[发明专利]基于神经网络的骨影抑制方法、装置、设备及存储介质

权利要求书

1.一种基于神经网络的骨影抑制方法，其特征在于，包括：

通过ResUnet网络构建神经网络模型；

对所述神经网络模型进行训练，得到训练好的神经网络模型；

获取人体肺部的待抑制DICOM图像；

对所述待抑制DICOM图像进行预处理；

将预处理后的待抑制DICOM图像输入训练好的神经网络模型进行骨影抑制，输出骨影抑制后的DICOM图像；

所述对待抑制DICOM图像进行预处理包括：

获取所述待抑制DICOM图像的肺部区域；

对所述肺部区域进行归一化处理；

对归一化处理后的肺部区域进行数据增强处理，输出所述预处理后的待抑制DICOM图像；

所述获取所述待抑制DICOM图像的肺部区域，包括：

获取所述待抑制DICOM图像的感兴趣区域；按照所述待抑制DICOM图像的高、宽各1/4至3/4的区间对所述待抑制DICOM图像进行裁切，得到所述感兴趣区域；

对所述感兴趣区域进行N等分，得到N个等分区域；

分别对每个等分区域取最大灰度值和最小灰度值；

对所有最大灰度值求取平均值E，并对所有最小灰度值求取平均值F；

将区间[F,E]作为窗宽，并将(E+F)/2作为窗位，对所述感兴趣区域进行窗宽窗位变换，得到第一图像；

将所述第一图像输入unet网络进行特征提取，输出第二图像，并将所述第二图像作为所述肺部区域；

所述将所述第一图像输入unet网络进行特征提取，输出第二图像，包括：

将所述第一图像分割成多个相同大小的第一图像块；

分别对每个第一图像块进行镜像边缘填充，得到与所述多个第一图像块一一对应的多个第二图像块；

分别将每个第二图像块多次输入所述unet网络进行特征提取，得到多个第三图像块，其中，每个第二图像块对应多个第三图像块；

分别对每个第二图像块对应的多个第三图像块中每个像素点的灰度值求取平均值，得到与所述多个第二图像块一一对应的多个第四图像块；

获取所述多个第四图像块之间的第一重叠区域和非重叠区域；

对同一第一重叠区域中每个像素点的灰度值求取平均值，得到多个第二重叠区域；

拼接所述第二重叠区域和所述非重叠区域，得到所述第二图像。

2.根据权利要求1所述的方法，其特征在于，在所述将所述第一图像输入unet网络进行特征提取，输出第二图像之后，还包括：

计算所述第二图像的窗宽和窗位，对所述第二图像进行窗宽窗位变换，得到第三图像，并将所述第三图像作为所述肺部区域。

3.根据权利要求1所述的方法，其特征在于，所述神经网络模型中当前网络层的输出的计算公式为：

a^l＝g(z^l+a^l-1)＝g(w^la^l-1+b^l+a^l-1)＝g((w^l+1)a^l-1+b^l)；

式中，a^l为当前网络层l的输出，z^l为正常网络层l的输出，b^l为网络层l的输入，w为权重；

激活函数的公式为：

f(x)＝max(0,x)；

损失函数的公式为：

式中，μ_x和μ_y分别代表图像x、y的平均值，σ_x和σ_y分别代表图像x、y的标准差，σ_xy代表图像x、y的协方差。