运动伪影校正方法、装置、计算机设备和可读存储介质制造方法及图纸

本申请涉及一种运动伪影校正方法、装置、计算机设备和可读存储介质，包括获取待校正图像；将待校正图像输入至训练好的目标神经网络模型，得到校正图像，目标神经网络模型为根据无运动伪影图像以及带运动伪影图像训练得到的神经网络模型；带运动伪影图像为对无运动伪影图像进行运动模拟后得到的图像。本申请提供的运动伪影校正方法将无运动伪影的图像作为网络的金标准，并在不存在运动伪影的图像上正向模拟人体真实运动，产生运动伪影图像作为网络的输入训练网络。由于本申请对无运动伪影图像的运动模拟是建立在人体真实运动基础上的，因此得到的带运动伪影图像更加符合真实场景，从而训练的神经网络模型更加稳定，提高运动伪影校正的效果。

Motion artifact correction method, device, computer equipment and readable storage medium

【技术实现步骤摘要】
运动伪影校正方法、装置、计算机设备和可读存储介质
本专利技术涉及医疗成像
，特别是涉及一种运动伪影校正方法、装置、计算机设备和可读存储介质。
技术介绍
计算机断层扫描设备通常包括机架、扫描床以及供医生操作的控制台。机架的一侧设置有球管，与球管相对的一侧设置有探测器。控制台为控制球管以及探测器进行扫描的计算机设备，计算机设备还用于接收探测器采集到的投影数据，并对投影数据进行处理重建，最终形成图像。在利用进行扫描时，患者躺在扫描床上，由扫描床将患者送入机架的孔径内，机架上设置的球管发出X射线，X射线穿过患者被探测器接收形成投影数据，并将投影数据传输给计算机设备，计算机设备对数据进行初步处理以及图像重建得到图像。由于成像需要一定的时间，在此期间病人自主或者非自主的运动破坏了投影数据的一致性和完整性，从而在重建图像中表现出各种伪影，称之为运动伪影。伪影的出现会影响医生的正常诊断，因此相关校正方法的研究对于成像技术的进一步完善具有非常重要的作用。传统地，通过直接缩短扫描时间是来抑制运动伪影，但对于机械性能是一项非常重大的挑战。另外基于运动参数估计的运动伪影校正技术也用于了运动伪影的抑制，但是大多数都没有实现刚性运动伪影的校正，且抗噪的能力不强。
技术实现思路
本申请提供一种运动伪影校正方法、装置、计算机设备和可读存储介质，可以提高运动伪影校正的质量。一种运动伪影校正方法，所述方法包括：获取待校正图像；将所述待校正图像输入至训练好的目标神经网络模型，得到校正图像，所述目标神经网络模型为根据无运动伪影图像以及带运动伪影图像训练得到的神经网络模型；所述带运动伪影图像为对所述无运动伪影图像进行运动模拟后得到的图像。在一实施例中，在所述将所述待校正图像输入至训练好的目标神经网络模型，得到校正图像之前，所述方法还包括：获取无运动伪影图像，并将所述无运动伪影图像作为标准图像；对所述无运动伪影图像进行运动模拟操作，得到带运动伪影图像；构建初始网络模型；将所述标准图像和所述带运动伪影图像作为数据集对所述初始网络模型进行训练，得到所述目标神经网络模型。在一实施例中，所述对所述无运动伪影图像进行运动模拟操作，得到带运动伪影图像包括：获取所述无运动伪影图像的断层图像；对所述断层图像进行运动模拟操作，获取运动模拟过程中的投影数据；对所述投影数据进行重建，得到所述带运动伪影图像。在一实施例中，所述对所述无运动伪影图像进行运动模拟操作，得到带运动伪影图像包括：获取所述无运动伪影图像的断层图像；对所述断层图像进行组合，得到三维图像；对所述三维图像进行运动模拟操作，获取运动模拟过程中的投影数据；对所述投影数据进行重建，得到所述带运动伪影图像。在一实施例中，所述获取运动模拟过程中的投影数据包括：获取在扫描过程中的人体运动状态图像；根据所述人体状态图像得到人体的运动向量；根据所述运动向量对所述断层图像或所述三维图像进行运动模拟操作，得到运动模拟过程中的投影数据。在一实施例中，所述根据所述运动向量对所述断层图像或所述三维图像进行运动模拟操作，得到运动模拟过程中的投影数据包括：根据所述运动向量，对所述断层图像或所述三维图像进行旋转和/或平移操作；对经过旋转和/或平移操作后的所述断层图像或所述三维图像进行正投影，得到所述投影数据。在一实施例中，所述将所述无运动伪影图像和所述带运动伪影图像作为数据集对所述初始网络模型进行训练，得到目标神经网络模型包括：将所述带运动伪影图像输入所述初始网络模型，得到校正图像；根据所述校正图像和所述标准图像的差异程度，调整所述初始网络模型的参数，得到所述目标神经网络模型。在一实施例中，所述初始网络模型包括UNet、ResNet、DenseNet或GAN网络。一种运动伪影校正装置，所述装置包括：获取模块，用于获取待校正图像；校正模块，用于将所述待校正图像输入至训练好的目标神经网络模型，得到校正图像，所述目标神经网络模型为根据无运动伪影图像以及带运动伪影图像训练得到的神经网络模型；所述带运动伪影图像为对所述无运动伪影图像进行运动模拟后得到的图像。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。本申请实施例提供的运动伪影校正方法、装置、计算机设备和可读存储介质，包括获取待校正图像；将所述待校正图像输入至训练好的目标神经网络模型，得到校正图像，所述目标神经网络模型为根据无运动伪影图像以及带运动伪影图像训练得到的神经网络模型；所述带运动伪影图像为对所述无运动伪影图像进行运动模拟后得到的图像。本申请提供的运动伪影校正方法将无运动伪影的图像作为网络的金标准，并在不存在运动伪影的图像上正向模拟人体真实运动，产生运动伪影图像作为网络的输入训练网络。由于网络的金标准是完全“干净”的不存在运动伪影的图像，因此该方法可以生成优于传统运动伪影校正方法的结果。另外，由于本申请对无运动伪影图像的运动模拟是建立在人体真实运动基础上的，因此得到的带运动伪影图像更加符合真实场景，从而训练的神经网络模型更加稳定，提高运动伪影校正的效果。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为一实施例提供的运动伪影校正方法的流程图；图2为一实施例提供的构建目标神经网络的流程图；图3为一个实施例中运动伪影校正装置的结构框图；图4为一个实施例中计算机设备的内部结构图。具体实施方式为了便于理解本申请，为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图对本申请的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本申请，附图中给出了本申请的较佳实施方式。但是，本申请可以以许多不同的形式来实现，并不限于本文所描述的实施方式。相反地，提供这些实施方式的目的是使对本申请的公开内容理解的更加透彻全面。本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似改进，因此本申请不受下面公开的具体实施例的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。在本申请的描述中，“若干”的本文档来自技高网...

【技术保护点】
1.一种运动伪影校正方法，其特征在于，所述方法包括：/n获取待校正图像；/n将所述待校正图像输入至训练好的目标神经网络模型，得到校正图像；所述目标神经网络模型为根据无运动伪影图像以及带运动伪影图像训练得到的神经网络模型；所述带运动伪影图像为对所述无运动伪影图像进行运动模拟后得到的图像。/n

【技术特征摘要】
1.一种运动伪影校正方法，其特征在于，所述方法包括：
获取待校正图像；
将所述待校正图像输入至训练好的目标神经网络模型，得到校正图像；所述目标神经网络模型为根据无运动伪影图像以及带运动伪影图像训练得到的神经网络模型；所述带运动伪影图像为对所述无运动伪影图像进行运动模拟后得到的图像。


2.根据权利要求1所述的方法，其特征在于，在所述将所述待校正图像输入至训练好的目标神经网络模型，得到校正图像之前，所述方法还包括：
获取无运动伪影图像，并将所述无运动伪影图像作为标准图像；
对所述无运动伪影图像进行运动模拟操作，得到带运动伪影图像；
构建初始网络模型；
将所述标准图像和所述带运动伪影图像作为数据集对所述初始网络模型进行训练，得到所述目标神经网络模型。


3.根据权利要求2所述的方法，其特征在于，所述对所述无运动伪影图像进行运动模拟操作，得到带运动伪影图像包括：
获取所述无运动伪影图像的断层图像；
对所述断层图像进行运动模拟操作，获取运动模拟过程中的投影数据；
对所述投影数据进行重建，得到所述带运动伪影图像。


4.根据权利要求2所述的方法，其特征在于，所述对所述无运动伪影图像进行运动模拟操作，得到带运动伪影图像包括：
获取所述无运动伪影图像的断层图像；
对所述断层图像进行组合，得到三维图像；
对所述三维图像进行运动模拟操作，获取运动模拟过程中的投影数据；
对所述投影数据进行重建，得到所述带运动伪影图像。


5.根据权利要求3或4任一项所述的方法，其特征在于，所述获取运动模拟过程中的投影数据包括：
获取在扫描过程中的人体运动状态图像；
根据所述人体状态图像得到人体的运动向量；
根据所述...

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