一种CT图像分辨率优化方法及装置制造方法及图纸

本发明专利技术公开了一种CT图像分辨率优化方法及装置，采集若干个CT匹配图像对，并基于采集的CT匹配图像对构建训练数据集；构建用于将低分辨率CT图像重建为高分辨率CT图像的神经网络模型；利用训练数据集训练神经网络模型，得到训练好的神经网络模型；将待优化的目标CT图像输入至训练好的神经网络模型中，得到高分辨率的目标CT图像。可见，本申请可利用深度学习将低分辨率CT图像重建为高分辨率CT图像，即无需CT超分辨率扫描也能得到高分辨率的CT图像，从而在提高CT图像分辨率的同时降低患者在扫描过程中损害健康的风险；而且，本申请的训练数据集采用患者真实的临床数据，使得构建的神经网络模型具有更强的普适性。经网络模型具有更强的普适性。经网络模型具有更强的普适性。

【技术实现步骤摘要】
一种CT图像分辨率优化方法及装置


[0001]本专利技术涉及医学成像领域，特别是涉及一种CT图像分辨率优化方法及装置。

技术介绍

[0002]CT（computerized tomography，计算机断层）扫描是一种应用于放射学的医学成像技术，用于以无创方式获取身体的详细图像以进行诊断。CT扫描仪的原理是：使用旋转的X射线管和放置在机架中的一排探测器来测量体内不同组织的X射线衰减，然后使用重建算法在计算机上处理从不同角度拍摄的多个X射线测量结果，以生成身体的断层扫描（横截面）图像。
[0003]常规胸部CT扫描由于视野大、层厚较厚，不能全面观察肺结节影像特征。CT超分辨率扫描又称放大扫描、感兴趣区扫描，是针对肺部<3cm的病灶，也就是我们所说的“肺结节”所进行的小范围局部扫描。简而言之，CT超分辨率扫描就是肺部CT检查时以小视角、小范围的扫描，扫描范围小于全肺，优势在于可以薄层地找到病灶并放大病灶。
[0004]CT超分辨率扫描可以更全面、多方位、更直观地观察病灶的形态、特征，观察病灶边缘、中心结构，然后通过计算机处理和医生的经验去发现有价值的诊断线索，从而得出更为准确的结论。CT超分辨率扫描通过提高空间分辨率，更好地显示肺结节病变特征，为肺内结节的定性诊断提供更多的依据。但为了提高扫描精度，提高图像分辨率，CT超分辨率扫描往往会带来更高的辐射剂量，对患者造成更高的潜在癌变风险。
[0005]因此，如何提供一种解决上述技术问题的方案是本领域的技术人员目前需要解决的问题。
>
技术实现思路

[0006]本专利技术的目的是提供一种CT图像分辨率优化方法及装置，可利用深度学习将低分辨率CT图像重建为高分辨率CT图像，即无需CT超分辨率扫描也能得到高分辨率的CT图像，从而在提高CT图像分辨率的同时降低患者在扫描过程中损害健康的风险；而且，本申请的训练数据集采用患者真实的临床数据，使得构建的神经网络模型具有更强的普适性。
[0007]为解决上述技术问题，本专利技术提供了一种CT图像分辨率优化方法，包括：采集若干个CT匹配图像对，并基于采集的CT匹配图像对构建训练数据集；其中，每个CT匹配图像对均包括分辨率高于预设分辨率阈值的高分辨率CT图像和分辨率低于所述预设分辨率阈值的低分辨率CT图像；同一CT匹配图像对中高分辨率CT图像和低分辨率CT图像对应同一患者的相同扫描位置；构建用于将低分辨率CT图像重建为高分辨率CT图像的神经网络模型；利用所述训练数据集训练所述神经网络模型，得到训练好的神经网络模型；将待优化的目标CT图像输入至训练好的神经网络模型中，得到高分辨率的目标CT图像。
[0008]可选地，采集若干个CT匹配图像对，包括：
对同一患者进行连续两次分辨率不同的CT扫描，以得到由高分辨率CT图像和低分辨率CT图像组成的CT匹配图像对。
[0009]可选地，在得到由高分辨率CT图像和低分辨率CT图像组成的CT匹配图像对之后，在基于采集的CT匹配图像对构建训练数据集之前，所述CT图像分辨率优化方法还包括：对同一CT匹配图像对中高分辨率的第一CT图像和低分辨率的第二CT图像进行归一化处理；基于归一化处理后的第一CT图像和第二CT图像的空间范围，将所述第一CT图像和所述第二CT图像在同一坐标系下进行拟合，相应得到第一CT拟合图像和第二CT拟合图像；分别从原始的第二CT图像和所述第二CT拟合图像中提取若干个预设大小的低分辨率图像矩阵；其中，从原始的所述第二CT图像中提取的任一低分辨率图像矩阵与从所述第二CT拟合图像中提取的同等图像位置的低分辨率图像矩阵组成同一组低分辨率图像矩阵；分别从所述第一CT拟合图像中找到与每组低分辨率图像矩阵中两个低分辨率图像矩阵相匹配的高分辨率图像矩阵，并将每组低分辨率图像矩阵中匹配程度更高的低分辨率图像矩阵及与之匹配的高分辨率图像矩阵组成一个CT匹配图像矩阵对，以得到若干个由低分辨率图像矩阵及与之匹配的高分辨率图像矩阵组成的CT匹配图像矩阵对；对得到的CT匹配图像矩阵对进行数据扩增处理，以基于数据扩增后的CT匹配图像矩阵对构建训练数据集。
[0010]可选地，对同一CT匹配图像对中高分辨率的第一CT图像和低分辨率的第二CT图像进行归一化处理，包括：根据预设第一归一化关系式X
’
=(x
‑
min)/(max
‑
min)对所述第一CT图像和所述第二CT图像进行归一化处理；其中，x为待归一化的图像数据；X
’
为归一化后的图像数据；max为待归一化的CT图像中的最大图像数据或预设最大图像数据；min为待归一化的CT图像中的最小图像数据或预设最小图像数据。
[0011]可选地，对同一CT匹配图像对中高分辨率的第一CT图像和低分辨率的第二CT图像进行归一化处理，包括：根据预设第二归一化关系式X
’
=(x
‑
u)/v对所述第一CT图像和所述第二CT图像进行归一化处理；其中，x为待归一化的图像数据；X
’
为归一化后的图像数据；u为待归一化的CT图像的图像数据均值；v为待归一化的CT图像的图像数据标准差。
[0012]可选地，对同一CT匹配图像对中高分辨率的第一CT图像和低分辨率的第二CT图像进行归一化处理，包括：根据预设第三归一化关系式X
’
=(x
‑
air)/(bone
‑
air)对所述第一CT图像和所述第二CT图像进行归一化处理；其中，x为待归一化的图像数据；X
’
为归一化后的图像数据；bone表示骨骼的特征CT值，其值为标准亨氏单位计算公式对应的骨头数值，或表征待归一化的CT图像上同一像素值的数量的统计直方图的最大峰值，或分辨率高于预设分辨率阈值的一CT显示图像中的窗宽窗位计算的前景阈值；air表示图像背景的特征CT值，其值为所有CT图像的最小CT值，或标准亨氏单位计算公式对应的空气数值，或表征待归一化的CT图像上同
一像素值的数量的统计直方图的最小峰值，或分辨率高于预设分辨率阈值的一CT显示图像中的窗宽窗位计算的背景阈值。
[0013]可选地，从所述第一CT拟合图像中找到与每个所述低分辨率图像矩阵相匹配的高分辨率图像矩阵，包括：从所述第一CT拟合图像所在的坐标系的预设范围内的高分辨率图像中，筛选出与目标低分辨率图像矩阵的峰值信噪比最大和/或图像相似性指数最高和/或平均绝对误差最小和/或平均平方误差最小的目标高分辨率图像矩阵，并将所述目标高分辨率图像矩阵作为与所述目标低分辨率图像矩阵相匹配的高分辨率图像矩阵；其中，所述目标低分辨率图像矩阵为任一所述低分辨率图像矩阵。
[0014]可选地，采集若干个CT匹配图像对，包括：对目标患者进行高分辨率的CT扫描，得到所述目标患者的高分辨率CT图像；对所述目标患者的高分辨率CT图像进行一次或多次下采样处理，得到所述目标患者的低分辨率CT图像，以得到由高分辨率CT图像和低分辨率CT图像组成的CT匹配图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种CT图像分辨率优化方法，其特征在于，包括：采集若干个CT匹配图像对，并基于采集的CT匹配图像对构建训练数据集；其中，每个CT匹配图像对均包括分辨率高于预设分辨率阈值的高分辨率CT图像和分辨率低于所述预设分辨率阈值的低分辨率CT图像；同一CT匹配图像对中高分辨率CT图像和低分辨率CT图像对应同一患者的相同扫描位置；构建用于将低分辨率CT图像重建为高分辨率CT图像的神经网络模型；利用所述训练数据集训练所述神经网络模型，得到训练好的神经网络模型；将待优化的目标CT图像输入至训练好的神经网络模型中，得到高分辨率的目标CT图像。2.如权利要求1所述的CT图像分辨率优化方法，其特征在于，采集若干个CT匹配图像对，包括：对同一患者进行连续两次分辨率不同的CT扫描，以得到由高分辨率CT图像和低分辨率CT图像组成的CT匹配图像对。3.如权利要求2所述的CT图像分辨率优化方法，其特征在于，在得到由高分辨率CT图像和低分辨率CT图像组成的CT匹配图像对之后，在基于采集的CT匹配图像对构建训练数据集之前，所述CT图像分辨率优化方法还包括：对同一CT匹配图像对中高分辨率的第一CT图像和低分辨率的第二CT图像进行归一化处理；基于归一化处理后的第一CT图像和第二CT图像的空间范围，将所述第一CT图像和所述第二CT图像在同一坐标系下进行拟合，相应得到第一CT拟合图像和第二CT拟合图像；分别从原始的第二CT图像和所述第二CT拟合图像中提取若干个预设大小的低分辨率图像矩阵；其中，从原始的所述第二CT图像中提取的任一低分辨率图像矩阵与从所述第二CT拟合图像中提取的同等图像位置的低分辨率图像矩阵组成同一组低分辨率图像矩阵；分别从所述第一CT拟合图像中找到与每组低分辨率图像矩阵中两个低分辨率图像矩阵相匹配的高分辨率图像矩阵，并将每组低分辨率图像矩阵中匹配程度更高的低分辨率图像矩阵及与之匹配的高分辨率图像矩阵组成一个CT匹配图像矩阵对，以得到若干个由低分辨率图像矩阵及与之匹配的高分辨率图像矩阵组成的CT匹配图像矩阵对；对得到的CT匹配图像矩阵对进行数据扩增处理，以基于数据扩增后的CT匹配图像矩阵对构建训练数据集。4.如权利要求3所述的CT图像分辨率优化方法，其特征在于，对同一CT匹配图像对中高分辨率的第一CT图像和低分辨率的第二CT图像进行归一化处理，包括：根据预设第一归一化关系式X
’
=(x
‑
min)/(max
‑
min)对所述第一CT图像和所述第二CT图像进行归一化处理；其中，x为待归一化的图像数据；X
’
为归一化后的图像数据；max为待归一化的CT图像中的最大图像数据或预设最大图像数据；min为待归一化的CT图像中的最小图像数据或预设最小图像数据。5.如权利要求3所述的CT图像分辨率优化方法，其特征在于，对同一CT匹配图像对中高分辨率的第一CT图像和低分辨率的第二CT图像进行归一化处理，包括：根据预设第二归一化关系式X
’
=(x
‑<...

【专利技术属性】
技术研发人员：潘博洋，龚南杰，
申请(专利权)人：南昌睿度医疗科技有限公司，
类型：发明
国别省市：