[发明专利]模型生成方法、图像处理方法及医学成像设备

权利要求书

1.一种模型生成方法，其特征在于，所述方法包括：

在指定成像参数下，获取包含散射分量的第一图像数据，以及获取与所述第一图像数据对应的所述散射分量抑制的第二图像数据；

选取所述第一图像数据中或所述第一图像数据的相关数据中指定位置处的数据，作为输入数据，以及选取所述第二图像数据中或所述第二图像数据的相关数据中与所述指定位置相对应的位置处的数据，作为标签数据；

根据所述输入数据和所述标签数据，采用神经网络进行机器学习，生成所述指定成像参数对应的基于神经网络的散射校正模型；

根据所述输入数据和所述标签数据，采用神经网络进行机器学习，生成所述指定成像参数对应的基于神经网络的散射校正模型，包括：

采用卷积层、激活层和代价层搭建第一卷积神经网络模型；其中，所述卷积层数据为n个，前n-1个卷积层的每个卷积层后面均连接一个激活层；第n个卷积层连接所述代价层；

将所述输入数据和所述标签数据输入所述第一卷积神经网络模型进行机器学习，得到所述第一卷积神经网络模型对应的第一模型参数；

根据所述第一模型参数和所述第一卷积神经网络模型，生成散射校正模型。

2.根据权利要求1所述的方法，其特征在于，在指定成像参数下，获取包含散射分量的第一图像数据，以及获取与所述第一图像数据对应的所述散射分量抑制的第二图像数据之后，所述方法还包括：

根据所述第一图像数据获取第三图像数据，以及根据所述第二图像数据获取第四图像数据；

选取所述第一图像数据中或所述第一图像数据的相关数据中指定位置处的数据，作为输入数据，以及选取所述第二图像数据中或所述第二图像数据的相关数据中与所述指定位置相对应的位置处的数据，作为标签数据，包括：选取所述第三图像数据中指定位置处的数据，作为输入数据，以及选取所述第四图像数据中与所述指定位置相对应的位置处的数据，作为标签数据。

3.根据权利要求2所述的方法，其特征在于，根据所述第一图像数据获取第三图像数据，包括：对所述第一图像数据进行归一化处理，得到第三图像数据；

根据所述第二图像数据获取第四图像数据，包括：对所述第二图像数据进行归一化处理，得到第四图像数据。

4.根据权利要求1所述的方法，其特征在于，所述第一模型参数包含所述输入数据与所述标签数据的映射关系。

5.根据权利要求4所述的方法，其特征在于，所述映射关系通过如下方法获得：

将所述输入数据和标签数据划分为多个数据块，组成数据库,在所述数据库中，所述输入数据和所述标签数据一一对应；

分别计算所述输入数据对应的数据块和所述标签数据对应的数据块的梯度结构；

根据所述输入数据对应的数据块和所述标签数据对应的数据块的梯度结构迭代更新神经网络中的参数。

6.根据权利要求1所述的方法，其特征在于，

所述第一图像数据和所述第二图像数据对应两次采集，所述第一图像数据的采集未施加滤线栅，所述第二图像数据的采集施加滤线栅；

或，所述第一图像数据和所述第二图像数据对应一次采集，且所述第二图像数据通过对所述第一图像数据进行散射抑制获得。

7.一种图像处理方法，其特征在于，所述方法包括：

获取包含散射分量的待处理图像数据；

确定所述待处理图像数据的成像参数；

查找与所述成像参数对应的基于神经网络的散射校正模型，所述散射校正模型为利用权利要求1至6中任一项所述的方法生成的；

利用所述散射校正模型对所述待处理图像数据进行散射校正，得到校正图像数据。