一种医学图像去噪模型训练方法及装置制造方法及图纸

本申请公开了一种医学图像去噪模型训练方法及装置，通过获取噪声图像和干净图像，并进行预处理，得到输入图像、标签图像和掩码图像；将输入图像输入至编码器中进行特征提取，得到原始特征图；计算原始特征图的Hessian矩阵和矩阵特征值；根据矩阵特征值计算Hessian响应，并提取边缘特征图，得到深度Hessian注意力特征图；将原始特征图和深度Hessian注意力特征图进行拼接，并输入至解码器中进行特征融合，得到输出图像；根据掩码图像计算输出图像与标签图像的之间的损失，并反向传播更新权重，从而得到训练好的医学图像去噪模型。本申请有助于组织分层，且提高了去噪后的图像质量，使得诊断结果更加准确。

【技术实现步骤摘要】

本申请涉及医学图像处理，具体涉及一种医学图像去噪模型训练方法及装置。

技术介绍

1、光学相干断层扫描（optical coherence tomography，oct）是一种低相干光学成像方式，因其无创、无辐射、高分辨率、实时成像等特点，被广泛应用于眼科、皮肤科、心脏科以及胃肠道等临床影像学。特别是在眼科领域，oct是诊断视网膜疾病、青光眼等多种眼病的有效工具。然而，由于oct的低相干光散射，固有的散斑噪声降低了信噪比，影响了图像质量和准确诊断。滤波法和非局部均值法等经典算法可以有效地去除oct图像中的散斑噪声。然而，由于计算复杂度高，这些方法非常耗时。

2、随着深度学习技术在图像处理中的普及，许多经典的卷积神经网络（convolutional neural network，cnn）架构被用于oct图像去噪，以追求产生高质量的图像，例如：u-net或resnet。然而，这类方法易出现oct图像中组织边界分层不明显的情况。还有方法利用gan（generative adversarial network，对抗生成网络）完成oct图像散斑噪声去除，例本文档来自技高网...

【技术保护点】

1.一种医学图像去噪模型训练方法，其特征在于，包括：

2.根据权利要求1所述的医学图像去噪模型训练方法，其特征在于，所述步骤3具体包括：制作与所述干净图像尺寸相同的全0值图像，在所述全0值图像的目标组织区域生成一个多边形区域，并用1值填充，得到掩码图像。

3.根据权利要求1所述的医学图像去噪模型训练方法，其特征在于，所述步骤4中，所述U-Net网络为ResUNet网络、Attention U-Net网络或者Mamba-UNet。

4.根据权利要求1所述的医学图像去噪模型训练方法，其特征在于，所述步骤5中，所述Hessian矩阵计算公式为：

...

【技术特征摘要】

1.一种医学图像去噪模型训练方法，其特征在于，包括：

2.根据权利要求1所述的医学图像去噪模型训练方法，其特征在于，所述步骤3具体包括：制作与所述干净图像尺寸相同的全0值图像，在所述全0值图像的目标组织区域生成一个多边形区域，并用1值填充，得到掩码图像。

3.根据权利要求1所述的医学图像去噪模型训练方法，其特征在于，所述步骤4中，所述u-net网络为resunet网络、attention u-net网络或者mamba-unet。

4.根据权利要求1所述的医学图像去噪模型训练方法，其特征在于，所述步骤5中，所述hessian矩阵计算公式为：

5.根据权利要求1所述的医学图像去噪模型训练方法，其特征在于，所述步骤6中，计算hessian响应时采用jerman方法、frangi方法或者erdt方法。

6.根...

【专利技术属性】
技术研发人员：项磊，高婕，张志浩，宫恩浩，
申请(专利权)人：深智透医疗科技发展上海有限责任公司，
类型：发明
国别省市：