图像衰减校正方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种图像衰减校正方法、装置、计算机设备和存储介质。所述方法包括：根据获取的待检测对象的扫描数据，得到原始医学图像；所述原始医学图像为衰减校正前的图像，包括感兴趣区域；将所述原始医学图像输入至预设的神经网络模型中，确定所述原始医学图像对应的衰减校正图像；所述神经网络模型是根据金标准衰减校正图像进行训练得到的，所述衰减校正图像包括所述感兴趣区域。采用本方法能够提高图像衰减校正的准确性。

Image attenuation correction method, device, computer equipment and storage medium

【技术实现步骤摘要】
图像衰减校正方法、装置、计算机设备和存储介质
本申请涉及图像处理
，特别是涉及一种图像衰减校正方法、装置、计算机设备和存储介质。
技术介绍
正电子发射计算机断层成像PET技术是目标医学影像技术的重要组成部分，其可以通过定量分析示踪剂在体内的代谢过程来进行成像，然而一般PET成像过程中都会出现射线衰减，为了得到更好的PET图像，就需要对PET图像进行衰减校正。相关技术中在对PET图像进行衰减校正时，有的是采用计算机断层扫描CT图像直接对PET图像进行衰减校正，当然还有一些是利用神经网络算法将衰减校正前的PET图像或其他模态(非CT模态)的图像转换成伪CT图像，然后利用伪CT图像对PET图像进行衰减校正。然而上述技术难以保证PET图像衰减校正的准确性。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高图像衰减校正准确性的图像衰减校正方法、装置、计算机设备和存储介质。一种图像衰减校正方法，该方法包括：根据获取的待检测对象的扫描数据，得到原始医学图像；该原始医学图像为衰减校本文档来自技高网...

【技术保护点】
1.一种图像衰减校正方法，其特征在于，所述方法包括：/n根据获取的待检测对象的扫描数据，得到原始医学图像；所述原始医学图像为衰减校正前的图像，包括感兴趣区域；/n将所述原始医学图像输入至预设的神经网络模型中，确定所述原始医学图像对应的衰减校正图像；所述神经网络模型是根据金标准衰减校正图像进行训练得到的，所述衰减校正图像包括所述感兴趣区域。/n

【技术特征摘要】
1.一种图像衰减校正方法，其特征在于，所述方法包括：
根据获取的待检测对象的扫描数据，得到原始医学图像；所述原始医学图像为衰减校正前的图像，包括感兴趣区域；
将所述原始医学图像输入至预设的神经网络模型中，确定所述原始医学图像对应的衰减校正图像；所述神经网络模型是根据金标准衰减校正图像进行训练得到的，所述衰减校正图像包括所述感兴趣区域。


2.根据权利要求1所述的方法，其特征在于，所述神经网络模型包括第一残差块和深度可分离残差块，所述第一残差块和所述深度可分离残差块的卷积结构不同。


3.根据权利要求2所述的方法，其特征在于，所述第一残差块和所述深度可分离残差块均用于对所述原始医学图像进行上采样卷积操作和下采样卷积操作。


4.根据权利要求1所述的方法，其特征在于，所述神经网络模型的训练过程包括：
获取训练样本图像集；所述训练样本图像集包括各训练样本图像以及各训练样本图像对应的金标准衰减校正图像，各所述训练样本图像和各所述金标准衰减校正图像均包括所述感兴趣区域；
基于所述训练样本图像集对初始神经网络模型进行训练，得到所述神经网络模型。


5.根据权利要求4所述的方法，其特征在于，所述基于所述训练样本图像集对初始神经网络模型进行训练，得到所述神经网络模型，包括：
将各所述训练样本图像输入至所述初始神经网络模型，得到各所述训练样本图像对应的预测衰减校正图像；
计算各所述训练样本图像对应的预测衰减校正图像和各所述训练样本图像对应的金标准衰减校正图像之间的损失，并将所述损失作为目标损失函数的值；
利用所述目标损失函数的值对所述初始神经网络模型进行训练，得到所述神经网络模型。


6.根据权利要求5所述的方法，其特征在于，所述计算各所述训练样本图像对应的预测衰减校正图像和...

【专利技术属性】
技术研发人员：张阳，廖术，张强，
申请(专利权)人：上海联影智能医疗科技有限公司，上海联影医疗科技有限公司，
类型：发明
国别省市：上海;31