本发明专利技术公开了一种基于神经网络的断层扫描图降噪方法及装置，该方法包括：获取待降噪的目标断层扫描图像信息；目标断层扫描图像信息包括若干张目标断层扫描图；根据目标断层扫描图像信息，以及预设的神经网络模型，确定出降噪结果图；神经网络模型用于分析目标断层扫描图像信息的噪声统计学分布特性。可见，本发明专利技术能够通过获取待降噪的目标断层扫描图像信息，利用神经网络模型确定出降噪结果图，以提升对断层扫描图的降噪质量和降噪效率，以获取高质量的断层扫描图的降噪图，进而提升诊断设备的诊断准度和诊断效率。备的诊断准度和诊断效率。备的诊断准度和诊断效率。
【技术实现步骤摘要】
一种基于神经网络的断层扫描图降噪方法及装置
[0001]本专利技术涉及图像处理
，尤其涉及一种基于神经网络的断层扫描图降噪方法及装置。
技术介绍
[0002]随着计算机和医疗技术的快速发展，断层扫描图(如OCT图像)已被广泛应用于眼底疾病的诊断设备中。在实际中，利用光的相干性对眼底扫描成像的断层扫描图往往包含较多的噪声，图像质量较低。现有技术中，通常采用对同一位置重复扫描，获取多张断层扫描图，对这多张断层扫描图进行配准对齐后再取信号平均从而降低噪声，但是这种方案需要通过融合多次扫描同一位置得到的图像来减少噪声，对在相同位置获取的断层扫描图的数量和质量要求都比较严格。现有技术中另一种方案是利用传统计算机视觉技术中的滤波器，如高斯滤波器、均值滤波器、中值滤波器等，对图像去噪，但这种方案的降噪效果并不理想，图像中仍然会包含噪声，降噪效率也不高。因此，提供一种基于神经网络的断层扫描图降噪方法以提升对断层扫描图的降噪质量和降噪效率，以获取高质量的断层扫描图的降噪图，进而提升诊断设备的诊断准度和诊断效率显得尤为重要。
技术实现思路
[0003]本专利技术所要解决的技术问题在于，提供一种基于神经网络的断层扫描图降噪方法及装置，能够通过获取待降噪的目标断层扫描图像信息，利用神经网络模型确定出降噪结果图，以提升对断层扫描图的降噪质量和降噪效率，以获取高质量的断层扫描图的降噪图，进而提升诊断设备的诊断准度和诊断效率。
[0004]为了解决上述技术问题，本专利技术实施例第一方面公开了一种基于神经网络的断层扫描图降噪方法，所述方法包括：
[0005]获取待降噪的目标断层扫描图像信息；所述目标断层扫描图像信息包括若干张目标断层扫描图；
[0006]根据所述目标断层扫描图像信息，以及预设的神经网络模型，确定出降噪结果图；所述神经网络模型用于分析所述目标断层扫描图像信息的噪声统计学分布特性。
[0007]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述神经网络模型包括前置网络模型和后置网络模型；所述根据所述目标断层扫描图像信息，以及预设的神经网络模型，确定出降噪结果图，包括：
[0008]将所述目标断层扫描图像信息输入所述前置网络模型进行处理，得到所述目标断层扫描图像信息对应的噪声统计学分布信息；
[0009]根据所述噪声统计学分布信息、所述目标断层扫描图像信息和所述后置网络模型，确定出降噪结果图。
[0010]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述根据所述噪声统计学分布信息、所述目标断层扫描图像信息和所述后置网络模型，确定出降噪结果图，包括：
[0011]将所述噪声统计学分布信息和所述目标断层扫描图像信息输入后置网络模型进行处理，得到预测噪声图；
[0012]根据所述预测噪声图和所述目标断层扫描图信息，确定出降噪结果图。
[0013]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述根据所述预测噪声图和所述目标断层扫描图信息，确定出降噪结果图，包括：
[0014]根据所述预测噪声图和所述目标断层扫描图信息，确定出预测降噪结果图集合；所述预测降噪结果图集合包括至少一张预测降噪结果图；
[0015]对所述预测降噪结果图集合中的所有预测降噪结果图进行平均叠加处理，确定出降噪结果图。
[0016]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述神经网络模型基于以下步骤训练得到：
[0017]由训练装置获取训练样本图像集；所述训练样本图像集包括若干个训练样本，每个所述训练样本包括原始断层扫描图像信息、所述原始断层扫描图像信息对应的目标参考图和所述原始断层扫描图像信息对应的目标噪声分布特性信息；所述原始断层扫描图像信息包括若干张原始断层扫描图；
[0018]由所述训练装置利用M个所述训练样本对预设的前置训练模型进行训练，得到待选前置训练模型；所述M为正整数；
[0019]由所述训练装置利用N个所述训练样本和所述待选前置训练模型对预设的后置训练模型进行训练，得到待选后置训练模型；所述N为正整数；
[0020]由所述训练装置根据所述待选前置训练模型和所述待选后置训练模型，确定出所述神经网络模型。
[0021]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述由所述训练装置利用M个所述训练样本对预设的前置训练模型进行训练，得到待选前置训练模型，包括：
[0022]由所述训练装置从M个所述训练样本中任选出一个所述训练样本，并将该训练样本对应的原始断层扫描图像信息输入预设的前置训练模型进行处理，得到第一预测信息；
[0023]由所述训练装置利用所述第一预测信息、该训练样本对应的目标噪声分布特性信息和预设的前置损失函数进行处理，得到第一前置损失函数值；
[0024]由所述训练装置判断所述第一前置损失函数值是否满足前置终止条件，得到第一判断结果；
[0025]当所述第一判断结果表示所述第一前置损失函数值满足前置终止条件时，由所述训练装置确定所述第一前置损失函数值对应的前置训练模型为所述待选前置训练模型。
[0026]作为一种可选的实施方式，在本专利技术实施例第一方面中，由所述训练装置利用N个所述训练样本和所述待选前置训练模型对预设的后置训练模型进行训练，得到待选后置训练模型，包括：
[0027]由所述训练装置冻结所述待选前置训练模型对应的前置权重参数；
[0028]由所述训练装置从N个所述训练样本中任选出一个训练样本，并将该训练样本对应的原始断层扫描图像信息输入所述待选前置训练模型，得到第二预测信息；
[0029]由所述训练装置将所述第二预测信息和该训练样本对应的原始断层扫描图像信息输入预设的后置训练模型进行处理，得到第一后置预测降噪图；
[0030]由所述训练装置利用所述第一后置预测降噪图、该训练样本对应的目标参考图和预设的后置损失函数进行处理，得到第一后置损失函数值；
[0031]由所述训练装置判断所述第一后置损失函数值是否满足后置终止条件，得到第二判断结果；
[0032]当所述第二判断结果表示所述第一后置损失函数值满足后置终止条件时，由所述训练装置确定所述第一后置损失函数值对应的后置训练模型为所述待选后置训练模型。
[0033]作为一种可选的实施方式，在本专利技术实施例第一方面中，由所述训练装置根据所述待选前置训练模型和所述待选后置训练模型，确定出所述神经网络模型，包括：
[0034]由所述训练装置利用L个所述训练样本对所述待选前置训练模型和所述待选后置训练模型进行联合训练，确定出所述神经网络模型；所述L为正整数。
[0035]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述由所述训练装置利用L个所述训练样本对所述待选前置训练模型和所述待选后置训练模型进行联合训练，确定出所述神经网络模型，包括：
[0036]由所述训练装置解冻所述待选前置训练模型对应的前置权重参数；
[0037]由所述本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于神经网络的断层扫描图降噪方法，其特征在于，所述方法包括：获取待降噪的目标断层扫描图像信息；所述目标断层扫描图像信息包括若干张目标断层扫描图；根据所述目标断层扫描图像信息，以及预设的神经网络模型，确定出降噪结果图；所述神经网络模型用于分析所述目标断层扫描图像信息的噪声统计学分布特性。2.根据权利要求1所述的基于神经网络的断层扫描图降噪方法，其特征在于，所述神经网络模型包括前置网络模型和后置网络模型；所述根据所述目标断层扫描图像信息，以及预设的神经网络模型，确定出降噪结果图，包括：将所述目标断层扫描图像信息输入所述前置网络模型进行处理，得到所述目标断层扫描图像信息对应的噪声统计学分布信息；根据所述噪声统计学分布信息、所述目标断层扫描图像信息和所述后置网络模型，确定出降噪结果图。3.根据权利要求2所述的基于神经网络的断层扫描图降噪方法，其特征在于，所述根据所述噪声统计学分布信息、所述目标断层扫描图像信息和所述后置网络模型，确定出降噪结果图，包括：将所述噪声统计学分布信息和所述目标断层扫描图像信息输入后置网络模型进行处理，得到预测噪声图；根据所述预测噪声图和所述目标断层扫描图信息，确定出降噪结果图。4.根据权利要求3所述的基于神经网络的断层扫描图降噪方法，其特征在于，所述根据所述预测噪声图和所述目标断层扫描图信息，确定出降噪结果图，包括：根据所述预测噪声图和所述目标断层扫描图信息，确定出预测降噪结果图集合；所述预测降噪结果图集合包括至少一张预测降噪结果图；对所述预测降噪结果图集合中的所有预测降噪结果图进行平均叠加处理，确定出降噪结果图。5.根据权利要求1所述的基于神经网络的断层扫描图降噪方法，其特征在于，所述神经网络模型基于以下步骤训练得到：由训练装置获取训练样本图像集；所述训练样本图像集包括若干个训练样本，每个所述训练样本包括原始断层扫描图像信息、所述原始断层扫描图像信息对应的目标参考图和所述原始断层扫描图像信息对应的目标噪声分布特性信息；所述原始断层扫描图像信息包括若干张原始断层扫描图；由所述训练装置利用M个所述训练样本对预设的前置训练模型进行训练，得到待选前置训练模型；所述M为正整数；由所述训练装置利用N个所述训练样本和所述待选前置训练模型对预设的后置训练模型进行训练，得到待选后置训练模型；所述N为正整数；由所述训练装置根据所述待选前置训练模型和所述待选后置训练模型，确定出所述神经网络模型。6.根据权利要求5所述的基于神经网络的断层扫描图降噪方法，其特征在于，所述由所述训练装置利用M个所述训练样本对预设的前置训练模型进行训练，得到待选前置训练模型，包括...
【专利技术属性】
技术研发人员：区初斌，谢辅友，叶重荣，彭勇，
申请(专利权)人：唯智医疗科技佛山有限公司，
类型：发明
国别省市：
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。