【技术实现步骤摘要】
【国外来华专利技术】深度无监督的图像质量增强
[0001]本专利技术涉及一种用于训练用于图像质量增强的机器学习模型的训练系统，涉及训练过的机器学习模型，涉及一种训练用于图像质量增强的机器学习模型的方法，涉及一种医学成像中图像质量增强的方法，涉及一种成像装置，涉及一种计算机程序单元，以及涉及一种计算机可读介质。
技术介绍
[0002]医学成像中增强的图像质量使改善的诊断准确性和对患者进行更适当的管理成为可能。
[0003]例如，在X射线成像中，如CT(计算机断层显象)扫描，图像质量(IQ)有许多组成部分并受到许多技术参数影响。
[0004]虽然图像质量一直是临床医学界关注的问题，但由于近年来人们更加关注减少辐射剂量的策略，确保临床上可接受的图像质量已成为更重要的问题。
技术实现思路
[0005]在图像质量增强领域可能有改善的需要。
[0006]本专利技术的目的是由独立权利要求的主题解决的，进一步的实施例纳入从属权利要求中。应指出的是，本专利技术的下述方面同样适用于训练过的机器学习模型、训练用于图像质量增强的...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种训练系统(TS)，所述训练系统用于训练用于医学图像中的图像质量增强的机器学习模型，所述训练系统包括：用于接收训练输入图像的输入界面；生成对抗型的人工神经网络模型(G，D)框架，所述人工神经网络模型框架包括生成器网络(G)和判别器网络(D)；所述生成网络(G)被配置为处理所述训练输入图像以产生训练输出图像缩小器(DS)，所述缩小器被配置为缩小所述训练输入图像，并且所述判别器被配置为在缩小的所述训练输入图像(I')和所述训练输出图像之间进行判别，以产生判别结果(l
f
，l
g
)，以及训练控制器(TC)，所述训练控制器被配置为基于所述判别结果(l
f
，l
g
)调整所述人工神经网络模型框架的参数，其中，所述生成器(G)包括第一部分(P1)，所述第一部分具有包括两个处理线的架构，所述两个处理线成复杂度降低器线(SE)和复杂度增强器线(SR)，所述复杂度降低器线(SE)用于处理输入图像以获得具有比所述输入图像更简单的表示的第一中间图像，而所述复杂度增强器线(SR)用于变换所述中间图像以获得具有比所述中间图像更复杂的表示的第二中间图像(S')，其中，所述生成器(G)包括第二部分(P2)，所述第二部分被配置为将所述第二中间图像(S')处理成第三中间图像(N)，以降低所述第三中间图像中的噪声，并将如此获得的噪声降低的噪声图像(N')与所述第二中间图像(S')相组合以获得所述训练输出图像。2.根据权利要求1所述的系统，其中，所述判别器(D)被配置为逐个图像块进行判别。3.根据前述权利要求中的任一项所述的系统，其中，所述第一部分(P1)具有包括所述两个处理线的多尺度架构，其中，所述复杂度降低器线包括缩小线(DS)，而所述复杂度增强器线(SR)包括放大线(US)，所述缩小线用于将所述输入图像缩小以获得所述第一中间图像，所述放大线用于将所述中间图像放大以获得所述训练输出图像或能够加工成所述训练输出图像的所述第二中间图像(S')。4.根据前述权利要求中的任一项所述的系统，其中，所述复杂度降低器线包括稀疏性增强器线(SE)并且所述复杂度增强器线包括稀疏性降低器线(SR)，所述稀疏性增强器线用于处理所述输入图像以获得比所述输入图像具有更大稀疏性的所述第一中间图像，并且所述稀疏性降低器线用于降低所述中间图像的稀疏性以获得所述训练输出图像或能够处理成所述训练输出图像的所述第二中间图像(S')。5.根据前述权利要求中的任一项所述的系统，其中，所述训练控制器(TC)的操作是基于以下中的任一项或多项来调整所述参数：i)所述第三中间图像(N)与从所述输入图像计算的噪声图的对比，ii)所述第二中间图像特性(S')的平滑度，iii)a)所述第二中间图像(S')的低通滤波版本(S)与b)所述第三中间图像(N)之间的依赖关系。6.一种训练过的机器学习模型，所述训练过的机器学习模型是在处理一个或多个训练输入图像后，作为根据权利要求1
‑
5中的任一项所述的训练系统(TS)的所述生成网络(G)获得的。
7.至少一种计算机可...
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。