申请/专利权人:湖北珞珈实验室;武汉大学
申请日:2024-01-19
公开(公告)日:2024-04-30
公开(公告)号:CN117952850A
主分类号:G06T5/70
分类号:G06T5/70;G06N3/0455;G06N3/0464
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.17#实质审查的生效;2024.04.30#公开
摘要:本发明公开了一种基于快速扩散模型的低剂量CT图像去噪方法和系统。包括:扫描方案设计与实验体模准备,获取不同剂量下的CT图像与匹配的正常剂量CT图像;构建快速扩散模型;训练过程阶段对所述匹配的图像对逐步扩散噪声,生成噪声目标图像;基于所述目标噪声图像与低剂量CT图像为条件分块处理,同时逆向推理逐步去除噪声获得清晰的CT影像。本发明使用高性能快速扩散模型应用于低剂量CT图像重建,通过逐步扩散并去除噪声,模型能够捕捉图像的复杂结构和细节,在较好得去除影像噪声与伪影的同时最大程度保留CT影像原始结构。除此之外将本发明与现有先进的方法处理结果交给放射科医生盲评处理,本发明涉及方法取得了最优结果。
主权项:1.基于快速扩散模型的低剂量CT图像去噪方法,其特征在于,包括如下步骤:步骤一,获得不同低剂量程度的CT图像与正常剂量CT图像;步骤二,搭建快速扩散模型,包括前向扩散结构与逆向去噪推理;步骤三,输入匹配的低剂量和正常剂量图像到前向扩散结构,并按照马尔可夫链的方式逐步添加噪声,最后得到目标噪声图像;步骤四,基于所述目标噪声图像与低剂量CT图像,通过LUNet模型进行逆向去噪推理,逐步去除噪声获得清晰的CT图像;LUNet模型包括编码器,中间层与解码器,其中编码器包括ResNetblock,高效扩展感知下采样模块EEP,对称感知自注意力机制SASelf-attention;中间层包括卷积层与SASelf-attention;编码器包括ResNetblock,SASelf-attention和卷积上采样层。
全文数据:
权利要求:
百度查询: 湖北珞珈实验室;武汉大学 基于快速扩散模型的低剂量CT图像去噪方法和系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。