[发明专利]低剂量CT图像处理方法、装置和计算机设备

权利要求书

1.一种低剂量CT图像处理方法，其特征在于，所述方法包括：

获取低剂量CT图像，以及预先训练的目标提取模型；所述低剂量CT图像中具有目标器官；所述目标提取模型包括由多个噪声去除卷积层组成的卷积链以及由多个反卷积层组成的反卷积链；所述噪声去除卷积层与所述反卷积层的数量相同；

分别确定每个噪声去除卷积层在所述卷积链中的排列顺序，以及每个反卷积层在所述反卷积链中的排列顺序；

将排列顺序相同的噪声去除卷积层与反卷积层确定为一对关联层；

基于所述卷积链提取所述低剂量CT图像中的图像特征，得到每个噪声去除卷积层所对应的特征图像；

基于所述关联层关系，将所述特征图像分别输入对应的反卷积层，以使所述反卷积层根据所述特征图像提取出所述低剂量CT图像中的目标器官。

2.根据权利要求1所述的方法，其特征在于，所述基于所述卷积链提取所述低剂量CT图像中的图像特征，得到每个噪声去除卷积层所对应的特征图像包括：

确定当前顺序的噪声去除卷积层；

将低剂量的CT图像作为当前顺序的噪声去除卷积层的输入，以使所述当前顺序的噪声去除卷积层从所述低剂量的CT图像中提取出特征图像；

将下一顺序的噪声去除卷积层作为当前顺序的噪声去除卷积层，将提取出的特征图像作为低剂量CT图像，返回将低剂量的CT图像作为当前顺序的噪声去除卷积层的输入的步骤，直至遍历完整条卷积链。

3.根据权利要求1所述的方法，其特征在于，所述基于所述关联层关系，将所述特征图像分别输入对应的反卷积层，以使所述反卷积层根据所述特征图像提取出所述低剂量CT图像中的目标器官包括：

提取所述卷积链中位于末尾的噪声去除卷积层所对应的特征图像，记作第一特征图像；

基于所述反卷积链中位于末尾的反卷积层对所述第一特征图像进行特征重构，得到第一中间结果；

提取所述卷积链中除位于末尾的噪声去除卷积层所对应的特征图像，记作第二特征图像；

将所述第一中间结果以及所述第二特征图像输入对应的反卷积层，以使所述反卷积层提取出所述低剂量CT图像中的目标器官。

4.根据权利要求3所述的方法，其特征在于，所述将所述第一中间结果以及所述第二特征图像输入对应的反卷积层，以使所述反卷积层提取出所述低剂量CT图像中的目标器官包括：

确定当前顺序的噪声去除卷积层和反卷积层；所述当前顺序的噪声去除卷积层不为卷积链中位于末尾的噪声去除卷积层；所述当前顺序的反卷积层不为卷积链中位于末尾的反卷积层；

提取与所述当前顺序的噪声去除卷积层相对应的第二特征图像；

基于所述当前顺序的反卷积层，对所述第二特征图像以及所述第一中间结果进行像素叠加，得到第二中间结果；

将下一顺序的噪声去除卷积层和反卷积层作为当前顺序的噪声去除卷积层和反卷积层，将第二中间结果作为第一中间结果，返回提取与所述当前顺序的噪声去除卷积层相对应的第二特征图像的步骤，直至遍历完整条反卷积链。

5.根据权利要求1所述的方法，其特征在于，所述目标提取模型的训练步骤包括：

获取训练图像组；所述训练图像组包括低剂量CT图像和高剂量CT图像；

从所述训练图像组中的低剂量CT图像中提取出提取第一目标图像块，从所述高剂量CT图像中提取出第二目标图像块；所述第一目标图像块的位置、尺寸与所述第二目标图像块相同；

基于所述目标提取模型确定所述第一目标图像块以及所述第二目标图像块之间的总误差；

调整所述目标提取模型中的模型参数，直至所述第一目标图像块以及所述第二目标图像块之间的总误差最小。

6.根据权利要求5所述的方法，其特征在于，所述基于所述目标提取模型确定所述第一目标图像块以及所述第二目标图像块之间的总误差包括：

基于所述卷积链获取所述第一目标图像块以及所述第二目标图像块之间的第一总误差；

调整所述目标提取模型中的模型参数，直至所述第一总误差最小；

基于所述反卷积链获取所述第一目标图像块以及所述第二目标图像块之间的第二总误差；

调整所述目标提取模型中的模型参数，直至所述第二总误差最小。