[发明专利]CT图像序列的增强方法及装置

权利要求书

1.一种CT图像序列的增强方法，其特征在于，包括：

步骤1，将待增强CT图像序列进行预处理，得到第一预设数目的第一尺寸的待增强二维图像；所述预处理为将CT图像序列中各CT图像转换为灰度图像，将所述灰度图像缩放为预设尺寸的图像后水平叠放且合并，得到三维立体图像，将所述三维立体图像竖直分割；

步骤2，将所述第一预设数目的第一尺寸的待增强二维图像依次输入至图像增强模型，输出所述第一预设数目的第二尺寸的增强二维图像；所述图像增强模型为利用增强CT图像序列已知的若干训练CT图像序列对深度神经网络进行训练而得；

步骤3，将所述第一预设数目的第二尺寸的增强二维图像竖直排列，合并为增强三维立体图像，将所述增强三维立体图像水平分割为第二预设数目的所述预设尺寸的目标二维图像，作为所述待增强CT图像序列对应的增强CT图像序列；其中，所述第二尺寸的宽等于所述第一尺寸的宽。

2.根据权利要求1所述的方法，其特征在于，在步骤1之前，所述方法还包括：

获取所述若干训练CT图像序列的真实三维立体图像和在所述深度神经网络下的增强三维立体图像；

根据所述若干训练CT图像序列的真实三维立体图像和在所述深度神经网络下的增强三维立体图像，得到所述深度神经网络在所述若干训练CT图像序列下的损失函数；

利用梯度下降法最小化所述损失函数，得到所述深度神经网络的新参数，并利用所述新参数更新所述深度神经网络的当前参数；

重复所述损失函数的获取和所述深度神经网络的参数更新，直至所述损失函数满足预设阈值，将最后一次参数更新的所述深度神经网络作为图像增强模型。

3.根据权利要求2所述的方法，其特征在于，所述获取所述若干训练CT图像序列的真实三维立体图像和在所述深度神经网络下的增强三维立体图像，具体包括：

将所述若干训练CT图像序列的增强CT图像序列中各CT图像转换为灰度图像，将所述灰度图像缩放为预设尺寸的图像后水平叠放且合并，得到所述若干训练CT图像序列的真实三维立体图像；

对于所述若干训练CT图像序列中的每个训练CT图像序列，将该训练CT图像序列进行所述第一预处理，得到所述第一预设数目的第一尺寸的待增强训练二维图像；

将所述第一预设数目的第一尺寸的待增强训练二维图像依次输入至所述深度神经网络，输出所述第一预设数目的第二尺寸的增强训练二维图像；

将所述第一预设数目的第二尺寸的增强训练二维图像竖直排列，合并为增强三维立体图像。

4.根据权利要求3所述的方法，其特征在于，所述深度神经网络在所述若干训练CT图像序列中每个训练CT图像序列下的损失函数为该训练CT图像序列的增强训练三维立体图像和真实增强三维立体图像对应像素点像素值的均方误差、该训练CT图像序列的增强训练三维立体图像和真实增强三维立体图像在Vgg19模型下第5个池化层之前的第4个卷积层的输出结果的均方误差以及该训练CT图像序列的增强训练三维立体图像和真实增强三维立体图像的梯度的均方误差的加权；

所述深度神经网络在所述若干训练CT图像序列下的损失函数为所述深度神经网络在各训练CT图像序列下的损失函数之和。