[发明专利]基于图像修复的CT图像金属伪影消除方法

权利要求书

1.一种基于图像修复的CT图像金属伪影消除方法，其特征在于，所述方法包括：

(1)准备不含有金属伪影的CT图像集A和含有金属伪影的CT图像集B；

(2)在CT图像集A上，基于卷积神经网络，训练CT图像修复模型；

(3)用(2)中训练好的CT图像修复模型，生成CT图像集B的标签集；

(4)在CT图像集B和标签集上，基于卷积神经网络，训练去伪影模型。

2.根据权利要求1所述的方法，其特征在于，所述步骤(2)中具体包括：

(21)定义CT图像修复模型为φ，其基本结构为encoder-decoder，输入图片经过encoder中的卷积层和下采样层提取高维信息，再经过decoder中的上采样层逐步恢复图片的空间分辨率，最终输出图片尺寸与输入图片一致，定义ImageNet数据集上的预训练VGG模型为

(22)从CT图像集A中取出一张图片作为标签，记为I_gt，随机产生只含有0和1二值图片M，0代表当前像素是一个需要修复的孔洞；输入图片记为I_in，输出图片记为I_out，I_in＝I_gt⊙M，I_out＝φ(I_in)；

(23)使用随机梯度下降法进行训练模型φ，采用复合损失函数，L_hole是孔洞处的L¹损失，L_valid是非孔洞处的L¹损失，L_perceptual是高维空间的L¹损失，计算公式如下：

3.根据权利要求1所述的方法，其特征在于，所述步骤(3)中具体包括：

(31)从CT图像集B中取出一张图片I，对I进行手动标注，得到只含有0和1的二值图片M，0代表当前像素区域是金属伪影，1代表当前像素区域不是金属伪影；

(32)输入图片经过(21)中训练好的模型φ得到输出图片，输入图片记为I_in，输出图片记为I_out，I_in＝I⊙M，I_out＝φ(I_in)；

(33)生成含有金属伪影的图片I的标签，记为I_gt，I_gt＝I⊙M+I_out⊙(1-M)。

4.根据权利要求1所述的方法，其特征在于，所述步骤(4)中具体包括：

(41)定义CT图像去伪影模型为κ，其基本结构为encoder-decoder，输入图片经过encoder中的卷积层和下采样层提取高维信息，再经过decoder中的上采样层逐步恢复图片的空间分辨率，最终输出图片尺寸与输入图片一致，定义ImageNet数据集上的预训练VGG模型为

(42)将(33)中的金属伪影图片I作为网络κ的输入图片，输出图片记为I_out，I_out＝κ(I)，将(33)中生成的图片I_gt作为标签图片；

(43)使用随机梯度下降法进行训练模型κ，采用复合损失函数，L_mar是消除金属伪影的L1损失，L_perceptual是高维空间的L1损失，计算公式如下：

L_mar＝||(I_out-I_gt)||₁

L_total＝L_mar+0.1L_perceptual

(44)将含有金属伪影的测试图片作为输入，通过(43)中训练好的去伪影模型，即可得到消除了金属伪影的图片。