【技术实现步骤摘要】
低剂量CT图像去噪网络的训练方法及系统
本专利技术涉及低剂量CT图像重建
，尤其涉及一种低剂量CT图像去噪网络的训练方法及系统。
技术介绍
计算机断层成像(CT)是通过无损方式获取物体内部结构信息的一种重要成像手段，它拥有高分辨率、高灵敏度以及多层次等众多优点，是我国装机量最大的医疗影像诊断设备之一，被广泛应用于各个医疗临床检查领域。然而，由于CT扫描过程中需要使用X射线，随着人们对辐射潜在危害的逐步了解，CT辐射剂量问题越来越受到人们的重视。合理使用低剂量(AsLowAsReasonablyAchievable，ALARA)原则要求在满足临床诊断的前提下，尽量降低对患者的辐射剂量。因此，研究和开发新的低剂量CT成像方法，既能保证CT成像质量又减少有害的辐射剂量，对于医疗诊断领域具有重要的科学意义和应用前景。但是，现有的低剂量CT成像方法中在满足低剂量CT辐射的情况下很难获得清晰的CT图像。
技术实现思路
为了解决现有技术的不足，本专利技术提供一种低剂量CT图像去噪网络的训练方法及系统，可以避免连续...
【技术保护点】
1.一种低剂量CT图像去噪网络的训练方法，其特征在于，包括步骤：/n获取训练数据集，所述训练数据集包括多个训练图像块组，每一个所述训练图像块组包括第一图像块和第二图像块，所述第一图像块、第二图像块分别为低剂量CT图像、标准剂量CT图像块中位于同一位置的图像块；/n建立低剂量CT图像去噪网络，所述低剂量CT图像去噪网络包括依次连接的第一卷积层、卷积模块、第一融合层以及第二卷积层，所述第一融合层用于对所述卷积模块的输入信号和所述卷积模块的输出信号进行融合，所述卷积模块包括至少一个卷积网络，所述至少一个卷积网络依次连接，每一个所述卷积网络包括依次连接的通道层、第三卷积层及第二融合...
【技术特征摘要】
1.一种低剂量CT图像去噪网络的训练方法，其特征在于，包括步骤：
获取训练数据集，所述训练数据集包括多个训练图像块组，每一个所述训练图像块组包括第一图像块和第二图像块，所述第一图像块、第二图像块分别为低剂量CT图像、标准剂量CT图像块中位于同一位置的图像块；
建立低剂量CT图像去噪网络，所述低剂量CT图像去噪网络包括依次连接的第一卷积层、卷积模块、第一融合层以及第二卷积层，所述第一融合层用于对所述卷积模块的输入信号和所述卷积模块的输出信号进行融合，所述卷积模块包括至少一个卷积网络，所述至少一个卷积网络依次连接，每一个所述卷积网络包括依次连接的通道层、第三卷积层及第二融合层，所述通道层包括第一通道，所述第一通道包括第四卷积层和第一反卷积层，所述第四卷积层、第一反卷积层交替连接，所述第二融合层用于对所述卷积网络的输入信号和所述第三卷积层的输出信号进行融合；
利用所述训练数据集对所述低剂量CT图像去噪网络进行训练，获得更新后的低剂量CT图像去噪网络。
2.根据权利要求1所述的训练方法，其特征在于，所述第四卷积层、第一反卷积层依次交替连接。
3.根据权利要求1所述的训练方法，其特征在于，所述第一反卷积层、第四卷积层依次交替连接。
4.根据权利要求2所述的训练方法，其特征在于，所述通道层还包括第二通道和拼接层，所述第二通道与所述第一通道并联连接，所述拼接层连接于所述通道层与所述第三卷积层之间，所述拼接层用于将所述第一通道的输出信号和所述第二通道的输出信号进行拼接；所述第二通道包括第五卷积层和第二反卷积层，所述第二反卷积层、第五卷积层依次交替连接。
5.根据权利要求3所述的训练方法，其特征在于，所述通道层还包括第二通道和拼接层，所述第二通道与所述第一通道并联连接，所述拼接层连接于所述通道层与所述第三卷积层之间，所述拼接层用于将所述第一通道的输出信号和所述第二通道的输出信号进行拼接；所述第二通道包括第五卷积层和第二反卷积层，所述第二反卷积层、第五卷积层依次交替连接。
6.根据权利要求1所述的训练方法，其特征在于，利用所述训练数据对所述低剂量CT图像进行训练具体包括：
将所述多个训练图像块...
【专利技术属性】
技术研发人员：胡战利，梁栋，黄振兴，杨永峰，刘新，郑海荣，
申请(专利权)人：深圳先进技术研究院，
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。