一种图像处理方法和系统技术方案

本说明书实施例提供一种图像处理方法和系统。所述图像处理方法包括：获取初始材料密度图像；将所述初始材料密度图像输入训练好的图像处理模型以获取目标材料密度图像；其中，所述训练好的图像处理模型对所述初始材料密度图像同时进行分解处理与降噪和/或去伪影处理。理。理。

【技术实现步骤摘要】
一种图像处理方法和系统


[0001]本说明书涉及图像处理领域，特别涉及一种图像处理方法和系统。

技术介绍

[0002]电子计算机断层扫描(Computed Tomography,CT)在如肝纤维定量化、乳腺肿瘤诊断、脊柱压缩骨折诊断及肾结石尿结石成分探测中，其材料分解技术显示出重要的应用价值。通常可以利用在两个不同的能谱上采集的两个衰减值来求解光电和康普顿贡献，其包括材料的质量衰减系数，从而通过其光电和康普顿贡献的值来识别未知材料实现材料分解。然而，现有的CT成像方法在实际应用时面临着一些不便，例如，CT图像直接通过矩阵求逆材料分解或者最小二乘分解的材料密度图像信噪比会严重退化。
[0003]因此，希望提供一种图像处理方法，以得到高信噪比、低噪声的材料密度图像。

技术实现思路

[0004]本说明书一个方面提供一种图像处理方法。所述方法包括：获取初始材料密度图像；将所述初始材料密度图像输入训练好的图像处理模型以获取目标材料密度图像；其中，所述训练好的图像处理模型对所述初始材料密度图像同时进行分解处理与降噪和/或去伪影处理。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：获取初始材料密度图像；将所述初始材料密度图像输入训练好的图像处理模型以获取目标材料密度图像；其中，所述训练好的图像处理模型对所述初始材料密度图像同时进行分解处理与降噪和/或去伪影处理。2.根据权利要求1所述的方法，其特征在于，所述图像处理模型包括用于对所述初始材料密度图像进行降噪和/或去伪影处理的神经网络模块，以及，用于迭代分解更新所述初始材料密度图像的迭代分解模块。3.根据权利要求1所述的方法，其特征在于，所述获取初始材料密度图像包括：获取待处理图像；基于所述待处理图像，确定所述初始材料密度图像。4.根据权利要求2所述的方法，其特征在于，所述神经网络模块包括基于卷积神经网络构建的图像转换模型，所述迭代分解模块包括获取数据保真项与基于所述图像转换模型确定的惩罚项之和达到最小值时的变量取值的目标函数。5.根据权利要求2所述的方法，其特征在于，所述神经网络模块在所述降噪和/或去伪影处理的迭代计算中初次计算的输入项为所述初始材料密度图像，后续迭代计算中第m次计算的输入项为所述迭代分解模块第m
‑
1次计算得到的更新后的材料密度图像，所述m为大于1的正整数；所述迭代分解模块在所述分解处理的迭代计算中第n次计算的输入项为所述神经网络模块第n次计算输出的材料成分图像，所述n为任意正整数。6.根据权利要求1所述的方法，其特征在于，所述训练好的图像处理模型对所述初始材料密度图像同时进行分解处理与降噪和/或去伪影处理包括：利用迭代方法对所述初始材料密度图像同时进行分解处理与降噪和/或去伪影处理。7.根据权利要求6所述的方法，其特征在于，所述目标材料密度图像为所述图像处理模型在满足第一迭代停止条件时确定的材料密度图像，所述第一迭代停止条件包括迭代计算的迭代次数达到第一预设迭代次数和/或在所述迭代计算中的第一损失函数小...

【专利技术属性】
技术研发人员：杨美丽，傅建伟，
申请(专利权)人：上海联影医疗科技股份有限公司，
类型：发明
国别省市：