【技术实现步骤摘要】
本公开涉及数字成像校正领域，并且更具体地涉及医学诊断成像。
技术介绍
1、包括医学成像技术诸如x射线成像在内的数字成像技术允许非侵入性采集受检者诸如患者的内部结构或特征的图像。数字成像系统产生可以重建为放射摄影图像的数字数据。在数字x射线成像系统中，来自源的辐射朝向受检者。辐射的一部分穿过受检者并冲击检测器。检测器包括离散图片元素或检测器像素的阵列，并且基于冲击每个像素区域的辐射的量或强度来生成输出信号。随后处理输出信号以生成可显示以供查看的图像。这些图像用于识别和/或检查患者体内的内部结构和器官。
2、x射线和其他数字图像中的噪声会导致像素亮度发生随机变化，从而使图像呈现斑驳、粒状、纹理或雪花的外观。尽管噪声使图像呈现通常不期望的外观，但最显著的影响是噪声可能覆盖或降低图像内某些特征的可见度。对于x射线图像，噪声的主要贡献因素是量子，这在向受检者施用不足的x射线剂量时发生，从而导致检测器水平的计数统计信息不佳。
3、为了减少数字图像(例如，由成像程序产生的x射线图像)中的噪声量，一种选择是在获得x射线图像时增加对患者的x射线剂量。然而，由于当前x射线成像系统和技术的焦点是减少对患者的x射线剂量，因此不经常利用这种解决方案。
4、作为替代形式，x射线和其他数字成像系统以及相关的图像处理技术利用机器学习，特别是与数字成像系统一起使用和/或结合在数字成像系统内的深度学习(dl)网络。训练这些机器学习/深度学习网络以检测并减少数字图像内存在的噪声，以便提供使得能够清楚地查看数字图像内显示的结构和特征
5、用于训练dl网络以用于数字图像去噪目的的现有技术方法采用生成干净和有噪数字图像对的数据集的过程，其中干净图像不含或含有很少或很低噪声，即表示干净图像的期望噪声量，而有噪图像是具有变化量的添加噪声的对应干净图像。在训练期间，dl网络基于其架构对有噪图像执行操作以对有噪图像进行去噪，然后将其与作为参考的干净图像进行比较以确定去噪图像与干净参考图像之间的误差或差异。然后利用在由被训练的dl网络输出的去噪图像与干净参考图像之间确定的对应误差来更新由dl网络采用的去噪参数，以便使得dl网络能够减少在有噪图像的后续去噪中的误差量。dl网络参数的这种更新在dl网络的训练过程期间以迭代方式发生许多次，其中dl网络对训练数据集中的图像进行许多次去噪，直到用于dl网络的操作的更新参数收敛为止，这实现了与干净参考图像非常相似的去噪图像。作为在训练过程期间确定的优化参数的结果，可以采用dl网络来对由成像系统生成的数字图像进行去噪，以实现具有与干净参考图像的质量或噪声水平相似或相同的质量或噪声水平的图像。
6、然而，作为在训练数据集中利用的干净参考图像的特征的结果，在许多情况下，用于dl网络的操作的优化参数可能降低由dl网络产生的去噪图像的图像质量。这种图像质量降低可以通过dl网络的操作通过消除图像内特定频率处的所有噪声而被引入去噪图像中，这也可以去除和/或劣化图像内相同频率处或附近的特定细节，诸如去噪图像中各种细节的清晰度和/或噪声纹理。此外，关于去噪以实现经由一种成像模态获得的干净参考图像而学习的参数对于获得经由另一种成像模态获得的去噪图像可能不是最佳的。
7、因此，期望开发一种用于对dl网络进行去噪的训练方法，其使得dl网络能够学习去除少于数字图像内存在的所有噪声，以便保持数字图像内细节的清晰度。经训练的dl网络可以在合适的成像系统(诸如医学成像系统，包括但不限于x射线成像系统)内用于通过dl网络对数字医学诊断图像进行去噪，以保持图像内细节的清晰度并改善图像的诊断特性。此外，期望开发一种具有改进的去噪强度可调谐性的去噪dl网络。
技术实现思路
1、根据本公开的示例性实施方案的一个方面，提供了一种用于对数字图像(诸如由医学成像系统产生的数字诊断医学图像)进行去噪的dl网络。通过使用数字图像的数据集来训练dl网络，所述数据集包括由干净x射线形成的有噪图像或具有添加到其上的一定量的噪声的数字图像。另外，dl网络所利用的干净参考x射线或数字图像也具有添加到其上的一定量的噪声。添加到干净参考x射线或数字图像的噪声(即，残余噪声)是添加到图像以形成有噪图像的噪声的一部分，使得要与去噪图像进行比较的干净参考图像也含有小部分噪声。干净参考x射线或数字图像中的该残余噪声教导dl网络在训练过程中不去除所有噪声。通过在有噪图像中留下选定量的噪声，dl网络可以被调谐成从有噪图像中去除更多或更少的噪声，以便调整由dl网络提供的去噪的强度。
2、根据本公开的另一个示例性实施方案，一种用于训练x射线系统的去噪器的方法包括以下步骤：提供x射系统，该x射系统具有：x射线源；能够与x射线源对准的x射线检测器；可操作地连接到x射线源和x射线检测器以生成x射线图像数据的图像处理系统，该图像处理系统包括用于处理来自检测器的x射线图像数据的处理单元；可操作地连接到处理单元并存储用于操作去噪器和去噪器训练系统的指令的非暂态存储器；可操作地连接到图像处理系统以向用户呈现信息的显示器；以及可操作地连接到图像处理系统以实现到图像处理系统的用户输入的用户界面；生成模拟噪声；将模拟噪声添加到干净x射线或数字图像以形成有噪图像；将模拟噪声乘以一个分数以创建残余噪声；将残余噪声添加到干净x射线或数字图像以形成参考图像；以及将有噪图像和参考图像作为训练数据集提供给去噪器。
3、根据本公开的一个示例性实施方案的又一方面，一种x射线系统包括：x射线源；能够与x射线源对准的x射线检测器；可操作地连接到x射线源和x射线检测器以生成x射线图像数据的图像处理系统，该图像处理系统包括用于处理来自检测器的x射线图像数据的处理单元；可操作地连接到处理单元并存储用于操作去噪器和去噪器训练系统的指令的非暂态存储器；可操作地连接到图像处理系统以向用户呈现信息的显示器；以及可操作地连接到图像处理系统以实现到图像处理系统的用户输入的用户界面，其中去噪器和去噪器训练系统的处理单元和非暂态存储器被配置为：生成模拟噪声；将模拟噪声添加到干净x射线或数字图像以形成有噪图像；将模拟噪声乘以一个分数以创建残余噪声；将残余噪声添加到干净x射线或数字图像以形成参考图像；以及将有噪图像和参考图像作为训练数据集提供给去噪器。
4、根据本公开的一个示例性实施方案的又一方面，一种x射线系统包括：x射线源；能够与x射线源对准的x射线检测器；可操作地连接到x射线源和x射线检测器以生成x射线图像数据的图像处理系统，该图像处理系统包括用于处理来自检测器的x射线图像数据的处理单元；可操作地连接到处理单元并存储用于操作去噪器和去噪器训练系统的指令的非暂态存储器；可操作地连接到图像处理系统以向用户呈现信息的显示器；以及可操作地连接到图像处理系统以实现到图像处理系统的用户输入的用户界面，其中去噪器和去噪器训练系统的处理单元和非暂态存储器被配置为：生成模拟噪声；将模拟噪声添加到干净x射线或数字图像以形成有噪图本文档来自技高网...
【技术保护点】
1.一种用于训练数字成像系统的盲去噪器或非盲去噪器中的一者的方法，所述方法包括以下步骤：
2.根据权利要求1所述的方法，其中所述训练噪声是图像无关的。
3.根据权利要求1所述的方法，其中所述训练噪声是图像相关的。
4.根据权利要求1所述的方法，其中所述训练噪声能够从实际图像中提取或从期望分布中模拟。
5.根据权利要求1所述的方法，其中所述生成训练噪声的步骤包括所述噪声的变换。
6.根据权利要求5所述的方法，其中所述生成训练噪声的步骤包括所述噪声的变换以模拟系统的物理行为。
7.根据权利要求6所述的方法，其中所述生成训练噪声的步骤包括所述噪声的变换以模拟系统的部件的所述物理行为。
8.根据权利要求5所述的方法，其中所述噪声变换仅应用于被添加以形成所述参考图像的所述噪声。
9.根据权利要求5所述的方法，其中所述噪声变换仅应用于被添加以形成所述有噪图像的所述噪声。
10.根据权利要求1所述的方法，所述方法还包括形成噪声图作为所述训练数据集的一部分以实现非盲去噪器的步骤。
<...【技术特征摘要】
1.一种用于训练数字成像系统的盲去噪器或非盲去噪器中的一者的方法，所述方法包括以下步骤：
2.根据权利要求1所述的方法，其中所述训练噪声是图像无关的。
3.根据权利要求1所述的方法，其中所述训练噪声是图像相关的。
4.根据权利要求1所述的方法，其中所述训练噪声能够从实际图像中提取或从期望分布中模拟。
5.根据权利要求1所述的方法，其中所述生成训练噪声的步骤包括所述噪声的变换。
6.根据权利要求5所述的方法，其中所述生成训练噪声的步骤包括所述噪声的变换以模拟系统的物理行为。
7.根据权利要求6所述的方法，其中所述生成训练噪声的步骤包括所述噪声的变换以模拟系统的部件的所述物理行为。
8.根据权利要求5所述的方法，其中所述噪声变换仅应用于被添加以形成所述参考图像的所述噪声。
【专利技术属性】
技术研发人员：M·S·托姆，格尔曼·吉列尔莫·威拉冈萨雷斯，L·博伊莱文凯尔，文森特·比斯马思，谭涛，
申请(专利权)人：通用电气精准医疗有限责任公司，
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。