一种低剂量CT图像修复方法、系统及存储介质技术方案

本发明专利技术涉及图像处理技术领域，具体涉及一种低剂量CT图像修复方法、系统及存储介质，方法包括：构建深度神经网络，将数据集输入至深度神经网络进行训练，得到低剂量CT图像的关键信息特征；通过改进的去噪器对低剂量CT图像的关键信息特征进行去噪处理，得到低剂量CT图像的重建图像，进而确定低剂量CT图像和正常剂量CT图像的损失函数；构建图像恢复模型，建立图像恢复模型的求解模型；基于求解模型对深度神经网络进行迭代训练，得到低剂量CT图像修复模型；获取待修复的低剂量CT图像，将待修复的低剂量CT图像输入低剂量CT图像修复模型，得到修复后的CT图像；本发明专利技术能够提高低辐射剂量的CT图像修复质量。

【技术实现步骤摘要】

本专利技术涉及图像处理，具体涉及一种低剂量ct图像修复方法、系统及存储介质。

技术介绍

1、随着医用ct的越来越普及，x射线对人体的影响备受关注。高剂量ct检查确实会对人体造成一定的伤害。最常用的方法是降低x射线的剂量。然而，降低x射线剂量会使管电流减少，低剂量ct（低剂量ct）技术可以用更少的光子被探测器接收。这意味着x射线通量越低，就会越严重地影响ct图像的质量，这会降低ct图像的质量并可能影响诊断性能。因此，研究降低辐射剂量并保持ct图像质量具有重要的研究价值和临床意义，该工作在医学影像领域引起的极大关注。虽然大多数现有的深度学习神经网络通过直接将低质量图像映射到理想的正常质量图像来解决问题，但表征图像退化过程的观察模型却被大多数忽略了。

2、因此，如何在提高ct图像质量的同时降低辐射剂量成为亟待解决的问题。

技术实现思路

1、本专利技术目的在于提供一种低剂量ct图像修复方法、系统及存储介质，能够提高低辐射剂量的ct图像修复质量。

2、为了实现上述目的，本专利技术提供以下技术方案本文档来自技高网...

【技术保护点】

1.一种低剂量CT图像修复方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的一种低剂量CT图像修复方法，其特征在于，S200中，所述构建用于修复低剂量CT图像的深度神经网络，将所述数据集输入至所述深度神经网络进行训练，得到所述低剂量CT图像的关键信息特征，包括：

3.根据权利要求2所述的一种低剂量CT图像修复方法，其特征在于，所述低剂量CT图像和正常剂量CT图像的损失函数通过以下公式计算得到：

4.根据权利要求3所述的一种低剂量CT图像修复方法，其特征在于，S400中，所述构建用于图像恢复的图像恢复模型，将所述图像恢复模型转换为求解模型...

【技术特征摘要】

1.一种低剂量ct图像修复方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的一种低剂量ct图像修复方法，其特征在于，s200中，所述构建用于修复低剂量ct图像的深度神经网络，将所述数据集输入至所述深度神经网络进行训练，得到所述低剂量ct图像的关键信息特征，包括：

3.根据权利要求2所述的一种低剂量ct图像修复方法，其特征在于，所述低剂量ct图像和正常剂量ct图像的损失函数通过以下公式计算得到：

4.根据权利要求3所述的一种低剂量ct图像修复方法，其特征在于，s400中...

【专利技术属性】
技术研发人员：邹利兰，叶爱萍，林聪，李超传，毛鑫，蔡东耀，陈悦，
申请(专利权)人：广东海洋大学，
类型：发明
国别省市：