一种自监督学习方法及应用技术

本申请属于医学和工业领域计算机断层扫描(CT)系统技术领域，特别是涉及一种自监督学习方法及应用。现有的低剂量条件下CT成像质量较差。本申请提供了一种自监督学习方法，所述方法包括：对图像噪声建模；从低剂量CT图像中产生当前像素的近似目标像素值，获取目标像素点；随机从低剂量CT输入图像中裁剪出图像块，从图像块中随机选取N个像素点，将目标像素点替换掉当前选取的像素点得到目标图像；训练网络，逐步达到收敛状态。需人工干预即可端到端地进行网络的训练，并实现降噪。

【技术实现步骤摘要】
一种自监督学习方法及应用
本申请属于医学和工业领域计算机断层扫描(CT)系统
，特别是涉及一种自监督学习方法及应用。
技术介绍
计算机断层扫描(ComputedTomography，CT)，是一种通过计算机和X射线来获取病人躯体断层图像的非侵入式影像学检测方法，它具有扫描时间短，费用低廉和疾病监测范围广等优点，适用于疾病的早期筛查和常规性体检。然而，大量的X射线照射会出现辐射剂量的累计效应，大幅度增加各种疾病发生的可能性，进而影响人体生理机能，破坏人体组织器官，甚至危害到患者的生命安全。合理应用低剂量CT成像技术需要在满足CT图像的临床诊断要求下，同时尽可能的降低X射线对患者的辐射剂量，因此，研究和开发低剂量条件下成像质量更高的CT成像，对于目前的医疗诊断领域都有着重要的科学意义和广阔的应用前景。但目前在临床阶段，获取成对的CT图像(低剂量CT图像和与之对应的正常剂量CT图像)较为困难，在仅有低剂量CT图像的情况下，如何使用神经网络来学习到低剂量CT图像到正常剂量CT图像的映射在临床应用领域有着巨大的发展前景。由于在CT成本文档来自技高网...

【技术保护点】
1.一种自监督学习方法，其特征在于：所述方法包括如下步骤：/n步骤1：对图像噪声建模；/n步骤2：从所述图像中产生当前像素的近似目标像素值，获取目标像素点；/n步骤3：随机从所述图像中裁剪出图像块，从图像块中随机选取N个像素点，将目标像素点替换掉当前选取的像素点得到目标图像；/n步骤4：训练网络，逐步达到收敛状态。/n

【技术特征摘要】
1.一种自监督学习方法，其特征在于：所述方法包括如下步骤：
步骤1：对图像噪声建模；
步骤2：从所述图像中产生当前像素的近似目标像素值，获取目标像素点；
步骤3：随机从所述图像中裁剪出图像块，从图像块中随机选取N个像素点，将目标像素点替换掉当前选取的像素点得到目标图像；
步骤4：训练网络，逐步达到收敛状态。


2.如权利要求1所述的自监督学习方法，其特征在于：所述步骤1中噪声图像由干净图像和噪声共同组成。


3.如权利要求1所述的自监督学习方法，其特征在于：所述步骤2中从输入的低剂量CT图像当前像素点的5×5邻域内随机选取像素点作为当前像素点的目标像素点。


4.如权利要求1所述的自监督学习方法，其特征在于：所述步骤3中随机从低剂量CT输入图像中裁剪出64×64像素大小的图像块x...

【专利技术属性】
技术研发人员：江洪伟，郑海荣，李彦明，万丽雯，
申请(专利权)人：深圳高性能医疗器械国家研究院有限公司，
类型：发明
国别省市：广东;44