【技术实现步骤摘要】
一种基于深度卷积神经网络的胸部X光片去噪方法
本专利技术属于图像去噪
，具体涉及一种基于深度卷积神经网络的胸部X光片去噪方法。
技术介绍
胸部X光片(ChestX-ray)是一种价格低廉，并且快速易得的医学影像技术。相较于计算机断层扫描技术(ComputedTomography，CT)，传统的胸部X光片不仅价格便宜，并且辐射量更低，现在医学研究表明，有1.5％～2％的肿瘤可能是由于CT的高辐射剂量导致。特别是在诸如肺炎、气胸、间质性肺病、心力衰竭、骨折、裂孔疝等疾病的早期诊断上，X射线都有较为广泛的应用。此外，胸部X光检查是2014年全国3亿多人体检的标准检查方法。这个数字仍在增加，导致每年都会产生数以亿计的胸部X光片。虽然胸部X光片在医疗检查中起到越来越重要的作用，但是胸部X光片在生成过程中，不仅会受到各种类型和程度的噪声影响，并且还存在条状伪影。这会降低上述各种疾病被筛查出来的概率，并且在一定程度上干扰医生对疾病的诊断、分析和治疗。因此对胸部X光片进行去噪和复原就具有十分重要的意义。此外，去噪过程会在一定程度上干扰原始图像的质量，这可能会导致人或机器做出...
【技术保护点】
1.一种基于深度卷积神经网络的胸部X光片去噪方法，包括以下步骤：(1)收集胸部X光片数据，并进行数据格式的转化、预处理后得到训练用的原始图像块，在原始图像块中加入高斯噪声后生成含噪图像块，将成对的原始图像块和含噪图像块作为训练数据集；(2)构建去除胸部X光片噪声的卷积神经网络模型，所述卷积神经网络模型包括深度卷积神经网络和残差网络；(3)将步骤(1)中成对的原始图像块和含噪图像块作为输入，对构建的卷积神经网络进行训练，在训练过程中，所述卷积神经网络对含噪图像块中的噪声进行学习，调整参数直至卷积神经网络模型收敛，得到训练完成后的去除胸部X光片噪声的卷积神经网络模型X‑ReCN...
【技术特征摘要】
1.一种基于深度卷积神经网络的胸部X光片去噪方法，包括以下步骤：(1)收集胸部X光片数据，并进行数据格式的转化、预处理后得到训练用的原始图像块，在原始图像块中加入高斯噪声后生成含噪图像块，将成对的原始图像块和含噪图像块作为训练数据集；(2)构建去除胸部X光片噪声的卷积神经网络模型，所述卷积神经网络模型包括深度卷积神经网络和残差网络；(3)将步骤(1)中成对的原始图像块和含噪图像块作为输入，对构建的卷积神经网络进行训练，在训练过程中，所述卷积神经网络对含噪图像块中的噪声进行学习，调整参数直至卷积神经网络模型收敛，得到训练完成后的去除胸部X光片噪声的卷积神经网络模型X-ReCNN；(4)将待去除噪声的胸部X光片数据进行格式的转化和预处理后，作为卷积神经网络模型X-ReCNN的输入特征图，去除噪声，输出预测的去噪后的胸部X光片。2.根据权利要求1所述的基于深度卷积神经网络的胸部X光片去噪方法，其特征在于，在步骤(1)中，所述预处理的方法为依次进行数据增强和归一化像素值，所述数据增强的方法为缩放和旋转。3.根据权利要求1所述的基于深度卷积神经网络的胸部X光片去噪方法，其特征在于，在步骤(2)中，所述卷积神经网络模型包括：第一噪声提取模块，包括卷积层和激活层，用于提取输入的含噪图像块的噪声特征，输出第一特征图至第二噪声提取模块；第二噪声提取模块，包括深度卷积神经网络模块，所述深度卷积神经网络模块包括DW卷积操作和PW卷积操作，用于进一步提取第一特征图的噪声特征，生成第二特征图，并输出至重建输出模块；重建输出模块，包括卷积层和激活层，用于进一步提取第二特征图的噪声分布，输出第三特征图至残差模块，所述第三特征图与原始输入的胸部X光片在尺寸上保持一致；残差模块，直连第一噪声提取模块和重建输出模块，将第一噪声提取模块、第二噪声提取模块和重建输出模块构成一个残差单元，输出去噪后的胸部X光片。4.根据权利要求3所述的基于深度卷积神经网络的胸部X光片去噪方法，其特征在于，所述第二噪声提取模块包括14个深度卷积神经网络模块，每个深度卷积神经网络模块中依次连接有DW卷积、PW卷积、批量正则化层和激活层。5.根据权利要求3或4所述的基于深度卷积神经网络的胸部X光片去噪方法，其...
【专利技术属性】
技术研发人员：金燕，蒋晓奔，韦振坤，李远，姚宇，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江,33
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。