[发明专利]查找表图像校正方法、装置、计算机设备和存储介质

说明书

本申请涉及一种查找表图像校正方法、装置、计算机设备和存储介质。方法包括：获取经过校正的第一查找表图像以及与第一查找表图像对应的二维原始图像，根据第一查找表图像及其对应的二维原始图像生成训练集数据；根据训练集数据和标签数据利用卷积神经网络建立校正模型；获取经归一化处理的二维原始图像，将经归一化处理的二维原始图像输入至校正模型进行图像校正，输出校正后的第二查找表图像。采用本方法通过建议的校正模型来快速实现图像校正，使得校正更加准确，且能够避免人员技术水平对校正结果的影响。

技术领域

本申请涉及图像处理技术领域，特别是涉及一种查找表图像校正方法、装置、计算机设备和存储介质。

背景技术

正电子发射计算机断层显像(PET-CT)设备，能够一次显像可获得全身各方位的断层图像，具有灵敏、准确、特异以及定位精确等特点，达到早期发现病灶和诊断疾病的目的。但是设备在长期工作中，需要定期对设备进行保养，以降低器件老化、现实条件变化等因素的影响。

目前，通常在设备定期保养时，保养人员利用查找表校正的方式进行图像校正，以保障设备平时长期工作的稳定性和准确性。但是这种方式，会耗费大量的时间，而且保养人员的技术水平影响最终的校正效果。

发明内容

基于此，有必要针对上述技术问题，提供一种能够快速的，避免人员技术水平对校正结果的影响的查找表图像校正方法、装置、计算机设备和存储介质。

一种查找表图像校正方法，所述方法包括：

获取经过校正的第一查找表图像以及与第一查找表图像对应的二维原始图像，根据所述第一查找表图像及其对应的二维原始图像生成训练集数据，并将所述第一查找表图像作为标签数据；

根据所述训练集数据和标签数据利用卷积神经网络建立校正模型；

获取经归一化处理的二维原始图像，将所述经归一化处理的二维原始图像输入至所述校正模型进行图像校正，输出校正后的第二查找表图像。

在其中一个实施例中，所述根据所述第一查找表图像及其对应的二维原始图像生成训练集数据，包括：

对所述二维原始图像进行归一化处理，并将归一化处理处理后的二维原始图像以及与第一查找表图像对应的第一查找表图像进行叠加处理，得到训练集数据。

在其中一个实施例中，还包括：

在根据所述第一查找表图像及其对应的二维原始图像生成训练集数据后，将所述训练集数据和标签数据进行存储。

在其中一个实施例中，所述经归一化处理的二维原始图像是以模块为单位的数据图像，所述模块由多个晶体块组成。

在其中一个实施例中，所述根据所述训练集数据和标签数据利用卷积神经网络建立校正模型，包括：

按预设配置搭建u-net卷积神经网络；

利用所述u-net卷积神经网络对所述训练集数据和标签数据进行训练，得到校正模型。

在其中一个实施例中，所述按预设配置搭建u-net卷积神经网络，包括：

按十层卷积层、卷积核为3*3、最后输出部分选用sigmoid函数以及选用adam优化器的配置搭建u-net卷积神经网络。

在其中一个实施例中，所述利用所述u-net卷积神经网络对所述训练集数据和标签数据进行训练，得到校正模型，包括：

利用图像通道对所述训练集数据和标签数据进行数据增强，并对增强后的训练集数据和标签数据进行分裂，将分裂后的训练集数据和标签数据输入u-net卷积神经网络进行训练，在训练完成后得到校正模型。

本发明还提供一种查找表图像校正装置，所述装置包括获取模块、建立模块以及校正模块：