System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及人工智能,更具体地,涉及一种图像处理方法、装置、电子设备及存储介质。
技术介绍
1、计算机断层扫描(computed tomography,简称ct)作为一种成像手段,常常用于辅助确定病变部位。不过,当患者体内携载有金属植入物时,比如假牙、髋关节假体等,由于金属对x射线的吸收等原因,通常得到的ct图像会包含明显的条状结构和阴影等伪影现象,这势必会影响识别病变部位的准确性。因此,亟需一种手段来消除计算机断层扫描图像中的伪影。
技术实现思路
1、有鉴于此,本申请实施例提出了一种图像处理方法、装置、电子设备及存储介质。
2、第一方面,本申请实施例提供了一种图像处理方法,方法包括:获取带伪影的污染弦图以及伪影对应的伪影轨迹;根据伪影轨迹以及预置噪声分布,构建伪影噪声分布;根据伪影噪声分布和污染弦图进行采样重建处理,得到伪影对应的干净伪影轨迹弦图;根据污染弦图、伪影轨迹以及干净伪影轨迹弦图进行反投影,确定去伪影医学图像。
3、第二方面,本申请实施例提供了一种图像处理装置,装置包括:获取模块,用于获取带伪影的污染弦图以及伪影对应的伪影轨迹;分布构建模块,用于根据伪影轨迹以及预置噪声分布,构建伪影噪声分布;重建模块,用于根据伪影噪声分布和污染弦图进行采样重建处理,得到伪影对应的干净伪影轨迹弦图;确定模块,用于根据污染弦图、伪影轨迹以及干净伪影轨迹弦图进行反投影,确定去伪影医学图像。
4、可选地,采样重建处理包括在n个时间步中逐时间步削弱弦图中的伪影;
5、可选地,重建模块,还用于根据在时间步1至时间步m中各时间步对应的噪声分布方差,确定在时间步m下的第一加权因子;根据在时间步m对应的噪声分布方差,确定在时间步m下的第二加权因子;计算在时间步m下的第一加权因子以及在时间步m下的估计伪影轨迹噪声的乘积,得到在时间步m下的第一预处理伪影轨迹噪声;根据在时间步m下的伪影轨迹弦图以及在时间步m下的第一预处理伪影轨迹噪声的差值,确定在时间步m下的预处理伪影轨迹弦图;计算在时间步m下的第二加权因子以及在时间步m下的预处理伪影轨迹弦图的乘积,得到在时间步m的后验概率均值。
6、可选地,重建模块,还用于计算预置常数与每个时间步下的噪声分布方差的差值,得到每个时间步下的初始中间结果;计算时间步1至时间步m对应的初始中间结果的乘积,得到在时间步m下的预处理中间结果;根据在时间步m下的预处理中间结果以及在时间步m下的噪声分布方差,得到在时间步m下的第一加权因子。
7、可选地,重建模块,还用于根据在时间步1至时间步m中各时间步对应的噪声分布方差,确定在时间步m下的第三加权因子;根据在时间步m下的第三加权因子和在时间步m从伪影噪声分布中采样获得的伪影轨迹噪声,确定在时间步m对应的第二预处理伪影轨迹噪声;将在时间步m对应的第二预处理伪影轨迹噪声和在时间步m的后验概率均值相加,得到在时间步(m-1)下的伪影轨迹弦图。
8、可选地,重建模块,还用于计算预置常数与每个时间步下的噪声分布方差的差值,得到每个时间步下的初始中间结果;计算时间步1至目标时间步对应的初始中间结果的乘积,得到在目标时间步下的预处理中间结果;目标时间步为时间步1至时间步m中的任意一个时间步;根据在时间步m下的预处理中间结果、在时间步m下的噪声分布方差以及在时间步(m-1)下的预处理中间结果,得到在时间步m下的第三加权因子。
9、可选地,装置还包括训练模块,用于获取带样本伪影的样本污染弦图、样本去伪影医学图像以及样本伪影对应的样本伪影轨迹;根据样本伪影轨迹以及样本去伪影医学图像,确定样本伪影对应的先验干净伪影轨迹弦图;根据样本伪影对应的样本伪影轨迹以及预置噪声分布,构建样本伪影对应的样本伪影噪声分布;根据样本伪影噪声分布、样本污染弦图以及先验干净伪影轨迹弦图,对初始扩散模型进行训练,得到目标扩散模型。
10、可选地,训练模块,还用于通过初始扩散模型根据先验干净伪影轨迹弦图、在时间步q下的样本伪影轨迹噪声以及样本污染弦图进行噪声估计,确定在时间步q下的样本估计伪影轨迹噪声;其中,q∈[1,n],q为整数;在时间步q下的样本伪影轨迹噪声从样本伪影噪声分布中采样获得的;根据样本伪影轨迹、n个时间步中各时间步下的样本估计伪影轨迹噪声以及样本伪影轨迹噪声,确定损失值;通过损失值调整初始扩散模型的参数,得到目标扩散模型。
11、可选地,训练模块,还用于根据时间步1至时间步q对应的噪声分布方差,确定在时间步q下的第一样本加权因子以及第二样本加权因子;计算在时间步q下的第一样本加权因子以及在时间步q下的样本伪影轨迹噪声的乘积,得到在时间步q下的样本预处理伪影轨迹噪音;计算在时间步q下的第二样本加权因子以及先验干净伪影轨迹弦图的乘积,得到在时间步q下的样本预处理伪影轨迹弦图;计算在时间步q下的样本预处理伪影轨迹噪音以及样本预处理伪影轨迹弦图之和,得到在时间步q下的样本伪影轨迹弦图;将在时间步q下的样本伪影轨迹弦图以及样本污染弦图输入初始扩散模型,得到在时间步q下的估计伪影轨迹噪声。
12、可选地,训练模块,还用于计算预置常数与每个时间步下的噪声分布方差的差值,得到每个时间步下的初始中间结果;计算时间步1至时间步q对应的初始中间结果的乘积,得到在时间步q下的预处理中间结果;根据在时间步q下的预处理中间结果,得到在时间步q下的第一样本加权因子以及第二样本加权因子。
13、可选地,训练模块,还用于计算每个时间步下的样本估计伪影轨迹噪声以及样本伪影轨迹的乘积,得到每个时间步下的调整后的样本估计伪影轨迹噪声;计算每个时间步下的调整后的样本估计伪影轨迹噪声以及样本伪影轨迹噪声的的差值,得到计算每个时间步下的噪声差值;根据时间步q到时间步n对应的噪声差值的二范数之和,确定损失值。
14、可选地,去伪影医学图像为多张,多张去伪影医学图像是分别在不同的n值得到的;确定模块,还用于对多张去伪影医学图像进行融合,得到目标去伪影医学图像。
15、可选地,确定模块,还用于根据伪影对应的伪影轨迹确定污染弦图中除伪影以外的区域对应的非伪影掩膜;对污染弦图以及非伪影掩膜进行融合,确定第一融合结果;对本文档来自技高网...
【技术保护点】
1.一种图像处理方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述采样重建处理包括在N个时间步中逐时间步削弱弦图中的伪影;N为大于1的自然数;
3.根据权利要求2所述的方法,其特征在于,所述根据在时间步M下的伪影轨迹弦图以及在时间步M的估计伪影轨迹噪声,确定在时间步M下的后验概率均值,包括:
4.根据权利要求3所述的方法,其特征在于,所述根据在时间步1至时间步M中各时间步对应的噪声分布方差,确定在时间步M下的第一加权因子,包括:
5.根据权利要求2所述的方法,其特征在于,所述根据在时间步M下的后验概率均值和在时间步M从所述伪影噪声分布中采样获得的伪影轨迹噪声,确定在时间步(M-1)下的伪影轨迹弦图,包括:
6.根据权利要求5所述的方法,其特征在于,所述根据在时间步1至时间步M中各时间步对应的噪声分布方差,确定在时间步M下的第三加权因子,包括:
7.根据权利要求2所述的方法,其特征在于,所述通过目标扩散模型根据在时间步M下的伪影轨迹弦图以及所述污染弦图进行噪声估计,确定在时间步M下
8.根据权利要求6所述的方法,其特征在于,所述根据所述样本伪影噪声分布、所述样本污染弦图以及所述先验干净伪影轨迹弦图,对初始扩散模型进行训练,得到所述目标扩散模型,包括:
9.根据权利要求8所述的方法,其特征在于,所述通过初始扩散模型根据所述先验干净伪影轨迹弦图、在时间步Q下的样本伪影轨迹噪声以及所述样本污染弦图进行噪声估计,确定在时间步Q下的样本估计伪影轨迹噪声,包括:
10.根据权利要求8所述的方法,其特征在于,所述根据时间步1至时间步Q对应的噪声分布方差,确定在时间步Q下的第一样本加权因子以及第二样本加权因子,包括:
11.根据权利要求8所述的方法,其特征在于,所述根据所述样本伪影轨迹、N个时间步中各时间步下的样本估计伪影轨迹噪声以及样本伪影轨迹噪声,确定损失值,包括:
12.根据权利要求2所述的方法,其特征在于,所述去伪影医学图像为多张,多张去伪影医学图像是分别在不同的N值得到的;
13.根据权利要求1所述的方法,其特征在于,所述根据所述污染弦图、所述伪影轨迹以及所述干净伪影轨迹弦图进行反投影,确定去伪影医学图像,包括:
14.一种图像处理装置,其特征在于,所述装置包括:
15.一种电子设备,其特征在于,包括:
16.一种计算机可读取存储介质,其特征在于,其上存储有计算机可读指令,当所述计算机可读指令被处理器执行时,实现如权利要求1-13中任一项所述的方法。
...【技术特征摘要】
1.一种图像处理方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述采样重建处理包括在n个时间步中逐时间步削弱弦图中的伪影;n为大于1的自然数;
3.根据权利要求2所述的方法,其特征在于,所述根据在时间步m下的伪影轨迹弦图以及在时间步m的估计伪影轨迹噪声,确定在时间步m下的后验概率均值,包括:
4.根据权利要求3所述的方法,其特征在于,所述根据在时间步1至时间步m中各时间步对应的噪声分布方差,确定在时间步m下的第一加权因子,包括:
5.根据权利要求2所述的方法,其特征在于,所述根据在时间步m下的后验概率均值和在时间步m从所述伪影噪声分布中采样获得的伪影轨迹噪声,确定在时间步(m-1)下的伪影轨迹弦图,包括:
6.根据权利要求5所述的方法,其特征在于,所述根据在时间步1至时间步m中各时间步对应的噪声分布方差,确定在时间步m下的第三加权因子,包括:
7.根据权利要求2所述的方法,其特征在于,所述通过目标扩散模型根据在时间步m下的伪影轨迹弦图以及所述污染弦图进行噪声估计,确定在时间步m下的估计伪影轨迹噪声之前,所述方法还包括:
8.根据权利要求6所述的方法,其特征在于,所述根据所述样本伪影噪声分布、所述样本污染弦图以及所述先验干净伪影轨迹弦图...
【专利技术属性】
技术研发人员:王红,郑冶枫,
申请(专利权)人:腾讯科技深圳有限公司,
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。