多器官低剂量CT图像去噪方法、系统和电子设备与流程
本技术实施例涉及电子数据处理的,具体涉及多器官低剂量ct图像去噪方法、系统和电子设备。
背景技术:
1、计算机断层扫描(computed tomography,ct)是临床诊断、疾病筛查和疗效评估中广泛应用的重要医学影像技术。常规剂量 ct 扫描虽然能够获得较高质量的医学图像,但会带来一定的电离辐射暴露,长期或多次检查可能增加患者潜在健康风险。为降低辐射剂量,低剂量 ct 成像技术逐渐受到关注。然而,降低曝光时间或辐射强度通常会导致图像噪声增加、细节模糊以及组织结构可辨识度下降,从而影响医生对病灶和解剖结构的判断。
2、近年来,深度学习方法已被广泛应用于低剂量ct图像去噪任务,并在图像质量提升方面取得了较好效果。但现有方法大多针对单一器官或特定部位建立专用模型,例如仅面向肺部、腹部、脑部或心脏ct图像进行去噪。由于不同器官在解剖结构、组织纹理、灰度分布和噪声特征方面存在明显差异,单器官模型往往难以直接泛化到其他器官图像。
3、另一方面,针对不同器官分别训练和部署多个模型会造成网络结构重复、训练成本增加、显存与存储占用增加、模型维护复杂以及临床工作流部署困难等问题,不利于低剂量 ct 去噪技术在多部位、多场景下的大规模应用。
4、扩散模型作为近年来生成式人工智能领域的重要方法,具有较强的数据分布建模能力和图像细节恢复能力,在图像生成、修复和去噪等任务中表现出良好潜力。然而,传统扩散模型在 ct 图像去噪中通常对所有空间位置施加相同强度的扰动和恢复约束,未充分区分平坦区域与复杂解剖结构区域,容易将模型容量浪费在本已容易恢复的区域,导致复杂结构、高频纹理和细小解剖边界的恢复能力不足。针对上述问题,相关技术目前尚未提出有效的解决方案,已经不能满足人们的要求。
技术实现思路
1、本技术实施例的主要目的在于提供多器官低剂量ct图像去噪方法、系统和电子设备,以解决相关技术中存在的无法兼顾全局通用去噪能力和局部复杂结构恢复能力、难以提高不同解剖区域下图像质量一致性和细节保真度等技术问题。
2、本技术实施例采用如下技术方案:
3、根据本技术实施例的一个方面,提供了多器官低剂量ct图像去噪方法,包括:获取多器官低剂量ct图像与对应的常规剂量ct图像,构建训练样本并对所述多器官低剂量ct图像进行预处理;通过通用基础去噪网络接收所述多器官低剂量ct图像,输出初步去噪图像和像素级不确定性图,以所述初步去噪图像作为区域感知扩散精修模型的扩散起点,根据所述像素级不确定性图对扩散过程进行空间自适应调制,得到扩散噪声方差;通过所述像素级不确定性图对所述扩散噪声方差进行空间自适应调制,计算空间变化噪声方差并代入扩散转移分布,同时在扩散损失中对预测误差进行加权约束,获得经空间自适应调制的扩散精修模型,所述经空间自适应调制的扩散精修模型输出推理阶段所需的模型参数和调制规则;在推理阶段进行图像重建,将待处理低剂量ct图像输入,输入所述经空间自适应调制的扩散精修模型,生成最终去噪图像。
4、根据本技术实施例的至少一个具体实施方式,所述获取多器官低剂量ct图像与对应的常规剂量ct图像,构建训练样本并对所述多器官低剂量ct图像进行预处理,进一步包括:在模型训练前,对ct图像进行归一化、裁剪、重采样、窗宽窗位转换或数据增强处理,用于使不同来源和不同部位的ct图像在统一输入尺度和灰度范围下进行训练。
5、根据本技术实施例的至少一个具体实施方式,所述输出初步去噪图像和像素级不确定性图,进一步包括:将所述低剂量ct图像输入所述通用基础去噪网络并提取特征,将深层特征分别传递至重建分支和不确定性估计分支,所述重建分支输出初步去噪图像,所述不确定性估计分支输出像素级不确定性图。
6、根据本技术实施例的至少一个具体实施方式,所述通过通用基础去噪网络接收所述多器官低剂量ct图像,输出初步去噪图像和像素级不确定性图,以所述初步去噪图像作为区域感知扩散精修模型的扩散起点,根据所述像素级不确定性图对扩散过程进行空间自适应调制,得到扩散噪声方差,进一步包括:
7、将所述初步去噪图像作为区域感知扩散精修模型的初始状态,利用所述像素级不确定性图作为空间调制信号同步输入所述区域感知扩散精修模型,在每一扩散时间步按照所述像素级不确定性图对各空间位置的噪声方差进行差异化调整,根据不确定性值的高低分配对应不同的噪声方差,将各空间位置差异化调整后的噪声方差汇总构成所述扩散噪声方差。
8、根据本技术实施例的至少一个具体实施方式,所述通过所述像素级不确定性图对所述扩散噪声方差进行空间自适应调制,计算空间变化噪声方差并代入扩散转移分布,同时在扩散损失中对预测误差进行加权约束,获得经空间自适应调制的扩散精修模型,所述经空间自适应调制的扩散精修模型输出推理阶段所需的模型参数和调制规则,进一步包括:获取所述像素级不确定性图及全局噪声幅度超参数,在每一空间位置上将所述全局噪声幅度超参数与对应位置的不确定性取值相乘并平方,计算得到各空间位置对应的空间变化噪声方差,构成空间变化噪声方差矩阵;将所述空间变化噪声方差矩阵代入所述区域感知扩散精修模型的扩散正向转移分布和扩散反向转移分布中,使所述区域感知扩散精修模型在各空间位置按照各自对应的空间变化噪声方差,执行对应的正向扩散和反向扩散;获取所述区域感知扩散精修模型在每一扩散时间步对目标图像的预测结果,计算预测结果与目标图像之间的像素级误差,利用所述像素级不确定性图的平方根作为空间权重最小化加权后的误差,获得经空间自适应调制的扩散精修模型,所述经空间自适应调制的扩散精修模型输出推理阶段所需的模型参数和调制规则。
9、根据本技术实施例的至少一个具体实施方式,所述利用所述像素级不确定性图的平方根作为空间权重最小化加权后的误差,进一步包括:利用所述像素级不确定性图的平方根作为空间权重,逐像素乘以所述像素级误差并最小化加权后的误差,用以更新模型参数。
10、根据本技术实施例的至少一个具体实施方式,所述在推理阶段进行图像重建,将待处理低剂量ct图像输入,输入所述经空间自适应调制的扩散精修模型,生成最终去噪图像,进一步包括:将所述初步去噪图像作为所述区域感知扩散精修模型的初始状态输入所述区域感知扩散精修模型,将所述像素级不确定性图作为空间调制信号同步输入所述区域感知扩散精修模型,并配置初始时间步及终止时间步;所述区域感知扩散精修模型在所述初始时间步获取所述初步去噪图像作为当前图像状态,在每一当前时间步,基于所述像素级不确定性图获取当前时间步对应的空间变化噪声方差,并利用所述空间变化噪声方差执行一步反向扩散,得到前一时间步的图像状态;将所述前一时间步的图像状态作为下一轮反向扩散的当前图像状态,循环执行直至达到所述终止时间步,将所述终止时间步对应的图像状态作为最终去噪图像进行输出。
11、根据本技术实施例的又一个方面,提供了多器官低剂量ct图像去噪系统,用于实现所述的多器官低剂量ct图像去噪方法,包括:ct图像预处理模块,获取多器官低剂量ct图像与对应的常规剂量ct图像,构建训练样本并对所述多器官低剂量ct图像进行预处理;扩散噪声方差计算模块,通过通用基础去噪网络接收所述多器官低剂量ct图像,输出初步去噪图像和像素级不确定性图,以所述初步去噪图像作为区域感知扩散精修模型的扩散起点,根据所述像素级不确定性图对扩散过程进行空间自适应调制,得到扩散噪声方差;扩散精修模型输出模块,通过所述像素级不确定性图对所述扩散噪声方差进行空间自适应调制,计算空间变化噪声方差并代入扩散转移分布,同时在扩散损失中对预测误差进行加权约束,获得经空间自适应调制的扩散精修模型,所述经空间自适应调制的扩散精修模型输出推理阶段所需的模型参数和调制规则;最终去噪图像生成模块,在推理阶段进行图像重建,将待处理低剂量ct图像输入,输入所述经空间自适应调制的扩散精修模型,生成最终去噪图像。
12、根据本技术实施例的再一个方面,提供了一种电子设备,包括:处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;所述存储器中存储有计算机程序,当所述计算机程序被所述处理器执行时,使得所述处理器执行所述方法的步骤。
13、根据本技术实施例的还一个方面,提供了一种计算机可读存储介质,其存储有可由电子设备执行的计算机程序,当所述计算机程序在所述电子设备上运行时,使得所述电子设备执行所述方法的步骤。
14、本技术实施例具备的有益技术效果是:
15、本技术实施例面向不同解剖区域的低剂量ct图像,构建两阶段的一体化通用去噪流程:第一阶段通过通用基础去噪网络对低剂量ct图像进行初步去噪,并同步估计像素级重建不确定性;第二阶段利用区域感知扩散精修模型,以第一阶段输出的初步去噪图像为起点,并利用不确定性图对扩散过程中的噪声调度和损失约束进行空间自适应控制,从而重点恢复结构复杂区域的细节和纹理。
16、本技术实施例将初步去噪误差所反映的重建难度转化为像素级不确定性图,并将该不确定性图作为区域复杂度表征,用于指导后续扩散模型在不同空间位置采用不同的扰动强度和学习权重。对于平坦、易恢复区域,降低扩散扰动和学习关注度,以减少无效计算和过度生成。对于边缘、纹理、微小结构等难恢复区域,提高扩散建模和重建约束强度,以提升细节恢复能力。
17、本技术实施例能够在单一统一模型框架下处理肺部、腹部、脑部、心脏等多种解剖区域的低剂量ct图像,减少针对不同器官分别训练和部署模型所带来的成本,同时提高多器官场景下的去噪泛化能力、图像细节保留能力和临床应用便利性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com