胸部CT图像的增强方法、装置、设备及存储介质与流程

本技术涉及图像处理，具体而言，涉及一种胸部ct图像的增强方法、装置、设备及存储介质。

背景技术：

1、随着医疗技术的不断发展，胸部ct能够为医生提供肺部、心脏、气管等多种组织器官的解剖结构信息，已经成为临床医学中最常用的影像学检查手段之一。

2、传统的ct扫描图像，由于不同组织结构的密度和对比度不同，存在图像质量不够清晰，难以区分不同的病变的挑战，影响医生对疾病的诊断和治疗。

3、由于ct胸部图像的成像质量受到多种因素的影响，如患者体型、呼吸运动、伪影等因素带来的伪影等会降低图像的清晰度和对比度，增加了图像增强的难度。其次，ct胸部图像的解剖结构非常复杂，包括肺组织、血管、气管、膈膜等多个解剖部位，每个部位的特征和纹理都不同，难以针对不同的部位进行有效增强。因此，如何提高胸部ct图像的对比度和清晰度，是本领域技术人员亟待解决的技术问题。

技术实现思路

1、本技术实施例提供了一种胸部ct图像的增强方法、装置、设备及存储介质，以至少解决相关技术中难以针对ct图像不同的部位进行有效增强，图像增强效果较差的技术问题。

2、根据本技术实施例的一个方面，提供了一种胸部ct图像的增强方法，包括：

3、对待处理的胸部ct图像进行并行分割，得到多个目标组织图像；基于多尺度增强变换算法对所述多个目标组织图像并行处理，得到每个组织的重建图像，其中，多尺度增强变换算法包括对非线性增强变换后的拉普拉斯图像和非线性增强变换后的高斯卷积图像基于预训练的权重进行加权融合；将每个组织的重建图像进行融合，得到融合后的胸部ct图像。

4、在一个可选地实施例中，对待处理的胸部ct图像进行并行分割，得到多个目标组织图像，包括：

5、基于unet架构的分割网络对所述胸部ct图像进行并行分割，得到肺、心脏、气管的组织图像。

6、在一个可选地实施例中，基于拉普拉斯金字塔方法对所述多个目标组织图像并行进行多尺度增强变换，得到每个组织的重建图像，包括：

7、根据所述目标组织图像生成第一尺度的拉普拉斯图像；

8、根据所述第一尺度的拉普拉斯图像生成第二尺度的拉普拉斯图像，重复该步骤，直到生成第n尺度的拉普拉斯图像，并对每个尺度生成的拉普拉斯图像进行非线性增强变换，得到每个尺度变换后的拉普拉斯图像；

9、对第n尺度变换过程中的高斯卷积图像进行非线性增强变换，得到第n尺度的模糊图像；

10、对第n尺度变换后的拉普拉斯图像与第n尺度的模糊图像基于预训练的权重进行加权融合，得到第n尺度的重建图像；

11、根据所述第n尺度的重建图像生成第n-1尺度的重建图像，根据所述第n-1尺度的重建图像，生成第n-2尺度的重建图像，重复该步骤，直到生成第一尺度的重建图像，将所述第一尺度的重建图像作为所述目标组织的重建图像。

12、在一个可选地实施例中，根据所述目标组织图像生成第一尺度的拉普拉斯图像，包括：

13、对所述第一尺度的目标组织图像进行高斯卷积，得到第一高斯卷积图像；

14、对所述第一高斯卷积图像进行下采样，得到下采样后的图像；

15、对下采样后的图像进行上采样，得到上采样后的图像；

16、对上采样后的图像进行高斯卷积，得到第二高斯卷积图像；

17、根据第一尺度的目标组织图像与所述第二高斯卷积图像的差，得到第一尺度的目标组织图像的拉普拉斯图像。

18、在一个可选地实施例中，根据第m尺度的拉普拉斯图像生成第m+1尺度的拉普拉斯图像，包括：

19、对第m尺度的下采样后的图像进行高斯卷积，得到第m+1尺度的第一高斯卷积图像；

20、对所述第m+1尺度的第一高斯卷积图像进行下采样，得到第m+1尺度的下采样后的图像；

21、对第m+1尺度的下采样后的图像进行上采样，得到第m+1尺度的上采样后的图像；

22、对第m+1尺度的上采样后的图像进行高斯卷积，得到第m+1尺度的第二高斯卷积图像；

23、根据第m尺度的下采样后的图像，与所述第m+1尺度的第二高斯卷积图像的差，得到第m+1尺度的目标组织图像的拉普拉斯图像，其中，1≤m＜n，m为正整数。

24、在一个可选地实施例中，根据所述第n尺度的重建图像生成第n-1尺度的重建图像，包括：

25、对所述第n尺度的目标组织重建图像进行上采样；

26、对上采样后的目标组织重建图像进行高斯卷积，得到第n-1尺度的高斯卷积图像；

27、对所述第n-1尺度的高斯卷积图像进行非线性增强变换，得到所述第n-1尺度的模糊图像；

28、基于预训练的权重对第n-1尺度变换后的拉普拉斯图像与第n-1尺度的模糊图像进行加权融合重建，得到第n-1尺度的目标组织重建图像。

29、在一个可选地实施例中，根据第n尺度变换后的拉普拉斯图像与第n尺度的模糊图像基于预训练的权重进行加权融合之前，还包括：

30、初始化权重参数值，确定一次迭代的可选权值；

31、遍历可选权值的所有迭代结果，将信噪比最大的权值组合确定为此次迭代的最终权值；

32、构造下一次迭代的可选权值组合，遍历可选权值的所有迭代结果，将信噪比最大的权值组合确定为此次迭代的最终权值，重复迭代直至信噪比函数收敛。

33、根据本技术实施例的另一方面，还提供了一种胸部ct图像的增强装置，包括：

34、并行分割模块，用于对待处理的胸部ct图像进行并行分割，得到多个目标组织图像；

35、并行增强模块，用于基于多尺度增强变换算法对所述多个目标组织图像并行处理，得到每个组织的重建图像，其中，多尺度增强变换算法包括对非线性增强变换后的拉普拉斯图像和非线性增强变换后的高斯卷积图像基于预训练的权重进行加权融合；

36、结果融合模块，用于将每个组织的重建图像进行融合，得到融合后的胸部ct图像。

37、根据本技术实施例的又一方面，还提供了一种电子设备，包括存储器和处理器，上述存储器中存储有计算机程序，上述处理器被设置为通过上述计算机程序执行上述的胸部ct图像的增强方法。

38、根据本技术实施例的又一方面，还提供了一种计算机可读的存储介质，该计算机可读的存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述胸部ct图像的增强方法。

39、本技术实施例提供的技术方案可以包括以下有益效果：

40、本技术的图像增强方法，可以对分割出的组织图像进行并行处理，提高处理效率。且对拉普拉斯图像和高斯图像分别应用非线性映射变换，解决了高斯图像细节丢失与拉普拉斯图像易受噪声干扰的问题，实现更大化保全各组织的细节信息，有效提高图像的对比度和清晰度，达到更加精细的图像增强效果，同时也解决了过度增强或失真问题。

41、进一步地，本技术还提出新的权重分配策略，对拉普拉斯金字塔增强方法中各尺度特征图像赋予不同权重后再进行融合，提高了各组织的增强效果，有效降低噪声对增强效果的干扰。