[发明专利]图像重建方法、装置、电子设备和存储介质在审

专利信息
申请号: 202110407680.9 申请日: 2021-04-15
公开(公告)号: CN113096210A 公开(公告)日: 2021-07-09
发明(设计)人: 赵喜 申请(专利权)人: 西门子数字医疗科技(上海)有限公司
主分类号: G06T11/00 分类号: G06T11/00;G06N3/04;G06N3/08
代理公司: 北京康信知识产权代理有限责任公司 11240 代理人: 李慧
地址: 200031 上海市浦东新*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 重建 方法 装置 电子设备 存储 介质
【说明书】:

本公开涉及一种图像重建方法、图像重建装置、电子设备、计算机可读存储介质以及计算机程序产品。图像重建方法包括:获取计算机断层扫描的图像数据;基于图像数据,采用经训练的神经网络模型计算出输出图像,其中,经训练的神经网络模型被配置为经由包括至少一个由第一图像和第二图像构成的训练图像对的图像数据库训练,以及其中,训练图像对中的第一图像和第二图像分别作为训练输入图像和训练输出图像,并且第一图像和第二图像被配置为在同一时间点经由计算机断层扫描同一生物组织获得。根据本公开的图像重建方法,可以计算出更加准确、可靠的高质量图像。

技术领域

本公开涉及医疗器械技术领域,特别是一种图像重建方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

背景技术

医疗图像成像和重建技术广泛应用于医疗检测中,其中,基于计算机断层扫描术(CT)的图像成像和重建,以记录时间积分的方式检测病患的身体结构的局部X射线衰减,具有扫描时间快,图像清晰等特点,广受人们关注。

CT使用量的增加导致人们普遍关注CT检查相对于其他X射线检查的高辐射剂量。几项研究集中在如何减少患者剂量和在ALARA原则下操作。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。

发明内容

根据本公开实施例的一方面,提出了一种图像重建方法,包括:获取计算机断层扫描的图像数据;以及基于所述图像数据,采用经训练的神经网络模型计算出输出图像,其中,所述经训练的神经网络模型被配置为经由包括至少一个由第一图像和第二图像构成的训练图像对的图像数据库训练,以及其中,所述训练图像对中的所述第一图像和所述第二图像分别作为训练输入图像和训练输出图像,并且所述第一图像和所述第二图像被配置为在同一时间点经由计算机断层扫描同一生物组织获得。

根据本公开实施例的另一方面,提出了一种图像重建装置,包括:获取单元,被配置用于获取计算机断层扫描的图像数据;以及,处理单元,被配置用于基于所述图像数据,采用经训练的神经网络模型进行处理以获得输出图像,其中,所述经训练的神经网络模型被配置成经由包括至少一个由第一图像和第二图像构成的训练图像对的图像数据库训练,以及其中,所述训练图像对中的所述第一图像和所述第二图像分别作为训练输入图像和训练输出图像,并且所述第一图像和所述第二图像被配置为在同一时间点经由计算机断层扫描获得的关于同一生物组织的图像。

根据本公开实施例的另一方面,提出了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中所述存储器存储有计算机程序,所述计算机程序在被所述至少一个处理器执行时实现根据本公开实施例的方法。

根据本公开实施例的另一方面,提出了一种存储有计算机程序的非瞬时计算机可读存储介质,其中,所述计算机程序在被处理器执行时实现根据本公开实施例的方法。

根据本公开实施例的另一方面,提出了一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现根据本公开实施例的方法。

根据本公开的一个或多个实施例,通过基于同一时间点对同一生物组织进行计算机断层扫描获得的图像对作为训练神经网络的训练图像,使扫描得到的图像位置一致,同时避免引入多余的噪声,基于该训练图像训练的神经网络,能够计算出更加准确、可靠的高质量图像。

应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西门子数字医疗科技(上海)有限公司,未经西门子数字医疗科技(上海)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110407680.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top