[发明专利]一种低剂量CT图像修复去噪方法

说明书

本发明公开了一种低剂量CT图像修复去噪的方法，包括：模拟生成训练所需的低剂量CT图像：将高剂量CT图像做扇形射束投影变换得到投影域的投影数据，将得到的投影矩阵进行指数运算后加入泊松噪声之后取对数，通过MATLAB自带的反投影函数将模拟的投影数据转回图像域得到模拟的低剂量CT图像。本发明所公开的低剂量CT图像修复去噪的方法高效地实现了低剂量CT图像到高剂量CT图像的转化，有效地恢复了CT图像上的细节部分，同时可以降低网络的复杂度，加快网络训练并提高重构效率，可在不影响医生诊断的情况下有效的降低CT技术对于病人带来的伤害。

技术领域

本发明涉及图像处理技术领域，更具体地，涉及一种低剂量CT图像修复去噪方法。

背景技术

近年来，随着医学影像技术的不断发展，以及其在医学领域实际应用优势的不断凸显，众多新的医学影像技术，如CT成像技术，通过对其的合理应用，可以为临床诊断提供重要依据，已成为当今医学领域不可或缺的辅助诊断手段。CT图像主要是由医学诊断的CT成像技术而生成的辅助医生诊断的工具。CT成像技术基本原理是用X线束对人体检查部位一定厚度的层面进行扫描，由探测器接收透过该层面的X线，转变为可见光后，由光电转换器转变为电信号，再经模拟/数字转换器转为数字信号，输入计算机处理即形成CT图像。

但是CT扫描过程中会产生一定的辐射会对人体产生潜在的危险，严重的甚至有致癌的风险。CT扫描中辐射剂量越高产生的CT图像效果越好，越有助于医生的诊断，但是同时增加辐射剂量会对病人产生一定的危害。因此需要在保证图像质量满足临床诊断需求的同时降低辐射剂量。1990年，Naidich等提出了低剂量CT的概念，即在其他扫描参数不变的情况下，通过降低管电流以达到降低辐射剂量的目的。当管电流降低时，探测器接收到的光子数也减少，从而产生“光子饥饿”效应，导致投影数据被噪声污染，由此投影数据重建得到的CT图像不仅带有明显的噪声，还会产生条纹伪影，对临床诊断造成不利的影响。针对这些问题，人们提出了许多改善低剂量CT图像的质量的算法，可以分为投影域去噪算法、图像重建算法和图像域去噪算法等，但是这些算法仍然存在不足，投影域算法一般都需要用到原始的投影数据，在实际中难以获取，而且算法复杂度高，耗时长。同时大部分现有的方法虽然可以做到对低剂量CT图像进行去噪和去伪影，但是却很难恢复CT图像上的一些细节部分。

发明内容

本发明提供一种低剂量CT图像修复去噪方法，该方法可提高图像质量，帮助医生更加进行更加准确的医疗判断。

为了达到上述技术效果，本发明的技术方案如下：

一种低剂量CT图像修复去噪方法，包括以下步骤：

S1：模拟生成训练所需的低剂量CT图像；

S2：对S1中得到的低剂量CT图像进行兴趣区域的提取和分割；

S3：将S2中得到的图像输入将训练好的模型得到修复好的CT图像。

进一步地，所述步骤S1的具体过程是：

S11：将高剂量CT图像做扇形射束投影变换得到投影域的投影数据；

S12：将得到的投影矩阵进行指数运算后加入泊松噪声之后取对数；

S13：通过MATLAB自带的反投影函数将模拟的投影数据转回图像域得到模拟的低剂量CT图像。

进一步地，所述步骤S2的具体过程是：

读取模拟的低剂量CT图像，规则去除四周黑色的背景区域，提取组织区域轮廓，将目标区域划分为若干图像块。

进一步地，步骤S3中训练好的模型的训练过程是：

训练U-net生成对抗网络重构高剂量CT图像，训练U-net生成对抗网络，保存生成对抗网络模型，将S2中提取和分割后的图像输入该对抗网络模型，即可输出对应的修复好的高剂量CT图像。