[发明专利]基于卷积稀疏编码网络的低剂量CT图像噪声伪影分解方法

说明书

本发明公开了基于卷积稀疏编码网络的低剂量CT图像噪声伪影分解方法，属于计算机断层成像技术领域。本发明先获取多组匹配的低剂量和常规剂量的CT图像，相减以获得噪声伪影图像，并组成训练数据集；建立关于低剂量CT图像与噪声伪影图像的卷积稀疏编码网络，获取低剂量CT图像中的噪声伪影特征；使用训练数据集对已构建好的卷积稀疏编码网络进行训练，获得网络模型参数；最后，用训练好的网络来处理低剂量CT图像，实现低剂量CT图像中噪声伪影的分解。本方法可将低剂量CT图像中的噪声伪影和人体解剖组织结构有效区分，使得分解后的图像质量得到提高，降低噪声伪影对临床诊断和分析的影响，促进低剂量CT成像在临床中广泛使用。

技术领域

本发明涉及低剂量CT图像处理方法，更具体地说，涉及基于卷积稀疏编码网络的低剂量CT图像噪声伪影分解方法，属于计算机断层成像技术领域。

背景技术

临床中的计算机断层成像(Computed Tomography，CT)是利用人体检测组织的X射线衰减差异信息，无创的重建出检测组织结构信息的影像技术。CT扫描具有空间分辨率高、成本低、时间短等一系列优势，是各级医院不可缺少的医疗设备之一，在疾病筛查、诊断和治疗过程中提供准确的影像数据。然而，CT扫描中过多的X射线会损伤检测组织，其累积效应还会增加检测者获得潜在疾病的风险，这种伤害问题也备受关注。为此，国际辐射防护委员会曾经建议，在不影响CT图像的诊断条件下，尽可能的去降低X射线剂量。

采用低管电流管电压的扫描模式，来降低X射线照射强度，是低剂量CT成像的一种有效途径。然而，降低射线剂量会导致采集信号减弱，噪声干扰变大，进而引起重建的CT图像退化，尤其是会导致组织细节丢失，增加重建图的条状伪影，导致医师在阅片时出现漏诊和误诊的情况。为提高低剂量CT成像效果：一方面，从CT图像角度出发，研究人员们不断设计更加专业的图像复原及处理算法，以抑制伪影，增强图像细节。但不同扫描设备、模式及重建方法下，CT图像的伪影表征差异大，这也导致该方法泛化能力差。另一方面，从CT投影数据角度出发，对原始数据或对数变换后的投影数据进行去噪、复原等处理，以提高投影数据的一致性，进而可提高成像效果。但由于投影数据敏感性较高，处理过程中易影响数据一致性。近年来数据驱动的学习型方法，具有处理时间短、效果好及泛化能力强等优势，已逐步应用于低剂量CT成像领域中，是数据量充足条件下优先考虑的算法类型。

将卷积稀疏编码作为先验模型，构成约束项，已逐渐应用于低剂量CT图像处理中。随着卷积稀疏编码的广泛应用，其优越的性能也逐步显露出来。卷积稀疏编码方法主要是通过样本训练构造卷积核，并利用卷积核对信号进行特征编码解码，在特征提取、分类和复原等领域中受到广泛关注。此外，通过卷积神经网络，也可有效抑制伪影及噪声，如申请号201810706749.6的发明专利提出了一种基于卷积神经网络的低剂量CT图像分解方法，可来处理临床低剂量CT图像，得到伪影及噪声图像，从而实现低剂量CT图像的分解。这也表明卷积神经网络在低剂量CT图像分解中的优势，但是这类方法难以处理高强度的噪声和伪影特征，分解后的解剖结构成分图像中残留部分噪声伪影，同时该网络采用分块处理的，训练时间长，易引起分解不均匀，出现块叠加伪影现象。为此，本发明将在前期的研究基础上，提出一种基于卷积稀疏编码网络的低剂量CT图像噪声伪影分解方法，通过结合卷积稀疏编码与深度卷积网络强大的表示能力的优势，建立可解释的网络模型，以实现低剂量CT图像噪声伪影及解剖结构之间的分解，可避免基于图像块处理后出现的块叠加伪影，分解不均匀等问题。

公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。

发明内容

1.发明要解决的技术问题