[发明专利]脏器组织高辨识成像方法、装置、存储介质及计算机设备

说明书

本发明公开了一种脏器组织高辨识成像方法、装置、存储介质及计算机设备，其中，所述方法包括：获得单kVp的CT测量数据；对所述CT测量数据进行数据校正处理，获得校正后的CT测量数据；将所述校正后的CT测量数据输入收敛的第一神经网络模型中生成并输出CT骨图像或软组织图像。在本发明实施例中，只需输入常规的单kVp的CT测量数据即可到高质量的CT骨图像或软组织图像，高效且减少病人的辐射剂量。

技术领域

本发明涉及医疗图像处理技术领域，尤其涉及一种基于人工智能的脏器组织高辨识成像方法、装置、存储介质及计算机设备。

背景技术

X线胸片是一种广泛应用于肺部疾病诊断的影像学技术，因为其价格低廉、常规有效、相对安全；然而，肋骨和锁骨等解剖结构的重叠给影像科医生阅读诊断带来了困难；因此，X线胸片对骨结构的分离对影像科医生和计算机辅助诊断方案有极大的帮助。

随着数字化X射线摄影的发展，数字摄影双能减影(Dual Energy Subtraction，DES)技术已经实现X线胸片中骨与软组织的分离；双能减影是指采用两次曝光的方法得到两幅图像，将其进行图像减影分别重建为软组织图像和骨组织图像；但是双能减影成像质量容易受到两次曝光之间的呼吸、心跳、运动等因素的影响，会产生运动伪影，容易导致误诊；此外，短时间的交替输出高低两种能量X射线束对球管要求高、损耗大，由于需要专门的设备，只有少数的医院使用DES装置，并且，两次高低能量曝光也会使病人所受到的辐射剂量增加。

发明内容

本发明的目的在于克服现有技术的不足，本发明提供了一种基于人工智能的脏器组织高辨识成像方法、装置、存储介质及计算机设备，只需输入常规的单kVp的CT测量数据即可到高质量的CT骨图像或软组织图像，高效且减少病人的辐射剂量。

为了解决上述中至少一个技术问题，本发明实施例提供了一种基于人工智能的脏器组织高辨识成像方法，所述方法包括：

获得单kVp的CT测量数据；

对所述CT测量数据进行数据校正处理，获得校正后的CT测量数据；

将所述校正后的CT测量数据输入收敛的第一神经网络模型中生成并输出CT骨图像或软组织图像。

可选的，所述对所述CT测量数据进行数据校正处理，获得校正后的CT测量数据，包括：

基于传统非局部均值滤波算法对所述CT测量数据进行滤波处理，获得滤波后的CT测量数据；

将所述滤波后的CT测量数据输入收敛的第二神经网络模型中进行数据校正处理，输出校正后的CT测量数据。

可选的，所述基于传统非局部均值滤波算法对所述CT测量数据进行滤波处理，获得滤波后的CT测量数据，包括：

设CT测量数据为y，滤波后的CT测量数据为x，i和j分别表示滤波后的CT测量数据x和CT测量数据y的像素点，权值w(i,j)表示像素点i和j的相似度；

所述权值w(i,j)是由像素点i和j为中心的矩形领域Y(i)和Y(j)的距离确定的，如下：

基于所述权值w(i,j)和x中像素点i处的灰度值计算获得滤波后的CT测量数据；

基于所述权值w(i,j)和x中像素点i处的灰度值计算获得滤波后的CT测量数据的具体公式如下：

x(i)＝∑w(i,j)*y(j)；

其中，Z(i)表示归一化系数，δ²表示平滑参数。

可选的，所述第二神经网络模型为U-Net网络结构搭建的神经网络；

所述第二神经网络模型的训练过程如下：