图像处理方法、图像处理装置、电子设备及介质与流程

本发明涉及图像处理，尤其涉及一种图像处理方法、图像处理装置、电子设备及介质。

背景技术：

1、计算机断层扫描(computed-tomography，ct)图像是广泛用于临床诊断和筛查的主要方式之一。当被扫描对象中存在金属植入物，所生成ct图像会产生放射状的金属伪影，金属伪影会降低图像质量，极大地限制了后续诊断。

2、目前对ct图像去金属伪影的方式主要采用深度学习技术领域的监督学习模型。该方法需要找到对应配对的ct图像进行模型训练，即需要找到同一个患者的两张ct图像，一张有金属伪影，一张没有金属伪影。然后将有金属伪影的图像当成训练图像，无金属伪影的图像当成标签输入至模型进行训练。这种方法所存在的问题是很难找到大量的配对数据。在临床上，找到同一个患者的两种不同类型的ct图难度较大。在实际操作中，可能会因为找不到对应的训练数据而放弃此方法，或者是因为训练数据过少，导致最终模型训练效果不佳，无法保证输出图像的质量。

技术实现思路

1、本发明提供一种图像处理方法、图像处理装置、电子设备及介质，用以解决现有技术中训练数据难以获取导致模型训练效果不佳的问题。

2、本发明提供一种图像处理方法，包括：

3、将待处理图像输入至目标扩散模型，得到所述目标扩散模型输出的第一图像，所述待处理图像为存在金属伪影的图像，所述第一图像为去除金属伪影后的图像；

4、所述目标扩散模型是基于目标样本图像训练得到的，所述目标样本图像包括存在金属伪影的样本图像和不存在金属伪影的样本图像，所述目标样本图像用于指示任意对象的同一部位。

5、在一些实施例中，所述将待处理图像输入至目标扩散模型，得到所述目标扩散模型输出的第一图像之前，所述方法还包括：

6、将所述目标样本图像的噪声数据和所述存在金属伪影的样本图像分别输入至所述目标扩散模型，得到所述噪声数据对应的第一特征信息和所述存在金属伪影的样本图像对应的第二特征信息；

7、基于所述第一特征信息和所述第二特征信息，得到去除金属伪影的第二图像；

8、基于所述去除金属伪影的第二图像和所述不存在金属伪影的样本图像，确定所述目标扩散模型的损失函数；

9、基于所述损失函数，调整所述目标扩散模型的参数，直至获得训练完成的目标扩散模型。

10、在一些实施例中，所述目标扩散模型包括第一编码器、第二编码器和第一解码器；

11、所述第一编码器基于卷积层、批归一化层、激活函数relu和池化层构建；

12、所述第一编码器、第一解码器和第二解码器的结构相同。

13、在一些实施例中，所述将所述目标样本图像的噪声数据和所述存在金属伪影的样本图像分别输入至所述目标扩散模型，得到所述噪声数据对应的第一特征信息和所述存在金属伪影的样本图像对应的第二特征信息，包括：

14、将所述噪声数据输入至所述第一编码器进行特征提取，得到所述第一特征信息；

15、将所述存在金属伪影的样本图像输入至所述第二编码器进行特征提取，得到所述第二特征信息。

16、在一些实施例中，所述基于所述第一特征信息和所述第二特征信息，得到去除金属伪影的第二图像，包括：

17、对所述第一特征信息和所述第二特征信息进行特征融合，得到融合后的特征信息；

18、将所述融合后的特征信息输入至所述第一解码器，得到所述去除金属伪影的第二图像。

19、在一些实施例中，所述损失函数为：

20、

21、其中，为损失函数期望值，所述损失函数期望值用于指示所述不存在金属伪影的样本图像；ε为高斯分布的超参数；θ为所述目标扩散模型的参数；为所述目标扩散模型的训练权重；x0为所述去除金属伪影的第二图像；ii为所述存在金属伪影的样本图像；t为所述目标扩散模型的串联次数。

22、本发明还提供一种图像处理装置，包括：

23、处理模块，用于将待处理图像输入至目标扩散模型，得到所述目标扩散模型输出的第一图像，所述待处理图像为存在金属伪影的图像，所述第一图像为去除金属伪影后的图像；

24、所述目标扩散模型是基于目标样本图像训练得到的，所述目标样本图像包括存在金属伪影的样本图像和不存在金属伪影的样本图像，所述目标样本图像用于指示任意对象的同一部位。

25、本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述图像处理方法。

26、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述图像处理方法。

27、本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述图像处理方法。

28、本发明提供的图像处理方法、图像处理装置、电子设备及介质，通过采用目标样本图像即可进行目标扩散模型的训练，在不使用关联的存在金属伪影的图像和不存在金属伪影的图像的情况下，减小训练样本获取难度，同时还可以保证模型训练效果，进而可以将待处理图像输入至目标扩散模型，快速获得去除金属伪影后的图像。

技术特征：

1.一种图像处理方法，其特征在于，包括：

2.根据权利要求1所述的图像处理方法，其特征在于，所述将待处理图像输入至目标扩散模型，得到所述目标扩散模型输出的第一图像之前，所述方法还包括：

3.根据权利要求2所述的图像处理方法，其特征在于，所述目标扩散模型包括第一编码器、第二编码器和第一解码器；

4.根据权利要求3所述的图像处理方法，其特征在于，所述将所述目标样本图像的噪声数据和所述存在金属伪影的样本图像分别输入至所述目标扩散模型，得到所述噪声数据对应的第一特征信息和所述存在金属伪影的样本图像对应的第二特征信息，包括：

5.根据权利要求3所述的图像处理方法，其特征在于，所述基于所述第一特征信息和所述第二特征信息，得到去除金属伪影的第二图像，包括：

6.根据权利要求2所述的图像处理方法，其特征在于，所述损失函数为：

7.一种图像处理装置，其特征在于，包括：

8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述图像处理方法。

9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述图像处理方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述图像处理方法。

技术总结
本发明提供一种图像处理方法、图像处理装置、电子设备及介质，该方法包括：将待处理图像输入至目标扩散模型，得到目标扩散模型输出的第一图像，待处理图像为存在金属伪影的图像，第一图像为去除金属伪影后的图像；目标扩散模型是基于目标样本图像训练得到的，目标样本图像包括存在金属伪影的样本图像和不存在金属伪影的样本图像，目标样本图像用于指示任意对象的同一部位。本发明提供的图像处理方法，采用目标样本图像即可训练目标扩散模型，在不使用关联的存在金属伪影的图像和不存在金属伪影的图像的情况下，减小训练样本获取难度，同时还可以保证模型训练效果，进而可以将待处理图像输入至目标扩散模型，快速获得去除金属伪影后的图像。

技术研发人员：张逸凌,刘星宇
受保护的技术使用者：北京长木谷医疗科技有限公司
技术研发日：
技术公布日：2024/1/12