买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：深圳高性能医疗器械国家研究院有限公司

摘要：本发明涉及医学图像处理技术领域，尤其涉及一种图像伪影的去除方法，包括以下步骤：获取训练数据集；构建双向循环生成对抗网络模型；设计双向循环生成对抗网络模型的多重损失函数；训练双向循环生成对抗网络模型；将有运动伪影的图像输入训练好的双向循环生成对抗网络模型，得到无运动伪影的图像。本发明提出的一种图像伪影的去除方法，解决了现有的CTA冠脉图像伪影的去除方法存在泛化能力弱、重建效果不稳定的问题。

主权项：1.图像伪影的去除方法，其特征在于，包括以下步骤：S1：获取训练数据集，其中，所述训练数据集包括：有运动伪影的图像训练数据集和无运动伪影的图像训练数据集；S2：构建双向循环生成对抗网络模型；S3：设计双向循环生成对抗网络模型的多重损失函数；所述多重损失函数由判别器损失函数、生成器联合损失函数、循环损失函数和自洽损失函数构成：其中，所述判别器损失函数表示为： 所述生成器联合损失函数表示为：L*G＝λg*LG+λssim*LSSIM+λpsnr*LPSNR所述循环损失函数表示为： 所述自洽损失函数表示为： 其中：E·表示期望，x～*表示输入服从其中某一类分布，D·表示经过判别器后得到的输出，λ1为wgan-gp进行梯度惩罚的权重参数；λg、λssim和λpsnr分别表示分别为生成器损失的权重、结构相似性约束的权重和峰值信噪比约束的权重，LG表示生成器损失，LSSIM表示结构相似性，LPSNR表示峰值信噪比；F表示用来输入参考图像，生成假冒输入的图像，||*||表示一阶范数；S4：训练双向循环生成对抗网络模型；将所述训练数据集输入至所述双向循环生成对抗网络模型，基于所述多重损失函数对所述双向循环生成对抗网络模型进行训练，得到训练好的双向循环生成对抗网络模型；所述双向循环生成对抗网络模型包括第一判别器、第二判别器、第一多尺度生成器和第二多尺度生成器；其中，所述第一多尺度生成器用于从有运动伪影的图像生成无运动伪影的图像；所述第二多尺度生成器用于从无运动伪影的图像生成有运动伪影的图像；所述第一判别器用于鉴别输入和生成的有运动伪影的图像；所述第二判别器用于鉴别输入和生成的无运动伪影的图像；S5：将有运动伪影的图像输入所述训练好的双向循环生成对抗网络模型，得到无运动伪影的图像。

全文数据：

权利要求：

百度查询： 深圳高性能医疗器械国家研究院有限公司 一种图像伪影的去除方法