【技术实现步骤摘要】
一种用于糖尿病肾脏病变分类的图像增强方法及设备
[0001]本专利技术属于医疗图像处理
,具体地说,涉及一种用于糖尿病肾脏病变分类的图像增强方法及设备。
技术介绍
[0002]糖尿病肾病是糖尿病的常见并发症,也是患者因糖尿病死亡的主要原因之一。患者通常伴有厌食、体重减轻、虚弱无力、蛋白尿和高血压等症状。传统的诊断方法是依赖医生肉眼观察肾脏病理影像来判断糖尿病肾病所处的阶段,然后针对性地制定治疗方案。但是病情的诊断严重依赖于医生的实际临床经验,而且工作量大,尤其是对于一些重点医院,就诊患者多,医疗负担大。
[0003]利用图像分类网络对肾脏CT图像进行分类,以辅助诊断糖尿病肾病,是减轻医疗负担的有效途径。但是受到设备性能和诊疗费用各方面的限制,实际获取的CT图像质量普遍比较低,这限制了图像分类模型分类的准确率。
技术实现思路
[0004]针对现有技术中上述的不足,本专利技术提供了一种用于糖尿病肾脏病变分类的图像增强方法及设备,通过提高肾脏CT图像的质量,以提高图像分类网络对糖尿病肾病分类的准确率。
[0005]为了达到上述目的,本专利技术采用的解决方案是:一种用于糖尿病肾脏病变分类的图像增强方法,包括以下步骤:
[0006]S1、获取糖尿病患者肾脏CT图像,对所述肾脏CT图像进行对比度增强处理,获得第一图像;
[0007]S2、获取所述第一图像,对所述第一图像进行去噪处理,获得第二图像;
[0008]S3、获取所述第二图像,获取训练好的超分辨率重建网络,将第 ...
【技术保护点】
【技术特征摘要】
1.一种用于糖尿病肾脏病变分类的图像增强方法,其特征是:包括以下步骤:S1、获取糖尿病患者肾脏CT图像,对所述肾脏CT图像进行对比度增强处理,获得第一图像;S2、获取所述第一图像,对所述第一图像进行去噪处理,获得第二图像;S3、获取所述第二图像,获取训练好的超分辨率重建网络,将第二图像输入所述超分辨率重建网络进行超分辨率重建,获得第三图像,所述第三图像的分辨率大于所述第二图像的分辨率;所述超分辨率重建网络包括:初步特征提取单元,所述初步特征提取单元设于所述超分辨率重建网络的前端,所述初步特征提取单元接收所述第二图像作为输入,输出获得第一特征图;MDC特征提取单元,所述MDC特征提取单元设于所述初步特征提取单元的下游端,多个所述MDC特征提取单元首尾顺次连接,前一个MDC特征提取单元的输出作为下一个MDC特征提取单元的输入,所述第一特征图顺次经过多个所述MDC特征提取单元后,输出得到第二特征图;上采样单元,所述上采样单元设于所述MDC特征提取单元的下游端,所述上采样单元用于对所述第二特征图进行超分辨率重建,获得所述第三图像;其中,所述MDC特征提取单元可以用如下数学模型表示:G1=σ1(f
d
(L
n
‑1))G2=σ2(f3(L
n
‑1))G3=σ3(f5(L
n
‑1))G4=[σ4(f
11
(G1+G2)),G2,G3]G5=f
f
(f
e
(G4),G4)G6=σ5(f
12
(G5))L
n
=f
RD
(L
n
‑1,G6)其中,L
n
‑1表示输入所述MDC特征提取单元的特征图,f
d
表示卷积核大小为3*3的可变形卷积操作,f3表示卷积核大小为3*3的普通卷积操作,f5表示卷积核大小为5*5的普通卷积操作,f
11
和f
12
均表示卷积核大小为1*1的普通卷积操作,σ1、σ2、σ3、σ4和σ5均表示非线性激活函数ReLU,[
·
]表示对其中的特征图进行拼接操作,f
e
表示增强通道注意力模块,f
f
表示调制模块,所述调制模块用于将特征图G4与所述增强通道注意力模块的输出融合,f
RD
表示前后融合模块,所述前后融合模块用于将特征图G6与输入所述MDC特征提取单元的特征图融合,所述前后融合模块输出的特征图通道数量与输入所述MDC特征提取单元的特征图通道数量相同,L
n
表示所述前后融合模块...
【专利技术属性】
技术研发人员:黄昶荃,李永红,李江玥,孙玉彬,
申请(专利权)人:成都大学附属医院,
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。