【技术实现步骤摘要】
一种乳腺DTI图像去噪方法
本专利技术涉及图像处理领域,具体涉及一种基于人工智能的图像去噪方法。
技术介绍
扩散张量成像(DTI)是新近发展起来的一种成像方式。这种成像技术通过水分子扩散引起的磁共振信号衰减来获得生物体内水扩散的方向、量级和各向异性等信息。由于DTI可以提供其他成像方式(如断层扫描成像——CT,传统核磁共振成像——MRI)所不能提供的白质纤维走行等独特信息,且具有非侵入和不需要造影剂等优点,所以在理论研究和临床应用领域均引起了极大关注。特别是,扩散张量神经纤维束成像技术是目前非侵入获得活体白质结构的唯一手段,因此具有重要的临床价值。由于DTI数据的信噪比较低,会影响张量场数据可视化的效果。特别是进行白质束等纤维结构走行的跟踪时,被噪声污染的张量表现在方向排列上杂乱、不规则,使得跟踪出来的纤维结构不够平滑,甚至得到错误的结果,大大限制了DTI的应用。因此,对图像或者张量场进行恢复(去噪)处理是进行理论和应用研究的关键环节。DTI图像具有向量特性,对其进行去噪处理一直是扩散张量数据处理研究领域的热点和难点问题。迄今为止,还没有DTI图像平滑的“黄金”标准。2016年以来,人工智能成为了非常热门的概念,在图像处理中,经常有工作是可以人工标记,但难以写出一个完整的规则来实现自动处理。有时候有一整套算法,但是参数太多,人工去调节、寻找合适的参数就太过繁琐。那么就可以利用机器学习的方法,提取一定数量的特征,人工标记一批结果,然后用机器学习的方法算出一套自动判断的准则。机器学习的方法在开发这类软件时就显得比较有效。为了寻找一种适合DTI图像特征的去噪方法 ...
【技术保护点】
1.一种乳腺DTI图像去噪方法,其特征在于,所述去噪方法包括:步骤1、图像获取:用1.5T磁共振系统和7个编码梯度对人体乳腺部位进行自旋回波单次激发EPI成像获得,其成像参数为:TR 6.0ms,TE 2.36ms,层厚1.2mm,层距0.24mm,体素为0.9×0.8×51.2mm,SNR为1,获取时间为104s;步骤2、采用全卷积神经网络对该获取图像进行分割;步骤3、提取感兴趣区域周边的结构信息,构造先验图像;基于Contourlet变换的算法图像去噪:噪声去噪一般采用模型:y=x+σ*e,其中,x是期望图像;y是观测的含噪图像;e是噪声;σ是噪声方差。
【技术特征摘要】
1.一种乳腺DTI图像去噪方法,其特征在于,所述去噪方法包括:步骤1、图像获取:用1.5T磁共振系统和7个编码梯度对人体乳腺部位进行自旋回波单次激发EPI成像获得,其成像参数为:TR6.0ms,TE2.36ms,层厚1.2mm,层距0.24mm,体素为0.9×0.8×51.2mm,SNR为1,获取时间为104s;步骤2、采用全卷积神经网络对该获取图像进行分割;步骤3、提取感兴趣区域周边的结构信息,构造先验图像;基于Contourlet变换的算法图像去噪:噪声去噪一般采用模型:y=x+σ*e,其中,x是期望图像;y是观测的含噪图像;e是噪声;σ是噪声方差。2.根据权利要求1所述的一种乳腺DTI图像去噪方法,其特征在于,所述步骤2包括以下步骤:S1.获取乳腺区域训练样本,并标记;S2.对训练乳腺区域进行预处理,获得预处理结果;S3.构建乳腺兴趣区域分割的全卷积网络结构;S4.利用训练样本训练乳腺分割模型,以获取最优乳腺图像分割模型;S5.获取被试者乳腺区域样本,并标记;S6.对测试乳腺区域进行预处理,获得预处理结果;S7.训练好的分割模型对测试集进行分割;S8.对全卷积网络的分割结果进行后处理;S9.选择图像分割的评价指标,进行分割结果统计评价。3.根据权利要求2所述的一种乳腺DTI图像去噪方法,其特征在于,所述步骤3包括以下步骤:3.1、确定Contourlet分解的层次K,对含噪图像进行Contourlet变换,得到低频系数a0。和高频系数d0,d1,……dk-1;3.2、在Contourlet变换域设定阈值对系数进行处理,得到新的Contourlet系数;硬阈值处理法:软阈值处理法:3.3、对处理后的高频系数和低频系数a0进行Contourle逆变换,得到信号即为原始信号x的估计值。4.根据权利要求3所述的一种乳腺DTI图像去噪方法,其特征在于,所述S3包括以下步骤:S31.卷积模组;S311.移除了VGG-16的最后两个全连接层;S312.移除了最后一个卷积模块的最大池化层;S32.边输出模组;S321.每个边输出模块的输入是相对应的VGG-16模块的输出,在每个边输出模块中,用1×1的卷积层来将特征通道降低至一个特定的数量,第二至第五个模块...
【专利技术属性】
技术研发人员:王艳玲,吴春华,沈中梅,周志凌,胡胜荣,
申请(专利权)人:苏州高新区人民医院,
类型:发明
国别省市:江苏,32
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。