本申请涉及图像处理,具体而言,涉及一种基于残差注意力机制的医学图像智能去噪方法及装置。
背景技术:
1、医学图像中的噪声会对图像质量和后续诊断造成一定的不利影响,各类噪声直接导致医学图像质量下降,影响观察和诊断。噪声会干扰边缘、纹理等结构的提取,降低分割和量化的效果。
2、去除各种噪声可以有效提升医学图像的整体视觉质量,使图像更清晰:在一些低剂量医学检查中,去噪可以使病变更清晰可检;医学图像去噪还可以提高图像本身质量,也为后续处理与分析提供更好的输入数据。
3、但是现有的医学图像处理一般集中于医学图像的三维重建等领域,对如何进行医学图像去噪研究较少。
技术实现思路
1、本申请解决的问题是当前医学图像处理中缺乏医学去噪的方式。
2、为解决上述问题,本申请第一方面提供了一种基于残差注意力机制的医学图像智能去噪方法,包括:
3、将待去噪图像输入特征提取单元,得到第一特征提取信息;
4、将第一特征提取信息输入多个依次设置的残差注意力提取单元,得到残差注意力提取信息;
5、将所述第一特征提取信息和所述残差注意力提取信息进行残差计算后,得到第二特征提取信息;
6、将所述待去噪图像与所述第二特征提取信息进行残差计算后得到去噪后的医学图像。
7、本申请第二方面提供了一种基于残差注意力机制的医学图像智能去噪装置,其包括:
8、特征提取子装置,其用于将待去噪图像输入特征提取单元,得到第一特征提取信息;
9、注意力提取子装置,其用于将第一特征提取信息输入多个依次设置的残差注意力提取单元,得到残差注意力提取信息;
10、残差计算子装置,其用于将所述第一特征提取信息和所述残差注意力提取信息进行残差计算后,得到第二特征提取信息;
11、去噪计算子装置,其用于将所述待去噪图像与所述第二特征提取信息进行残差计算后得到去噪后的医学图像。
12、本申请第三方面提供了一种电子设备,其包括:存储器和处理器;
13、所述存储器,其用于存储程序;
14、所述处理器,耦合至所述存储器,用于执行所述程序,以用于:
15、将待去噪图像输入特征提取单元,得到第一特征提取信息;
16、将第一特征提取信息输入多个依次设置的残差注意力提取单元,得到残差注意力提取信息;
17、将所述第一特征提取信息和所述残差注意力提取信息进行残差计算后,得到第二特征提取信息;
18、将所述待去噪图像与所述第二特征提取信息进行残差计算后得到去噪后的医学图像。
19、本申请第四方面提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行实现上述所述的基于残差注意力机制的医学图像智能去噪方法。
20、本申请中,对医学图像进行初步特征提取再利用残差注意力机制进行深度特征提取,最后通过长跳跃连接的方式与医学图像特征进行融合,从而完成对医学图像的去噪。
21、本申请中,通过长跳跃连接的方式直接融合初始特征,从而将特征提取的目的由医学图像中的人体特征转变为医学图像中的噪声特征,从而降低特征提取的难度,达到更好的提取效果。
22、本申请中,采用残差注意力的模块进行特征的提取,可以有效防止深度学习的退化问题和梯度消失问题,同时注意力机制可以有效减少冗余信息的干扰。
23、本申请中,使用多尺度残差模块进行特征提取,可以有效融合不同卷积核和不同感受野的特征,避免特征的丢失。
1.一种基于残差注意力机制的医学图像智能去噪方法,其特征在于,包括:
2.根据权利要求1所述的医学图像智能去噪方法,其特征在于,所述将待去噪图像输入特征提取单元,得到第一特征提取信息之前,还包括:
3.根据权利要求2所述的医学图像智能去噪方法,其特征在于,所述整体损失的计算公式为:
4.根据权利要求1-3中任一项所述的医学图像智能去噪方法,其特征在于,所述残差注意力提取单元的结构相同,且每个所述残差注意力提取单元包括:多尺度残差模块、第一卷积模块和第二卷积模块;
5.根据权利要求4所述的医学图像智能去噪方法,其特征在于,所述多尺度残差模块包括:第一卷积支路、第二卷积支路和第三卷积模块;
6.根据权利要求5所述的医学图像智能去噪方法,其特征在于,所述第一卷积支路包括依次设置的第四卷积模块和第三卷积模块,所述第二卷积支路包括依次设置的第三卷积模块和第四卷积模块;所述第三卷积模块与第四卷积模块的卷积核不同。
7.根据权利要求4所述的医学图像智能去噪方法,其特征在于,所述第一卷积模块和所述第二卷积模块结构相同,包括依次设置的卷积层、bn层、relu层和maxpooling层。
8.一种基于残差注意力机制的医学图像智能去噪装置,其特征在于,包括:
9.一种电子设备,其特征在于,包括:存储器和处理器;
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行实现权利要求1-7任一项所述的基于残差注意力机制的医学图像智能去噪方法。