[发明专利]CT图像环状伪影的去除方法、装置、设备及存储介质

权利要求书

1.一种CT图像伪影的去除方法，其特征在于，包括：

获取具有环状伪影的原始图像；

基于直角坐标系，提取所述原始图像中的第一环状伪影，和基于极坐标系，提取所述原始图像中的第二环状伪影；

基于所述第一环状伪影、所述第二环状伪影和所述原始图像，获取伪影去除图像。

2.根据权利要求1所述的方法，其特征在于，所述基于所述第一环状伪影、所述第二环状伪影和所述原始图像，获取伪影去除图像，包括：

基于权重矩阵，所述第一环状伪影和所述第二环状伪影融合以获取融合环状伪影；

在所述原始图像去除所述融合环状伪影，得到伪影去除图像。

3.根据权利要求1所述的方法，其特征在于，所述基于所述第一环状伪影、所述第二环状伪影和所述原始图像，获取伪影去除图像，包括：

根据所述原始图像和所述第一环状伪影生成第一伪影去除图像；

根据所述原始图像和所述第二环状伪影生成第二伪影去除图像；

按照预设图像提取规则分别从所述第一伪影去除图像和所述第二伪影去除图像中提取区域图像；

将所述提取到的区域图像进行拼接，得到所述伪影去除图像。

4.根据权利要求3所述的方法，其特征在于，所述按照预设图像提取规则分别从所述第一伪影去除图像和所述第二伪影去除图像中提取区域图像，包括：

按照预设图像切分原则分别将所述第一伪影去除图像和所述第二伪影去除图像切分成内部区域图像和外部区域图像，并提取所述第一伪影去除图像的内部区域图像和所述第二伪影去除图像的外部区域图像；或，

分别将所述第一伪影去除图像和所述第二伪影去除图像划分为多个子图像，并计算各个所述子图像与所述原始图像之间的图像相关性，根据所述图像相关性从所述子图像中提取区域图像。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述第一环状伪影的半径小于或等于所述第二环状伪影的半径。

6.根据权利要求5所述的方法，其特征在于，所述第一环状伪影的半径小于所述原始图像的建像矩阵边长的四分之一。

7.根据权利要求1-4任一项所述的方法，其特征在于，所述基于直角坐标系，提取所述原始图像中的第一环状伪影，和基于极坐标系，提取所述原始图像中的第二环状伪影，包括：

基于预先训练的第一伪影识别模型、第二伪影识别模型和所述原始图像进行伪影识别处理，得到所述第一环状伪影和所述第二环状伪影，所述第一伪影识别模型为基于直角坐标图像训练得到的，所述第二伪影识别模型为基于极坐标图像训练得到的。

8.根据权利要求7所述的方法，其特征在于，所述获取具有环状伪影的原始图像之前，所述方法还包括：

获取第一图像训练数据集，所述第一图像训练数据集中为直角坐标图像数据，且所述第一图像训练数据集中包含带伪影标签和无伪影标签的图像训练数据；

构建第一初始神经网络，并利用所述第一图像训练数据集对所述第一初始神经网络进行训练，得到所述第一伪影识别模型。

9.根据权利要求7所述的方法，其特征在于，所述获取具有环状伪影的原始图像之前，所述方法还包括：

获取第二图像训练数据集，所述第二图像训练数据集中为极坐标图像数据，且所述第二图像训练数据集中包含带伪影标签和无伪影标签的图像训练数据；

构建第二初始神经网络，并利用所述第二图像训练数据集对所述第二初始神经网络进行训练，得到所述第二伪影识别模型。

10.根据权利要求9所述的方法，其特征在于，所述获取第二图像训练数据集之后，所述方法还包括：

将所述第二图像训练数据集中的极坐标图像按照预设对称轴进行翻转处理，得到更新后的第二图像训练数据集；

所述利用所述第二图像训练数据集对所述第二初始神经网络进行训练包括：

利用所述更新后的第二图像训练数据集对所述第二初始神经网络进行训练。