基于条带扩散模型的零样本低剂量CT图像去噪方法及装置制造方法及图纸

本发明专利技术公开了一种基于条带扩散模型的零样本低剂量CT图像去噪方法及装置，其中的方法构建了条带扩散模型，该模型利用扩散模型的高保真度来完成不同剂量、厚度或设备的低剂量CT图像的端到端去噪。特别是，训练过程只需要正常剂量CT图像，极大减少了模型数据依赖，并且只使用一个场景数据来跨剂量和厚度条件训练模型。采样过程采用条带扫描策略，结合重叠的条带信息和输入的低剂量CT图像来解决最大后验问题，从而依次产生去噪结果。本发明专利技术只使用简单的卷积和注意力架构，并在涉及不同剂量、厚度数据集上进行广泛的实验。结果表明，本发明专利技术的方法在大多数情况下优于监督方法，可视化和盲法评估表明，本发明专利技术的方法非常接近于正常剂量CT图像。

【技术实现步骤摘要】

本专利技术涉及医疗ct图像处理领域，尤其涉及基于条带扩散模型的零样本低剂量ct图像去噪方法及装置。

技术介绍

1、低剂量计算机断层扫描(ct)可以减少病人暴露于辐射的风险，延长x射线管的使用寿命。然而，低剂量ct中的伪影和噪声可能会降低图像质量，潜在地影响后续诊断。近年来，有监督图像后处理方法因其在降噪方面的有效性得到了广泛的研究。基于快速扩散模型的低剂量ct图像去噪方法和系统需要获取配对的低剂量与正常剂量ct图像完成模型训练。然而，临床条件获得配对的正常剂量和低剂量ct图像是非常严苛的，限制了监督方法的实际应用和广泛采用。

2、并且，临床环境要求ct图像以不同的厚度、剂量或在不同的设备上扫描，这对模型的泛性有更高的要求。现有方法只考虑了单一的扫描方案，忽略了不同扫描协议下的成像差异，存在数据限制的问题。并且插值会导致关键细节的丢失，从而对后续诊断产生不利影响。图1分别展示了原图、插值后的图像以及vae（variational autoencoder，变分自编码器）模型处理后的图像。vae模型在编码和解码后，引入了额外的蜂窝伪影以及细节模糊，医本文档来自技高网...

【技术保护点】

1.基于条带扩散模型的零样本低剂量CT图像去噪方法，其特征在于，包括：

2.如权利要求1所述的基于条带扩散模型的零样本低剂量CT图像去噪方法，其特征在于，前向扩散结构得到的第t步的噪声图像的概率分布为：

3.如权利要求1所述的基于条带扩散模型的零样本低剂量CT图像去噪方法，其特征在于，UNet模型包括编码器，中间层、解码器、时间编码器以及位置编码器，编码器包括3x3的卷积块和上采样卷积模块，中间层包括卷积层，解码器包括3x3的卷积块和下采样卷积模块，时间编码器用于编码当前时间，位置编码器用于编码当前条带，其中，通过时间和位置编码后的特征进行融合后添加到UNet模型...

【技术特征摘要】

1.基于条带扩散模型的零样本低剂量ct图像去噪方法，其特征在于，包括：

2.如权利要求1所述的基于条带扩散模型的零样本低剂量ct图像去噪方法，其特征在于，前向扩散结构得到的第t步的噪声图像的概率分布为：

3.如权利要求1所述的基于条带扩散模型的零样本低剂量ct图像去噪方法，其特征在于，unet模型包括编码器，中间层、解码器、时间编码器以及位置编码器，编码器包括3x3的卷积块和上采样卷积模块，中间层包括卷积层，解码器包括3x3的卷积块和下采样卷积模块，时间编码器用于编码当前时间，位置编码器用于编码当前条带，其中，通过时间和位置编码后的特征进行融合后添加到unet模型的中间层、编码器的最后一层与解码器的最后一层。

4.如权利要求1所述的基于条带扩散模型的零样本低剂量ct图像去噪方法，其特征在于，unet模型预测的噪声的计算方式为：

5.如权利要求3所述的基于条带扩散模型的零样本低剂量ct图像去噪方法，其特征在于，3x3的卷积块为残差网络块，编码器的输入为第t步得到的噪声图像，通过残差网络块计算丰富特征信息后，由下采样卷积模块得到更小尺寸的特征图；然后由中间层...

【专利技术属性】
技术研发人员：胡翔云，苏波，查云飞，万军，徐嘉伯，
申请(专利权)人：湖北珞珈实验室，
类型：发明
国别省市：