5任一项所述的创建神经网络的生成方法，生成U-Net神经网络；

将待处理CT图像输入所述U-Net神经网络，得到去噪之后的CT图像。