[发明专利]神经网络的生成方法、去噪方法及其装置

说明书

本发明公开了一种神经网络的生成方法、去噪方法及其装置，该生成方法包括：基于Geant4模拟医学成像，得到N个CT噪声图像，以及与N个CT噪声图像一一对应的N个CT清晰图像，其中，N为自然数，且N≥2；使用N个CT噪声图像和N个CT清晰图像、对所述U‑net神经网络进行训练。从而生成能够对CT图像进行去噪的神经网络。

技术领域

本发明涉及X射线图像技术领域，尤其涉及一种神经网络的生成方法、去噪方法及其装置。

背景技术

学影像包括x射线、磁共振成像、计算机断层扫描、超声等，都容易受到噪声的影响。原因各不相同，从使用不同的图像采集技术到试图减少患者暴露在辐射下。但X射线成像随着辐射量和采集时间的减少，噪声会随之增加。过量的噪声会严重影响图像的视觉质量，从而导致医生难以观察到有用的细节信息，影响最终诊断。

发明内容

有鉴于此，本发明的主要目的在于提供一种神经网络的生成方法、去噪方法及其装置。

为达到上述目的，本发明的技术方案是这样实现的：一种神经网络的生成方法，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。

作为本发明实施例的一种改进，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。

作为本发明实施例的一种改进，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。

作为本发明实施例的一种改进，N个x射线清晰图像I_gt所对应的剂量不全相同。

作为本发明实施例的一种改进，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。

本发明实施例还提供了一种神经网络的生成装置，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。