[发明专利]一种应用特征解耦的低剂量CT图像修复方法及系统

说明书

本发明公开了一种应用特征解耦的低剂量CT图像修复方法及系统，该方法包括：获取原始低剂量CT扫描图像；对原始低剂量CT扫描图像进行特征解耦，得到待处理的特征；将待处理的特征进行修复处理并聚合，得到聚合后特征；对聚合后特征进行解码，恢复出修复后的正常剂量CT扫描图像。该系统包括：图像获取模块、特征解耦模块、修复聚合模块和恢复模块。本发明考虑混合失真之间的相互干扰，对低剂量CT图像进行去噪和修复。本发明作为一种应用特征解耦的低剂量CT图像修复方法及系统，可广泛应用于图像修复领域。

技术领域

本发明涉及图像修复领域，尤其涉及一种应用特征解耦的低剂量CT图像修复方法及系统。

背景技术

低剂量X射线计算机断层扫描(Computed Tomography,CT)技术因其可以大大降低扫描辐射对人体造成的危害，近年来被广泛应用在临床医学辅助诊断领域。但同时由于辐射量降低，造成投影数据被污染，使得重建后的CT图像具有大量的噪声和伪影，其图像质量严重下降，从而在一定程度上会影响医生的诊断准确率。因此，如何在降低CT扫描辐射剂量的前提下提高CT图像质量成为当今CT成像领域的研究热点。现有的一些低剂量CT(Low-Dose Computed Tomography,LDCT)图像去噪算法往往存在重建图像过于平滑、边缘模糊以及细节丢失等问题。目前大部分去噪算法往往重点在于如何更好地去除噪声和伪影的影响，而忽视了去噪过程中会造成图像细节信息丢失的情况。

以往的低剂量CT处理方法往往只考虑一种特定的失真，如噪声处理或者纹理修复，但真实世界的图像通常会同时受到多个失真的影响。目前有一些方法可以处理混合失真，但在处理时不考虑混合失真之间的干扰。

发明内容

为了解决上述技术问题，本发明的目的是提供一种应用特征解耦的低剂量CT图像修复方法及系统，考虑混合失真之间的相互干扰，对低剂量CT图像进行去噪和修复。

本发明所采用的第一技术方案是：一种应用特征解耦的低剂量CT图像修复方法，包括以下步骤：

获取原始低剂量CT扫描图像；

对原始低剂量CT扫描图像进行特征解耦，得到待处理的特征；

将待处理的特征进行修复处理并聚合，得到聚合后特征；

对聚合后特征进行解码，恢复出修复后的正常剂量CT扫描图像。

进一步，所述这对原始低剂量CT扫描图像进行特征解耦，得到待处理的特征一步骤，其具体包括：

基于编码器对原始低剂量CT扫描图像，得到图像的特征表征；

基于FDM特征解耦器对图像的特征表征进行特征解耦，得到噪声失真的特征和纹理细节失真的特征。

进一步，所述FDM特征解耦器采用CNN神经网络。

进一步，所述将待处理的特征进行修复处理并聚合，得到聚合后特征这一步骤，其具体包括：

基于预训练的去噪处理器对噪声失真的特征进行去噪处理，得到去噪后的特征；

基于预训练的纹理修复器对纹理细节失真的特征进行纹理修复处理，得到纹理修复后的特征；

将去噪后的特征和纹理修复后的特征经过FAM特征聚合模块进行特征聚合，得到聚合后的特征。

进一步，所述预训练的去噪处理器的训练步骤包括：

获取低剂量CT图像和高剂量CT图像，得到训练图像；

基于训练图像对REDCNN网络进行训练，得到去噪处理器；

对去噪处理器加入注意力机制，得到预训练的去噪处理器。

进一步，所述预训练的纹理修复器的训练步骤包括：