使用深度卷积网络的噪声抑制制造技术

一种机器学习网络被训练成从放射摄影(X射线)图像生成噪声场图像。该训练包括：访问许多先前采集的放射摄影图像；复制先前采集的放射摄影图像；以及用模拟的噪声内容调节复制的图像中的每个，以形成多个模拟的低曝光量图像。模拟的低曝光量图像中的每个与其对应的先前采集的图像成对以形成学习对。机器学习网络被训练成使用图像的学习对来生成噪声场图像。对象的经噪声抑制的图像能够通过以下方式来生成：将缩放因子应用于对应的噪声场图像的至少一部分并且将经缩放的噪声场图像与对象的当前捕获的图像组合。当前捕获的图像组合。当前捕获的图像组合。

【技术实现步骤摘要】
【国外来华专利技术】使用深度卷积网络的噪声抑制


[0001]本公开一般涉及数字图像处理的领域，并且更特别地涉及用于数字X射线图像中的噪声抑制的方法。

技术介绍

[0002]为了提供适合于诊断目的的放射摄影图像，某种图像增强措施通常是期望的。在支配放射摄影图像的图像质量的基本属性之中的是亮度、动态范围、细节的对比度(或细节对比度)、边缘的锐度、图像曝光范围(latitude)以及噪声在图像中的出现。
[0003]噪声抑制对于使用数字X射线成像的从业人员而言是相当令人感兴趣的。通过使噪声内容最小化或消除噪声内容，图像处理系统可以渲染更准确地表示对促进诊断和治疗有用的解剖特征或结构特征的图像。
[0004]使用深度卷积神经网络(具体的人工智能(AI)工具)的噪声抑制是用于在数字医学X射线图像中实现显著地更低的噪声的相对新近的方法。该方法的一个优点在于：与使用基于低通滤波的传统噪声减少方法相比，更好地保留高频图像内容，诸如高对比度边缘和低对比度边缘。此外，图像中的平的(flat)区域维持原始的噪声纹理(尽管在更低得多的级别下)，从而防止在图像增强之后噪声在本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种生成经噪声抑制的放射摄影图像的计算机实现的方法，所述方法包括以下的步骤：训练机器学习网络以通过以下方式来从当前的放射摄影图像生成噪声场图像：访问多个先前采集的标准曝光量放射摄影图像；复制所述先前采集的标准曝光量放射摄影图像中的每个；用模拟的噪声内容调节所述复制的图像中的每个，以形成多个模拟的低曝光量图像，将每个模拟的低曝光量图像与其对应的先前采集的标准曝光量放射摄影图像相关联，以形成放射摄影图像的多个学习对；以及训练所述机器学习网络以使用放射摄影图像的所述多个学习对来生成噪声场图像；捕获对象的当前的放射摄影图像，并且使用所述经训练的机器学习网络来从所述对象的所述当前的放射摄影图像生成对应的噪声场图像；抑制所述对象的所述当前的放射摄影图像中的噪声，包括将缩放因子应用于所述对应的噪声场图像的至少一部分并且将所述经缩放的噪声场图像与所述对象的所述当前的放射摄影图像组合；以及显示、存储或传送所述对象的所述经噪声抑制的放射摄影图像。2.根据权利要求1所述的计算机实现的方法，还包括基于所述对象的所述当前的放射摄影图像的相同部分中的曝光量级别而确定所述缩放因子的幅度。3.根据权利要求2所述的计算机实现的方法，其中，所述缩放因子包括相对于所述曝光量级别的基本上线性的关系。4.根据权利要求1所述的计算机实现的方法，还包括根据所述对象的所述当前的放射摄影图像的空间频率来确定所述缩放因子的幅度。5.根据权利要求1所述的计算机实现的方法，还包括响应于可变的用户输入来确定所述缩放因子的幅度。6.根据权利要求5所述的计算机实现的方法，还包括当用户正改变所述可...

【专利技术属性】
技术研发人员：W，
申请(专利权)人：锐珂医疗公司，
类型：发明
国别省市：