[发明专利]基于卷积神经网络的CT图像去伪影方法、装置及系统

权利要求书

1.一种基于卷积神经网络的CT图像去伪影方法，其特征在于，包括：

采集连续生成的第一锂电池CT图像集以及间断生成的第二锂电池CT图像集；

根据所述第一锂电池CT图像集和第二锂电池CT图像集建立训练集，所述训练集中包括成对的带伪影图像和真实图像；

建立卷积神经网络模型；

将所述训练集输入至所述卷积神经网络模型，所述带伪影图像经计算之后获得预测图像，计算所述预测图像和所述真实图像的损失值，根据所述损失值调整梯度并更新网络参数，直到所述卷积神经网络模型收敛；

采集连续生成的当前锂电池CT图像并输入至训练后的卷积神经网络模型，输出去伪影后的锂电池CT图像；

所述卷积神经网络模型包括特征提取模块、记忆模块以及重构模块，所述记忆模块的数量为多个；

所述特征提取模块用于对所述带伪影图像进行特征提取获得特征图，所述记忆模块用于根据所述特征图提取不同接受域的特征，所述重构模块用于将记忆模块输出的不同接受域的特征进行重构，获得预测图像；

所述记忆模块包括门控单元和多个稠密连接卷积模块，所述多个稠密连接卷积模块用于对所述特征图或者上一记忆模块输出的特征进行卷积操作，所述门控单元用于接收不同稠密连接卷积模块输出的卷积结果，并按照门控权重参数保留部分卷积结果以及舍弃部分卷积结果，将保留的卷积结果作为特征输出至下一记忆模块以及所述重构模块；

所述重构模块按照重构权重参数将各个记忆模块输出的特征进行加权求和，获得所述预测图像；

所述网络参数包括门控权重参数和重构权重参数，在迭代过程中进行更新。

2.根据权利要求1所述的方法，其特征在于，采集连续生成的第一锂电池CT图像集，包括：

将锂电池放置于旋转平台上，并控制旋转平台连续旋转，通过CT系统按照预设角度或者预设时间间隔采集锂电池图像，获得第一锂电池CT图像集；

采集间断生成的第二锂电池CT图像集，包括：

将锂电池放置于旋转平台上，并控制旋转平台旋转预设角度或者按照预设时间间隔旋转之后停止，停止之后通过CT系统采集锂电池图像，获得第二锂电池CT图像集。

3.根据权利要求2所述的方法，其特征在于，根据所述第一锂电池CT图像集和第二锂电池CT图像集建立训练集，包括：

将所述第一锂电池CT图像集和所述第二锂电池CT图像集在相同预设角度或者相同预设时间间隔下采集的图像进行对应，获得成对的带伪影图像和真实图像作为训练集。

4.根据权利要求1所述的方法，其特征在于，所述多个记忆模块包括浅层记忆模块和深层记忆模块，所述浅层记忆模块中的门控单元控制伪影、拖尾以及噪声的输出，所述深层记忆模块中的门控单元控制相邻区域之间的特征输出。

5.根据权利要求1所述的方法，其特征在于，所述卷积神经网络模型收敛之后，还包括：

采集测试图像，并将所述测试图像输入至收敛后的卷积神经网络模型，获得测试用预测图像，计算所述测试用预测图像和对应的真实图像的PSNR值与SSIM值，根据所述PSNR值与SSIM值对所述卷积神经网络模型进行评价。

6.根据权利要求1所述的方法，其特征在于，输出去伪影后的锂电池CT图像之后，还包括：

将去伪影后效果低于预期的锂电池CT图像加入至训练集，对所述卷积神经网络模型进行进一步优化。