[发明专利]图像偏差场矫正方法、计算机设备和存储介质

说明书

本申请涉及一种图像偏差场矫正方法、计算机设备和存储介质。所述方法包括：获取原始医学图像；将所述原始医学图像输入至训练好的神经网络模型中，确定所述原始医学图像对应的偏差场图像，其中，所述训练好的神经网络模型是通过将样本医学图像输入至初始神经网络模型，并将样本偏差场图像作为金标准进行训练得到的；对所述原始医学图像和所述偏差场图像进行处理，得到偏差场矫正后的图像。采用本方法能够降低对原始医学图像进行偏差场矫正的耗时。

技术领域

本申请涉及图像处理技术领域，特别是涉及一种图像偏差场矫正方法、计算机设备和存储介质。

背景技术

在磁共振成像中，由于磁共振设备自身存在的不完善性以及检测对象本身也存在一些特异性等因素，从而会导致最终的磁共振图像中出现相同组织在不同区域呈现了不同亮度的情况，也就是所谓的偏差场，而偏差场会对后期图像处理过程带来不利影响，因此，就需要在图像进行后续处理之前，先对图像进行偏差场矫正。

相关技术中在对图像进行偏差场矫正时，大多是采用非参数非均匀强度归一化算法(N3BiasFieldCorrection)，通过不断迭代更新偏差场图像和矫正后的磁共振图像，使得磁共振图像的边缘和细节更加锐利，而偏差场图像更加平滑，直至达到预先设定的迭代次数或者两次预测的偏差场变异系数小于某个阈值则停止迭代。

然而上述技术在进行偏差场矫正时，存在耗时较高的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够降低偏差场矫正耗时的图像偏差场矫正方法、装置、计算机设备和存储介质。

一种图像偏差场矫正方法，该方法包括：

获取原始医学图像；

将原始医学图像输入至训练好的神经网络模型中，确定原始医学图像对应的偏差场图像，其中，训练好的神经网络模型是通过将样本医学图像输入至初始神经网络模型，并将样本偏差场图像作为金标准进行训练得到的；

对原始医学图像和偏差场图像进行处理，得到偏差场矫正后的图像。

在其中一个实施例中，上述训练好的神经网络模型包括提取模块和采样模块以及融合模块，上述将原始医学图像输入至训练好的的神经网络模型中，确定原始医学图像对应的偏差场图像，包括：

将原始医学图像输入至提取模块进行特征提取，得到原始医学图像的初级特征；

将初级特征输入至采样模块进行采样处理，得到原始医学图像的采样特征图；

将采样特征图输入至融合模块进行特征融合处理，得到原始医学图像对应的偏差场图像。

在其中一个实施例中，上述采样模块包括至少一个上采样模块和至少一个下采样模块，上述将初级特征输入至采样模块进行采样处理，得到原始医学图像的采样特征图，包括：

将初级特征输入至至少一个下采样模块进行下采样特征提取，得到原始医学图像的目标特征；

将目标特征输入至至少一个上采样模块进行上采样特征提取，得到原始医学图像的采样特征图。

在其中一个实施例中，上述对原始医学图像和偏差场图像进行处理，得到偏差场矫正后的图像，包括：

将原始医学图像和偏差场图像进行比较运算处理，得到偏差场矫正后的图像。

在其中一个实施例中，上述神经网络模型的训练方法包括：

获取样本医学图像；上述样本医学图像的金标准为上述样本偏差场图像和/或样本矫正图像；