本申请涉及人工智能技术,尤其涉及一种基于人工智能的图像伪影削弱方法、装置、电子设备、计算机可读存储介质及计算机程序产品。
背景技术:
1、医学图像是反映特定对象(如人类身体)内部结构或内部功能的图像,如计算机断层扫描(computed tomography,ct)图像等,医学图像已经广泛应用于临床诊断和治疗中。然而,医学图像中常常会存在伪影,伪影是指医学图像中与实际结构不相符的信号,会影响医学图像的可读性和清晰度。例如,在对人类身体进行ct成像时,如果人类身体内包括金属植入物,比如假牙、假肢等,则由于金属对x射线的吸收,会导致得到的ct图像中呈现出条纹、阴影等伪影现象。
2、在相关技术提供的方案中,通常是采用自监督学习的方式实现伪影削弱,例如,在训练阶段利用不同的金属mask对训练数据进行增广,然后利用不同增广方式间的重建结果进行相互约束以实现模型训练,训练后的模型用于削弱医学图像中的伪影。然而,自监督学习的方式需要事先搜集大量的成对样本(带伪影医学图像以及对应的不带伪影医学图像),实现成本较高。
技术实现思路
1、本申请提供一种基于人工智能的图像伪影削弱方法、装置、电子设备、计算机可读存储介质及计算机程序产品,能够降低实现成本,同时提升伪影削弱效果。
2、本申请的技术方案是这样实现的:
3、本申请提供一种基于人工智能的图像伪影削弱方法,包括:
4、获取带伪影弦图以及噪声医学图像;
5、对第t个时间步输入的医学图像进行去噪处理,得到第t个时间步的先验医学图像;其中,所述噪声医学图像用于作为第t个时间步输入的医学图像;t为大于1的整数,t为大于0且不超过t的整数,且t的初始值为t;
6、对第t个时间步的先验医学图像进行前向投影处理,得到第t个时间步的先验弦图;
7、根据所述带伪影弦图、第t个时间步的先验医学图像、以及第t个时间步的先验弦图进行联合重建处理,得到第t个时间步的重建医学图像;
8、对第t个时间步输入的医学图像以及第t个时间步的重建医学图像进行加权求和处理,得到第t-1个时间步输入的医学图像;
9、若t>1,则对t进行自减处理,并返回执行所述对第t个时间步输入的医学图像进行去噪处理,得到第t个时间步的先验医学图像的步骤;
10、若t=1,则将第1个时间步的重建医学图像确定为伪影削弱后的医学图像。
11、本申请提供一种基于人工智能的图像伪影削弱装置,包括:
12、获取模块,用于获取带伪影弦图以及噪声医学图像;
13、去噪模块,用于对第t个时间步输入的医学图像进行去噪处理,得到第t个时间步的先验医学图像;其中,所述噪声医学图像用于作为第t个时间步输入的医学图像;t为大于1的整数,t为大于0且不超过t的整数,且t的初始值为t;
14、前向投影模块,用于对第t个时间步的先验医学图像进行前向投影处理,得到第t个时间步的先验弦图;
15、联合重建模块,用于根据所述带伪影弦图、第t个时间步的先验医学图像、以及第t个时间步的先验弦图进行联合重建处理,得到第t个时间步的重建医学图像;
16、加权求和模块,用于对第t个时间步输入的医学图像以及第t个时间步的重建医学图像进行加权求和处理,得到第t-1个时间步输入的医学图像;
17、判断模块,用于若t>1,则对t进行自减处理,并返回执行所述对第t个时间步输入的医学图像进行去噪处理,得到第t个时间步的先验医学图像的步骤;
18、所述判断模块,还用于若t=1,则将第1个时间步的重建医学图像确定为伪影削弱后的医学图像。
19、本申请提供一种电子设备,包括:
20、存储器,用于存储可执行指令;
21、处理器,用于执行所述存储器中存储的可执行指令时,实现本申请提供的基于人工智能的图像伪影削弱方法。
22、本申请提供一种计算机可读存储介质,存储有可执行指令,用于引起处理器执行时,实现本申请提供的基于人工智能的图像伪影削弱方法。
23、本申请提供了一种计算机程序产品,该计算机程序产品包括可执行指令,用于引起处理器执行时,实现本申请提供的基于人工智能的图像伪影削弱方法。
24、本申请具有以下有益效果:
25、本申请通过获取带伪影弦图以及噪声医学图像,根据带伪影弦图以及噪声医学图像进行t个时间步的处理得到伪影削弱后的医学图像,在其中每个时间步中,一方面利用到了去噪处理所带来的先验知识(即先验医学图像以及先验弦图);另一方面考虑到弦图和医学图像之间的物理成像机制,实现弦图与医学图像之间的相互约束,使得弦图与医学图像之间的信息交互更加充分,即通过联合重建处理得到重建医学图像,从而提升伪影削弱效果。综上,本申请是一种无监督方式,无需搜集大量的成对样本,实现成本低;同时,也能够实现较好的伪影削弱效果。
1.一种基于人工智能的图像伪影削弱方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述根据所述带伪影弦图、第t个时间步的先验医学图像、以及第t个时间步的先验弦图进行联合重建处理,得到第t个时间步的重建医学图像,包括:
3.根据权利要求2所述的方法,其特征在于,所述根据所述带伪影弦图、第t个时间步的先验弦图、以及第t+1个时间步的重建医学图像进行弦图重建处理,得到第t个时间步的重建弦图,包括:
4.根据权利要求2所述的方法,其特征在于,所述根据第t个时间步的先验医学图像、以及第t+1个时间步的重建弦图进行医学图像重建处理,得到第t个时间步的重建医学图像,包括:
5.根据权利要求2所述的方法,其特征在于,所述根据所述带伪影弦图、第t个时间步的先验弦图、以及第t+1个时间步的重建医学图像进行弦图重建处理,包括:
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
7.根据权利要求2所述的方法,其特征在于,所述方法还包括:
8.根据权利要求1所述的方法,其特征在于,所述对第t个时间步输入的医学图像进行去噪处理,得到第t个时间步的先验医学图像,包括:
9.根据权利要求8所述的方法,其特征在于,所述通过去噪网络预测第t个时间步输入的医学图像中的噪声之前,所述方法还包括:
10.根据权利要求9所述的方法,其特征在于,所述根据样本医学图像进行前向扩散处理,得到扩散医学图像,包括:
11.根据权利要求9所述的方法,其特征在于,所述根据所述扩散医学图像进行逆向重建处理,包括:
12.根据权利要求1至11任一项所述的方法,其特征在于,伪影削弱后的医学图像的数量为多个,多个伪影削弱后的医学图像分别是根据不同的t值得到的;
13.一种基于人工智能的图像伪影削弱装置,其特征在于,包括:
14.一种电子设备,其特征在于,包括:
15.一种计算机可读存储介质,其特征在于,存储有可执行指令,用于被处理器执行时,实现权利要求1至12任一项所述的基于人工智能的图像伪影削弱方法。
16.一种计算机程序产品,其特征在于,包括可执行指令,用于被处理器执行时,实现权利要求1至12任一项所述的基于人工智能的图像伪影削弱方法。