[发明专利]基于残差卷积神经网络的LDCT图像超分辨增强方法及装置

权利要求书

1.一种基于残差卷积神经网络的LDCT图像超分辨增强方法，其特征在于，包括以下步骤：

步骤1）制作训练集与测试集；

步骤2）LDCT初始图像预处理；

步骤3）训练是否的判断，如果是则进入步骤4），如果否则进入步骤8）；

步骤4）改进混合级联任务U-Net进行特征提取；

步骤5）误差计算；

步骤6）误差反向传播；

步骤7）误差是否满足要求判断，如果是则进入步骤8），如果否则返回到步骤4）；

步骤8）输出图像超分辨模型；

步骤9）生成超分辨率CT图像；

步骤10）结束。

2.根据权利要求1所述的方法，其特征在于，所述的步骤1）制作训练集与测试集的步骤如下：

步骤1-1）寻找大量低分辨率的LDCT图像与其对应的真值高分辨率CT图像，将DICOM格式的CT图像转为PNG格式的灰度图，随机截取低分辨率LDCT图像的128×128大小图像与真值高分辨率CT图像对应位置的256×256大小的图像，并分别进行旋转90°，180°，270°，并对应进行翻转，得到每一张图像的变体，共8张图像；每张LDCT图像随机截取10处不同区域，收集50000张不同的裁剪后的低分辨率LDCT图像与真值高分辨率CT图像作为训练集，5000张不同的裁剪后的低分辨率LDCT图像与真值高分辨率CT图像作为测试集。

3.根据权利要求1所述的方法，其特征在于，所述的步骤2）LDCT初始图像预处理的步骤如下：

步骤2-1）在图像超分辨增强之前，对低分辨率的LDCT图像进行标准化预处理，得到标准化图像；

步骤2-2）将标准化图像使用双三次上采样方法进行插值，得到高分辨率图像，使其与真值高分辨率CT图像具有相同的分辨率大小；

步骤2-3）将高分辨率图像输入到卷积核大小为3×3，输入通道数1，输出通道数为64的卷积层，将图像变换为64个通道的原始特征图。

4.根据权利要求1所述的方法，其特征在于，所述的步骤4）改进混合级联任务U-Net进行特征提取，构建空间上下文分支网络的步骤如下：

步骤4-1-1）将原始特征图输入到卷积核大小为3×3，输入输出通道数为64，步长为2，填充为1的卷积层，经过3层这样的卷积层后，每层输出相对于输入特征图分辨率减少一半的特征图；4个特征图分别经过卷积核大小为1×1，输入输出通道数为64的卷积层后，低分辨率的特征图分别经过卷积核大小为2×2、4×4、8×8，输入输出通道数为64，步长为2、4、8的反卷积层进行上采样，输出与原始特征图分辨率大小相同的特征图；

步骤4-1-2）将得到的4个分辨率大小相同的特征图进行元素级相加输出一个特征图，随后经过4个深度可分离卷积提取特征得到特征图；每个深度可分离卷积由卷积层大小为3×3，输入输出通道数为64，组数为64，填充为1的卷积层和卷积层大小为1×1，输入输出通道数为64的点卷积层构成；

步骤4-1-3）将得到的特征图输入卷积核大小为1×1，输入输出通道数为64的卷积层后，得到空间上下文分支特征图。