[发明专利]一种基于云平台的医学图像噪声伪影校正方法及系统

说明书

本申请公开了一种基于云平台的医学图像噪声伪影校正方法及系统，该方法包括：按照待测医学图像所对应的不同身体部位，将所述待测医学图像分类上传至云平台中；利用深度学习网络对所述待测医学图像进行噪声伪影校正，获取校正后的医学图像；在云平台上存储所述校正后的医学图像。该系统包括：图像上传模块、噪声伪影校正模块和存储模块。通过本申请，能够有效提高医学图像的清晰度，以及图像处理的效率和准确性。

技术领域

本申请涉及图像处理技术领域，特别是涉及一种基于云平台的医学图像噪声伪影校正方法及系统。

背景技术

随着云计算技术在医学领域的应用，医院通常将大量的CT图像资源上传至云平台，便于用户进行调取和查看。

目前用户在获取CT图像时，由于CT图像采集过程中，有时会有探测器故障，使得探测器接收到的光子数据较少，从而导致投影数据损坏，重建后的CT图像通常带有噪声伪影，这些带有噪声伪影的CT图像上传至云平台后，会导致后期用户调取时所获取的CT图像清晰度不够。因此，如何对带有噪声伪影的CT图像数据进行校正，提高CT图像的清晰度，是个迫切需要解决的问题。

发明内容

本申请提供了一种基于云平台的医学图像噪声伪影校正方法及系统，以解决现有技术中部分医学图像带有噪声伪影使得图像清晰度较低的问题。

为了解决上述技术问题，本申请实施例公开了如下技术方案：

一种基于云平台的医学图像噪声伪影校正方法，所述方法包括：

按照待测医学图像所对应的不同身体部位，将所述待测医学图像分类上传至云平台中，所述医学图像包括CT图像；

利用深度学习网络对所述待测医学图像进行噪声伪影校正，获取校正后的医学图像；

在云平台上存储所述校正后的医学图像。

可选地，所述利用深度学习网络对所述待测医学图像进行噪声伪影校正，获取校正后的医学图像，包括：

基于U-net网络构建深度学习网络；

根据不同身体部位历史医学图像的噪声特征，对所述深度学习网络进行预训练，生成不同身体部位医学图像的预训练模型；

利用所述预训练模型，对相应身体部位的待测医学图像进行噪声伪影校正，获取对应身体部位校正后的医学图像。

可选地，所述基于U-net网络构建深度学习网络，包括：

在U-net网络的基础上，将编码器和解码器的卷积层均深化为九层卷积层；

设置编码器中不同卷积层的特征信道数量，使编码器前5层卷积层中的特征信道数量随着采样步骤翻倍，编码器后4层卷积层中的特征信道数量保存不变；

按照网络从底层到高层的顺序，利用所述编码器逐层抑制医学图像噪声，并根据噪声特征形成特征空间；

设置解码器中不同卷积层的特征信道数量，所述解码器采用上采样卷积层，上采样过程为2×2，使解码器前4层卷积层的特征通道数量保持不变，解码器后5层卷积层的特征信道数量随着上采样过程减半；

根据所述特征空间，利用解码器输出层的特征通道输出经过神经网络处理后的医学图像，所述解码器输出层的特征通道数为1，卷积层的大小为1×1。

可选地，根据不同身体部位历史医学图像的噪声特征，对所述深度学习网络进行预训练，生成不同身体部位医学图像的预训练模型，包括：

根据不同身体部位，在不含噪声的历史医学图像中加入泊松噪声，生成相应身体部位带有噪声伪影的参考医学图像；

随机选择带有噪声伪影的参考医学图像，分别形成训练集和测试集。