图像降噪方法及装置与流程

技术特征：
1.一种图像降噪方法，其包括：基于第一深度学习网络，对原始扫描对象图像进行处理，以获取所述原始扫描对象图像对应的噪音图像；以及基于所述原始扫描对象图像和所述噪音图像获取降噪图像；其中，所述第一深度学习网络基于低信噪比图像和高信噪比图像训练得到。2.如权利要求1所述的图像降噪方法，其中，所述训练包括：获取低信噪比图像作为样本原始图像集，以及与所述低信噪比图像相同位置的高信噪比图像作为样本参考图像集；基于所述样本原始图像集以及所述样本参考图像集，得到样本噪音图像集；以及将所述样本原始图像集作为输入，所述样本噪音图像集作为输出，训练神经网络，以得到所述第一深度学习网络。3.如权利要求2所述的图像降噪方法，其中，所述低信噪比图像包括在多个不同的低剂量下获取的ct图像。4.如权利要求2所述的图像降噪方法，其中，所述样本原始图像集包括低信噪比图像中的多个区块，所述样本参考图像集包括高信噪比图像中的多个区块。5.如权利要求4所述的图像降噪方法，其中，所述样本原始图像集包括低信噪比图像中的每个区块以及对所述每个区块进行变换处理后获得的至少一个变换区块，所述样本参考图像集包括高信噪比图像中的每个区块以及对所述区块进行变换处理后获得的至少一个变换区块。6.如权利要求5所述的图像降噪方法，其中，所述变换处理包括旋转至少一个角度以及镜像翻转中的至少一个。7.如权利要求2所述的图像降噪方法，其中，所述样本原始图像集包括多个基于体模扫描获取的低信噪比图像，所述样本噪音图像集包括基于所述多个低信噪比图像与所述样本参考图像集生成的样本实际噪音图像集。8.如权利要求7所述的图像降噪方法，其中，所述样本噪音图像集进一步包括基于第二深度学习网络生成的样本虚拟噪音图像集。9.如权利要求8所述的图像降噪方法，其中，所述样本虚拟噪音图像集包括基于第二深度学习网络生成的至少一个虚拟噪音图像，且所述至少一个虚拟噪音图像与所述样本实际噪音图像集中的一个具有预设相似性。10.如权利要求9所述的图像降噪方法，其中，所述样本原始图像集进一步包括基于所述样本参考图像集和所述样本虚拟噪音图像集获取的样本虚拟原始图像集。11.一种非暂态计算机可读存储介质，其用于存储计算机程序，所述计算机程序由计算机执行时使计算机执行权利要求1-10任一项所述的图像降噪方法。12.一种图像降噪装置，其包括：噪音图像生成模块，其用于基于第一深度学习网络，对原始扫描对象图像进行处理，以获取所述原始扫描对象图像对应的噪音图像，其中，所述第一深度学习网络基于低信噪比图像和高信噪比图像训练得到；以及降噪图像合成模块，其用于基于所述原始扫描对象图像和所述噪音图像获取降噪图像。
13.如权利要求12所述的图像降噪装置，其中，进一步包括用于获取所述第一深度学习网络的第一训练模块，所述第一训练模块进一步用于：获取低信噪比图像作为样本原始图像集，以及与所述低信噪比图像相同位置的高信噪比图像作为样本参考图像集；基于所述样本原始图像集以及所述样本参考图像集，获取样本噪音图像集；以及将所述样本原始图像集作为输入，所述样本噪音图像集作为输出，训练神经网络，以得到所述第一深度学习网络。14.如权利要求13所述的图像降噪装置，其中，所述低信噪比图像包括在多个不同的低剂量下获取的ct图像。15.如权利要求13所述的图像降噪装置，其中，所述样本原始图像集包括低信噪比图像中的多个区块，所述样本参考图像集包括高信噪比图像中的多个区块。16.如权利要求15所述的图像降噪装置，其中，所述样本原始图像集包括低信噪比图像中的每个区块以及对所述每个区块进行变换处理后获得的至少一个变换区块，所述样本参考图像集包括高信噪比图像中的每个区块以及对所述区块进行变换处理后获得的至少一个变换区块。17.如权利要求16所述的图像降噪装置，其中，所述变换处理包括旋转至少一个角度以及镜像翻转中的至少一个。18.如权利要求13所述的图像降噪装置，其中，所述样本原始图像集包括多个基于体模扫描获取的低信噪比图像，所述样本噪音图像集包括基于所述多个低信噪比图像与所述样本参考图像集生成的样本实际噪音图像集。19.如权利要求18所述的图像降噪装置，其中，进一步包括：第二训练模块，其用于基于所述样本实际噪音图像集生成样本虚拟噪音图像集的第二深度学习网络。20.如权利要求19所述的图像降噪装置，其中，所述样本虚拟噪音图像集包括基于第二深度学习网络生成的至少一个虚拟噪音图像，且所述至少一个虚拟噪音图像与所述样本实际噪音图像集中的一个具有预设相似性。21.如权利要求19所述的图像降噪装置，其中，所述样本原始图像集进一步包括基于所述样本参考图像集和所述样本虚拟噪音图像集获取的样本虚拟原始图像集。22.一种成像系统，其包括如权利要求12-21中任一项所述的图像降噪装置。

技术总结
本申请提供了一种图像降噪方法及装置，成像系统以及非暂态计算机可读存储介质。所述图像降噪方法包括基于第一深度学习网络，对原始扫描对象图像进行处理，以获取原始扫描对象图像对应的噪音图像，以及基于原始扫描对象图像和噪音图像获取降噪图像，其中，所述第一深度学习网络基于低信噪比图像和高信噪比图像训练得到。练得到。练得到。


技术研发人员：任嘉梁 赵周社 张陈
受保护的技术使用者：通用电气精准医疗有限责任公司
技术研发日：2020.06.11
技术公布日：2021/12/16