扫描图像的伪影去除方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术涉及医学图像处理技术领域，公开了一种扫描图像的伪影去除方法、装置、计算机设备及存储介质。其中，该方法包括：获取带有环形伪影的待校正扫描图像；将待校正扫描图像中的环形伪影转换为条状伪影，得到带有条状伪影的第一图像；采用预设无监督网络模型消除第一图像中的条状伪影，生成第二图像；基于第一图像和第二图像进行伪影去除，得到目标扫描图像。通过实施本发明专利技术技术方案，充分利用了深度学习中的无监督网络模型解决了扫描图像环形伪影严重的问题，实现了环形伪影的有效去除。实现了环形伪影的有效去除。实现了环形伪影的有效去除。

【技术实现步骤摘要】
扫描图像的伪影去除方法、装置、计算机设备及存储介质


[0001]本专利技术涉及医学图像处理
，具体涉及一种扫描图像的伪影去除方法、装置、计算机设备及存储介质。

技术介绍

[0002]计算机断层扫描(Computed Tomography，CT)图像通常会出现诸多的环形伪影，大大降低了重建图像的质量，并可能会导致后期出现误诊断。因此，去除CT图像中的环形伪影至关重要。
[0003]目前，针对CT图像中的环形伪影去除主要分为三类：基于硬件的方法、投影域正弦图的校正方法以及图像域使用极坐标变换的后处理方法。但是，基于硬件的方法依赖特殊的硬件设计，其设计较为复杂，且难以保证伪影的去除效果；投影域正弦图的校正方法依赖于原始投影数据，且会影响图像细节，导致重建图像的质量较差；图像域使用极坐标变换的后处理方法存在一定的错误率，难以很好的去除图像中的伪影。基于此，上述方法均难以对CT图像中的环形伪影进行有效去除。

技术实现思路

[0004]有鉴于此，本专利技术实施例提供了一种扫描图像的伪影去除方法、装置、计算机设备及存储介质，以解决CT图像中的伪影难以有效去除的问题。
[0005]第一方面，本专利技术实施例提供了一种扫描图像的伪影去除方法，该方法包括：获取带有环形伪影的待校正扫描图像；将待校正扫描图像中的环形伪影转换为条状伪影，得到带有条状伪影的第一图像；采用预设无监督网络模型消除第一图像中的条状伪影，生成第二图像；基于第一图像和第二图像进行伪影去除，得到目标扫描图像。
[0006]本专利技术实施例提供的扫描图像的伪影去除方法，通过将待校正扫描图像中的环形伪影转换为条状伪影，采用预设无监督网络模型对该条状伪影进行消除，由此能够通过预设无监督网络模型的对比学习来生成高质量的图像，能够有效地消除扫描图像中的环形伪影。该方法中的预设无监督网络模型不需要配对数据，减少了收集大量带注释训练数据的困难，提高了预设无监督网络模型的训练效率。而且，该方法无需额外的先验信息或硬件修改，充分利用了深度学习中的无监督网络模型解决了扫描图像环形伪影严重的问题，实现了环形伪影的有效去除。
[0007]结合第一方面，在一种实施方式中，将待校正扫描图像中的环形伪影转换为条状伪影，得到带有条状伪影的第一图像，包括：获取待校正扫描图像中的各个像素点在笛卡尔坐标系下的第一位置；将各个像素点对应的第一位置转换至极坐标系，得到各个像素点在极坐标系下的第二位置；基于第二位置，得到带有条状伪影的第一图像。
[0008]本专利技术实施例提供的扫描图像的伪影去除方法，由于条状伪影相比于环形伪影更容易去除，此处通过坐标系变换将待校正扫描图像中的环形伪影转换为条状伪影，便于更好的去除扫描图像中的伪影，提高了伪影的去除效果。
[0009]结合第一方面或其对应的实施方式，在一种实施方式中，该方法还包括：检测并获取坐标转换过程中所产生的未转换的多个像素点；采用双线性插值算法生成未转换的多个像素点。
[0010]本专利技术实施例提供的扫描图像的伪影去除方法，由于极坐标系与笛卡尔坐标系的坐标参数不同，会导致笛卡尔坐标系中的多个像素点未能成功转换，此时，采用双线性插值算法来生成未转换的多个像素点，避免极坐标系下出现突变或锯齿状的伪影或图像畸变，保证在极坐标系下生成平滑、连续的图像，使得后续的图像处理和分析能够更加准确、可靠。
[0011]结合第一方面，在一种实施方式中，基于第一图像和第二图像进行伪影去除，得到目标扫描图像，包括：基于第一图像和第二图像进行作差处理，得到条状伪影图像；将条状伪影图像进行逆变换处理，生成环形伪影图像；基于待校正扫描图像和环形伪影图像进行作差处理，得到目标扫描图像。
[0012]本专利技术实施例提供的扫描图像的伪影去除方法，第二图像为去除条状伪影的图像，将带有条状伪影的第一图像与第二图像进行作差处理，得到条状伪影图像，再通过坐标转换将其转换为环状伪影图像，将待校正扫描图像和环形伪影图像进行作差即可得到去除环形伪影的目标扫描图像。由此，能够最大程度的保持图像细节信息，从而保证了后续重建图像的质量。
[0013]结合第一方面或其对应的实施方式，在一种实施方式中，基于第一图像和第二图像进行作差处理，得到条状伪影图像，包括：将第一图像与第二图像作差，生成残差图像；对残差图像进行滤波处理，得到条状伪影图像。
[0014]本专利技术实施例提供的扫描图像的伪影去除方法，将带有条状伪影的第一图像与第二图像进行作差处理，得到带有图像细节和条状伪影的残差图像，通过对残差图像进行滤波处理，以滤除其携带的图像细节，得到条状伪影图像，便于得到不携带图像细节的环形伪影，由此在后续消除环形伪影时，能够保持图像细节信息，同时能够保持原始扫描图像的解剖完整性和空间分辨率。
[0015]结合第一方面或其对应的实施方式，在一种实施方式中，将条状伪影图像进行逆变换处理，生成环形伪影图像，包括：获取条状伪影图像中的各个像素点在极坐标系下的第三位置；将各个像素点对应的第三位置转换至笛卡尔坐标系，得到各个像素点在笛卡尔坐标系下的第四位置；基于各个像素点及其对应的第四位置，生成环形伪影图像。
[0016]本专利技术实施例提供的扫描图像的伪影去除方法，通过坐标系变换将条状伪影图像转换为环形伪影图像，便于将其与待校正扫描图像进行作差处理，以有效去除扫描图像中的环形伪影，实现了环形伪影的有效去除。
[0017]结合第一方面，在一种实施方式中，方法还包括：获取待校正扫描图像的第一体素值和目标扫描图像的第二体素值；基于第一体素值与第二体素值之间的差值，对目标扫描图像进行体素值校正。
[0018]本专利技术实施例提供的扫描图像的伪影去除方法，通过对目标扫描图像的体素值进行校正，使得校正后的目标扫描图像与原始待校正扫描图像的体素分布一致，使得环形伪影的去除效果更加明显。
[0019]结合第一方面，在一种实施方式中，预设无监督网络模型包括生成器和判别器，预
设无监督的网络模型的训练方法包括：将第一图像的切片输入至生成器中，得到合成图像；将合成图像输入至判别器中，得到针对于合成图像的识别结果；基于合成图像和识别结果，采用反向传播算法对生成器和判别器进行迭代，直至判别器确定生成器输出的合成图像为不带条状伪影的图像。
[0020]本专利技术实施例提供的扫描图像的伪影去除方法，通过生成器和判别器的不断迭代，使得生成器输出的合成图像不断的接近不带条状伪影的图像，同时判别器的鉴别能力也不断增强，提升了合成图像的质量和可信度。
[0021]结合第一方面或其对应的实施方式，在一种实施方式中，生成器包括多个下采样单元、多个残差单元以及多个上采样单元，将第一图像的切片输入至生成器中，得到合成图像，包括：对第一图像的切片进行特征提取，得到第一维度的特征图；将特征图输入至多个下采样单元中，得到第二维度的下采样特征图；将下采样特征图输入至多个残差单元中，输出残差特征图；将残差特征图输入至多个上采样单元中，得到合成图像，合成图像的维度与第一图像的维度相等。
...

【技术保护点】

【技术特征摘要】
1.一种扫描图像的伪影去除方法，其特征在于，所述方法包括：获取带有环形伪影的待校正扫描图像；将所述待校正扫描图像中的环形伪影转换为条状伪影，得到带有所述条状伪影的第一图像；采用预设无监督网络模型消除所述第一图像中的所述条状伪影，生成第二图像；基于所述第一图像和所述第二图像进行伪影去除，得到目标扫描图像。2.根据权利要求1所述的方法，其特征在于，所述将所述待校正扫描图像中的环形伪影转换为条状伪影，得到带有所述条状伪影的第一图像，包括：获取所述待校正扫描图像中的各个像素点在笛卡尔坐标系下的第一位置；将各个像素点对应的第一位置转换至极坐标系，得到所述各个像素点在所述极坐标系下的第二位置；基于所述第二位置，得到带有所述条状伪影的第一图像。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：检测并获取坐标转换过程中所产生的未转换的多个像素点；采用双线性插值算法生成所述未转换的多个像素点。4.根据权利要求1所述的方法，其特征在于，所述基于所述第一图像和所述第二图像进行伪影去除，得到目标扫描图像，包括：基于所述第一图像和所述第二图像进行作差处理，得到条状伪影图像；将所述条状伪影图像进行逆变换处理，生成环形伪影图像；基于所述待校正扫描图像和所述环形伪影图像进行作差处理，得到所述目标扫描图像。5.根据权利要求4所述的方法，其特征在于，所述基于所述第一图像和所述第二图像进行作差处理，得到条状伪影图像，包括：将所述第一图像与所述第二图像作差，生成残差图像；对所述残差图像进行滤波处理，得到所述条状伪影图像。6.根据权利要求4或5所述的方法，其特征在于，将所述条状伪影图像进行逆变换处理，生成环形伪影图像，包括：获取所述条状伪影图像中的各个像素点在极坐标系下的第三位置；将各个像素点对应的第三位置转换至笛卡尔坐标系，得到所述各个像素点在所述笛卡尔坐标系下的第四位置；基于所述各个像素点及其对应的所述第四位置，生成所述环形伪影图像。7.根据权利要求1或4所述的方法，其特征在于，还包括：获取所述待校正扫描图像的第一体素值和所述目标扫描图像的第二体素值；基于所述第一体素值与所述第二体素值之间的差值，对所述目标扫描图像进行体素值校正。8.根据权利要求1所述的方法，其特征在于，所述预设无监督网络模型包括生成器和判别器，所述预设无监督的网络模型的训练方法包括：将所述第一图像的切片输入至生成器...

【专利技术属性】
技术研发人员：王唐胜，梁晓坤，谢耀钦，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：