A method of CT image quality evaluation based on machine learning. The following steps are as follows: grading the quality of CT images, establishing a database of modeling CT image quality evaluation, selecting samples from the database as the training data set TrainSets, and preprocessing the samples, training data set TrainSets for machine learning The method is trained, and the CT image quality evaluation model is obtained. The predicted CT image is input into the CT image quality evaluation model, and the quality fraction of the CT image is obtained by the QDCNN. The invention only needs any CT image data, can obtain the CT image quality score, and can effectively predict the corresponding mass fraction through the CT image. The hardware of the imaging system has no special requirements, the operation is simple, the result is accurate, the robustness is strong, and the execution efficiency is high.
【技术实现步骤摘要】
一种基于机器学习的CT图像质量评估的方法
本专利技术涉及医学影像的图像处理
,特别是涉及一种基于机器学习的CT图像质量评估的方法。
技术介绍
随着现代大型医疗成像设备的飞速发展,新的成像方法和图像处理方法不断涌现,医学图像正成为临床医学研究、诊断和治疗的依据。而CT图像是医学图像中的重要分支。CT图像内容丰富,层次清晰,细节表现具有很高空间分辨率和时间分辨率,有利于更好的诊断疾病。因此发展CT图像质量评价方法对于监控和调整CT图像质量以帮助提高疾病诊断意义重大。对于CT图像质量的评价,最可靠的方法是主观评价方法。但是CT图像主观评价方法存在代价高、耗时长、实时性差、易受主客观因素影响。因此CT图像质量客观评价方法受到了重视。目前CT图像处理系统中主要采用峰值信噪比(PSNR)、结构相似性(SSIM)等来进行CT图像质量的客观评价。由于未考虑到像素点间的相关性和人类视觉系统的感知特性,评价结果并不能真实反映图像的视觉感知质量。因此,针对现有技术不足,提供一种基于机器学习的CT图像质量评估的方法以解决现有技术不足甚为必要。
技术实现思路
本专利技术的目的在于避免现有技术的不足之处而提供一种基于机器学习的CT图像质量评估的方法,本专利技术仅需要任意CT图像数据,即可获得该CT图像质量分数,还可以有效地通过CT图像预测图像对应质量分数,成像系统的硬件没有特殊要求,操作简便、结果准确、鲁棒性强、执行效率高。本专利技术的上述目的通过如下技术手段实现。提供一种基于机器学习的CT图像质量评估的方法,具体步骤如下:S1、对建模CT图像的质量进行评分,并建立CT图像质量评估 ...
【技术保护点】
1.一种基于机器学习的CT图像质量评估的方法,其特征在于:具体步骤如下:S1、对建模CT图像的质量进行评分,并建立CT图像质量评估数据库;S2、从数据库中选取样本作为训练数据集TrainSets,并对样本进行预处理操作;S3、训练数据集TrainSets对机器学习的方法进行训练,并获得CT图像质量评估模型;S4、将预测CT图像输入至CT图像质量评估模型中,得到预测CT图像的质量分数QDCNN。
【技术特征摘要】
1.一种基于机器学习的CT图像质量评估的方法,其特征在于:具体步骤如下:S1、对建模CT图像的质量进行评分,并建立CT图像质量评估数据库;S2、从数据库中选取样本作为训练数据集TrainSets,并对样本进行预处理操作;S3、训练数据集TrainSets对机器学习的方法进行训练,并获得CT图像质量评估模型;S4、将预测CT图像输入至CT图像质量评估模型中,得到预测CT图像的质量分数QDCNN。2.根据权利要求1所述的一种基于机器学习的CT图像质量评估的方法,其特征在于:步骤S1中的评分操作是分别从建模CT图像噪声、伪影、边缘结构清晰度、图像整体质量及病灶大小五个方面进行评分。3.根据权利要求2所述的一种基于机器学习的CT图像质量评估的方法,其特征在于:从步骤S1中的CT图像质量评估数据库中随机选取80%样本作为训练数据集TrainSets。4.根据权利要求3所述的一种基于机器学习的CT...
【专利技术属性】
技术研发人员:边兆英,李穗,曾栋,黄静,马建华,
申请(专利权)人:南方医科大学,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。