[发明专利]用于使用深度神经网络减少医学图像中的有色噪声的系统和方法

权利要求书

1.一种方法，包括：

接收由成像系统采集的医学图像，其中所述医学图像包括有色噪声；

使用经训练的卷积神经网络(CNN)将所述医学图像映射到无有色噪声的去噪医学图像；以及

经由显示设备显示所述去噪医学图像。

2.根据权利要求1所述的方法，其中使用所述经训练的CNN将所述医学图像映射到所述去噪医学图像还包括：

采集对应于所述有色噪声的来源的一个或多个噪声参数；以及

将所述一个或多个噪声参数结合到所述经训练的CNN中。

3.根据权利要求2所述的方法，其中将所述一个或多个噪声参数结合到所述经训练的CNN中包括基于所述一个或多个噪声参数来选择所述经训练的CNN的一组预训练的权重和偏差。

4.根据权利要求3所述的方法，其中所述一个或多个噪声参数包括用于采集所述医学图像的k空间采样图案和用于采集所述医学图像的k空间采样密度中的一者或多者。

5.根据权利要求4所述的方法，其中所述k空间采样图案是具有增强重建的并行线(PROPELLER)采样图案、星堆叠采样图案、斜坡采样图案、加权平均采样图案和可变密度螺旋采样图案中的一种。

6.根据权利要求1所述的方法，其中所述方法还包括：

使用包括有色噪声的训练医学图像和对应于所述训练医学图像的原始医学图像训练CNN以产生所述经训练的CNN，其中所述原始医学图像不含有色噪声，并且其中训练所述CNN包括：

选择所述原始医学图像；

合成图像空间中的有色噪声；

通过将合成的有色噪声添加到所述原始医学图像来生成所述训练医学图像；

将所述训练医学图像映射到预测的去噪医学图像；

基于所述预测的去噪医学图像与所述原始医学图像之间的差异来确定损失；以及

基于所述损失来更新所述CNN的参数。

7.根据权利要求6所述的方法，其中合成图像空间中的有色噪声包括：

选择k空间采样图案；

选择k空间采样密度；

基于所述k空间采样图案、重栅格化算法和所述k空间采样密度中的一者或多者来产生k空间噪声功率掩模；

合成白噪声图像；

对所述白噪声图像进行傅立叶变换以产生白噪声k空间；

将所述k空间噪声功率掩模应用于所述白噪声k空间以产生有色噪声k空间；以及

对所述有色噪声k空间进行傅立叶逆变换以产生合成有色噪声。

8.根据权利要求7所述的方法，其中将所述训练医学图像映射到所述预测的去噪医学图像包括：

将所述k空间采样图案索引到所述训练医学图像；以及

基于所述k空间采样图案来选择所述CNN的一组权重和偏差。

9.一种用于训练深度神经网络以减少医学图像中的有色噪声的方法，包括：

选择不含有色噪声的第一医学图像；

基于噪声参数合成有色噪声图像；

通过将合成的有色噪声添加到所述第一医学图像来生成第二医学图像；

经由所述深度神经网络将所述第二医学图像映射到预测的去噪医学图像；

基于所述预测的去噪医学图像与所述第一医学图像之间的差异来确定损失；以及

基于所述损失来更新所述深度神经网络的参数。

10.根据权利要求9所述的方法，其中经由所述深度神经网络将所述第二医学图像映射到所述预测的去噪医学图像还包括：

将所述噪声参数索引到所述第二医学图像；以及

基于所述噪声参数为所述深度神经网选择一组权重和偏差。