基于多剂量等级的低剂量图像增强方法、系统及存储介质技术方案

本发明专利技术涉及基于多剂量等级的低剂量图像增强方法、系统及存储介质，解决了单一以输入图像进行图像重建过程中，存在清晰度无法达到要求的问题，其包括：获取当前输入图像信息，将当前输入图像信息反馈至所构建的剂量等级评估模型以形成与当前输入图像信息相互对应的当前剂量等级信息；根据所构建的特征变换模块以对当前剂量等级信息进行特征变换处理并形成当前变换信息；根据所构建的级联融合模型以对当前输入图像信息进行特征提取并获取当前图像特征信息；并将当前图像特征信息与当前变换信息进行融合以形成当前重建图像信息。本发明专利技术可以对输入图像进行等级评估，并基于所划分的等级以及输入图像进行重建，进一步提高图像重建后的清晰度。

Low dose image enhancement method, system and storage medium based on multi dose level

【技术实现步骤摘要】
基于多剂量等级的低剂量图像增强方法、系统及存储介质
本专利技术涉及图像增强的
，尤其是涉及一种基于多剂量等级的低剂量图像增强方法、系统及存储介质。
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。申请号201910499262.X公开的“一种用于低剂量CT图像去噪的浅层残差编解码递归网络”；通过减少残差编解码网络中的层数和卷积核的个数以降低网络的复杂度，利用递归过程提升了网络的性能，该算法通过网络训练本文档来自技高网...

【技术保护点】
1.一种基于多剂量等级的低剂量图像增强方法，其特征是：包括：/n获取当前输入图像信息，所述输入图像信息包括低剂量图像信息；/n将当前输入图像信息反馈至所构建的剂量等级评估模型以对当前输入图像信息进行评估剂量等级并形成与当前输入图像信息相互对应的当前剂量等级信息；/n根据所构建的特征变换模块以对当前剂量等级信息进行特征变换处理并形成当前变换信息；/n根据所构建的级联融合模型以对当前输入图像信息进行特征提取并获取当前图像特征信息；并将当前图像特征信息与当前变换信息进行融合以形成当前重建图像信息。/n

【技术特征摘要】
1.一种基于多剂量等级的低剂量图像增强方法，其特征是：包括：
获取当前输入图像信息，所述输入图像信息包括低剂量图像信息；
将当前输入图像信息反馈至所构建的剂量等级评估模型以对当前输入图像信息进行评估剂量等级并形成与当前输入图像信息相互对应的当前剂量等级信息；
根据所构建的特征变换模块以对当前剂量等级信息进行特征变换处理并形成当前变换信息；
根据所构建的级联融合模型以对当前输入图像信息进行特征提取并获取当前图像特征信息；并将当前图像特征信息与当前变换信息进行融合以形成当前重建图像信息。


2.根据权利要求1所述的基于多剂量等级的低剂量图像增强方法，其特征是：所述剂量等级评估模型包括依次连接的多个卷积层以及两个全连接层，且除去最后一个卷积层之外的每个卷积层后依次连接有ReLU激活函数、批量正则化层和最大池化层，其中，卷积层采用3x3卷积核。


3.根据权利要求1所述的基于多剂量等级的低剂量图像增强方法，其特征是：对当前输入图像信息进行剂量等级评估的损失函数采用交叉熵损失。


4.根据权利要求1所述的基于多剂量等级的低剂量图像增强方法，其特征是：通过特征变换模块以对当前剂量等级信息进行特征变换处理并形成当前变换信息的方法如下：
对当前输入图像信息进行特征提取并获取当前图像特征信息；
将当前剂量等级信息进行预处理以形成当前剂量等级预处理信息；
根据当前剂量等级预处理信息与当前图像特征信息进行点乘处理以缩放矩阵并形成当前缩放处理信息；
根据当前剂量等级预处理信息与当前缩放处理信息相加以形成当前变换信息；
特征变换处理采用特征变换函数G，具体如下：



其中，A为缩放操作，B为偏移操作。


5.根据权利要求4所述的基于多剂量等级的低剂量图像增强方法，其特征是：所述级联融合模型包括多个级联融合模块，每一个级联...

【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