[发明专利]一种图像处理方法、系统及其应用

说明书

本申请属于图像合成技术领域，特别是涉及一种图像处理方法、系统及其应用。现有的技术中高低能CT量信号相互干扰，时间间隔干扰，高能CT扫描时间长导致的剂量增加。本申请提供了一种图像处理方法，提取低能CT图像中的高频信息与低频信息，将所述高频信息和所述低频信息进行重建得到高能CT图像；采用多尺度特征图对所述高能CT图像进行约束，提高所述高能CT图像质量得到合成的高能CT图像。实现通过一次低能CT扫描直接合成高能CT图像的技术，在保证图像结构相似度与纹理细节的同时，降低了低能CT图像中的骨伪影与金属伪影，大量减少噪声，提高了信噪比，从而得到更加满足诊断需求的CT图像。

技术领域

本申请属于图像合成技术领域，特别是涉及一种图像处理方法、系统及其应用。

背景技术

双能计算机断层扫描(Dual-energy CT)，成为一种更有效的非侵入式诊断方法应用于传统的CT扫描，它通过两种不同能量的x射线得到的数据集拥有更丰富的扫描信息，可以适用于更多的临床应用，比如尿路结石检测，痛风石检测和去除骨骼与金属伪影。并且相对于传统CT扫描，双能CT的扫描方式通过使用一半的低能CT扫描替代原来的高能CT扫描，实现了辐射剂量的降低。然而，现有的双能CT的实现方式仍存在不同的缺点，包括高低能CT量扫描时出现的信号交叉干扰，高低能CT扫描存在短时间的时间间隔。并且由于高能CT扫描的能量积累，依然会造成各种疾病发生的可能性，进而影响人体健康。因此，研究和开发更低剂量下的无干扰无偏差的高质量CT图像重建方法，对于目前的医疗诊断领域都有着重要的科学意义和广阔的应用前景。

现有的使用深度学习来将高能CT图像的先验知识加入到低能CT图像中，来获得合成的伪高能CT图像。该方法实现保证了深度学习可以有效学习到高低能CT图像之间的差异，并且通过低能CT可以合成高质量的伪高能CT图像。也有在深度学习网络的基础上加入了残差结构对低能CT图像先进行去噪处理，再采用4层编码与解码的U-net架构方式来提取特征，使得图像获得了更多的细节以及更好的视觉效果。

但是现有的技术中高低能CT量信号相互干扰，时间间隔干扰，高能CT扫描时间长导致的剂量增加。

发明内容

1.要解决的技术问题

基于现有的技术中高低能CT量信号相互干扰，时间间隔干扰，高能CT扫描时间长导致的剂量增加的问题，本申请提供了一种图像处理方法、系统及其应用。

2.技术方案

为了达到上述的目的，本申请提供了一种图像处理方法，提取低能CT图像中的高频信息与低频信息，将所述高频信息和所述低频信息进行重建得到高能CT图像；采用多尺度特征图对所述高能CT图像进行约束，提高所述高能CT图像质量得到合成的高能CT图像。

本申请提供的另一种实施方式为：所述高频信息包括高维特征和局部特征；所述低频信息包括低维特征和非局部特征

本申请提供的另一种实施方式为：所述提取低能CT图像中的高频信息与低频信息，建立所述低能CT图像与所述高能CT图像之间的映射关系。

本申请提供的另一种实施方式为：所述多尺度特征图对所述高能CT图像的纹理细节进行保持，去除伪影与噪声。

本申请提供的另一种实施方式为：所述合成高能CT图像为高纹理低噪声的高能CT图像。

本申请还提供一种图像处理系统，包括生成器模块、判别器模块和损失函数模块；所述生成器模块，用于提取低能CT图像特征信息，对所述低能CT图像进行重建得到高能CT图像；所述判别器模块，用于判别输出图像是否为真；所述损失函数模块，用于提高所述高能CT图像的图像质量。

本申请提供的另一种实施方式为：所述生成器模块包括特征提取子模块和重建子模块，所述特征提取子模块以U型网络为框架，残差网络为骨干网络。