[发明专利]基于Swin Transformer的低剂量CT去噪方法

权利要求书

1.基于Swin Transformer的低剂量CT去噪方法，其特征在于，包括：

步骤1：构建并训练去噪深度网络，所述去噪深度网络包括噪声估计子网络和基于SwinTransformer的去噪和图像恢复子网络；

步骤2：将待去噪CT投影输入至训练好的噪声估计子网络中得到噪声水平估计图；

步骤3：将所述待去噪CT投影和对应的噪声水平估计图同时输入至训练好的基于SwinTransformer的去噪和图像恢复子网络中得到去噪后的CT投影。

2.根据权利要求1所述的基于Swin Transformer的低剂量CT去噪方法，其特征在于，所述训练去噪的深度网络具体包括：

步骤1.1：构建低剂量CT投影中的噪声模拟生成模型；

步骤1.2：对所述噪声模拟生成模型中的噪声参数进行调整以构建不同噪声水平下的低剂量CT投影图像集，记作仿真数据集；

步骤1.3：利用仿真数据集对所述去噪深度网络进行训练，得到训练好的噪声估计子网络和基于Swin Transformer的去噪和图像恢复子网络。

3.根据权利要求2所述的基于Swin Transformer的低剂量CT去噪方法，其特征在于，所述噪声模型采用公式(1)表示：

其中，i表示X射线的路径，k表示X射线光子到电子的转换增益，N₀代表着X射线初始入射强度，σ²表示高斯噪声的方差。p_i表示原始光子数，表示加噪后的光子数。

4.根据权利要求1所述的基于Swin Transformer的低剂量CT去噪方法，其特征在于，步骤1中，训练所述去噪深度网络的过程中采用公式(2)所示的损失函数：

Loss＝λ₁L_SL(x,y)+λ₂L₁(x,y) (2)

其中，L_SL代表结构相似损失，λ₁和λ₂分别代表结构相似损失L_SL和L₁损失的权重参数，x是网络预测的输出图像，y是x对应的标签图像。

5.根据权利要求1所述的基于Swin Transformer的低剂量CT去噪方法，其特征在于，所述噪声估计子网络由四层卷积层组成。

6.根据权利要求1所述的基于Swin Transformer的低剂量CT去噪方法，其特征在于，所述基于Swin Transformer的去噪和图像恢复子网络包括三个相同结构的特征信息处理模块，分别记作第一特征信息处理模块、第二特征信息处理模块和第三特征信息处理模块；第一特征信息处理模块和第二特征信息处理模块分别对输入的待去噪CT投影和对应的噪声水平估计图进行特征处理，将两个特征信息处理模块的输出进行特征融合后输入至第三特征信息处理模块，第三特征信息处理模块的输出即为去噪后的CT投影。

7.根据权利要求6所述的基于Swin Transformer的低剂量CT去噪方法，其特征在于，所述特征信息处理模块具体包括三个卷积层和两个Swin Transformer模块，分别记作第一卷积层、第二卷积层、第三卷积层、第一Swin Transformer模块和第二Swin Transformer模块；

所述特征信息处理模块的特征信息处理过程具体包括：第一卷积层对输入的特征图进行特征提取，将提取出的特征信息记作第一特征信息；第一特征信息依次经第一SwinTransformer模块和第二卷积层处理，将处理后输出的特征信息记作第二特征信息；将第一特征信息和第二特征信息进行特征融合后再依次经第二Swin Transformer模块和第三卷积层进行处理处理，将处理后输出的特征信息记作第三特征信息；将第一特征信息、第二特征信息和第三特征信息进行特征融合后作为所述特征信息处理模块的输出。

8.根据权利要求7所述的基于Swin Transformer的低剂量CT去噪方法，其特征在于，所述第一特征信息处理模块对待去噪CT投影处理得到的中间特征被传递至所述第二特征信息处理模块中的第一Swin Transformer模块中。