CT图像的处理方法、处理系统和计算机可读存储介质与流程

本发明涉及图像处理，尤其涉及一种ct图像的处理方法、处理系统和计算机可读存储介质。

背景技术：

1、ct（computed tomography，计算机断层扫描）技术被广泛应用于各种疾病的检查。通过ct设备对病人进行扫描得到ct图像，医生根据ct图像对病人进行诊断。ct图像包括低剂量ct图像和高剂量ct图像。与低剂量ct图像相比，高剂量ct图像的清晰度更高，更能准确显示病人的病灶部位。为了便于医生根据ct图像判断病情，在得到低剂量ct图像之后，会根据gan生成网络对低剂量ct图像进行重建，生成高分辨率图像。而通过gan生成网络生成的高分辨率图像与高剂量ct图像之间存在较大差异，因此，应提供一些方法至少部分解决此类问题。

技术实现思路

1、本发明至少一个方面和优点将在下面的描述中部分地被阐述，或者可以从描述中显而易见，或者可以通过实践本公开的主题来获取。

2、根据本发明的第一个方面，ct图像的处理方法，包括：

3、基于第一ct图像集训练第一神经网络，使第一标注区域被识别；所述第一ct图像集通过低剂量获取，所述第一ct图像集含有第一标注区域；

4、基于和第一ct图像集对应的通过高剂量获取的第二ct图像集，训练第二神经网络，使第二ct图像集内的第二标注区域被识别；

5、对第一ct图像集进行线性插值处理，得到和第二ct图像集内图像分辨率一致的第三ct图像集，且所述第三ct图像集内的图像和第一ct图像集内的图像对应；

6、获取第二神经网络对第三ct图像集识别的正识别结果的第一类激活热力图，以及基于第二神经网络对第三ct图像集识别的负匹配结果集对应的第二类激活热力图；

7、基于第一类激活热力图和第二类激活热力图，确定第一ct图像集内图像区域和剂量指数的关联性。

8、根据本发明的一个实施例，所述第一神经网络和第二神经网络均为全卷积的rcnn神经网络；

9、所述全卷积的rcnn神经网络包括输入层、中间层和输出层；

10、第一神经网络的输出层的卷积核尺寸为2*2，第二神经网络的输出层的卷积核尺寸为5*5；

11、所述rcnn神经网络输入包括图像的灰度值比例，所述灰度值比例为图像内灰度值像素点所占的比例。

12、根据本发明的一个实施例，所述线性插值处理包括：

13、采用三线性插值对原始图像处理得到中间图像；

14、获取原始图像内第一标注区域的第一灰度分布；

15、获取中间图像和原始图像内第一标注区域对应区域内子图像的第二灰度分布；

16、基于第一灰度分布和第二灰度分布的差异，对中间图像进行灰度值调整，获得插值处理后的图像。

17、根据本发明的一个实施例，获取第一类激活热力图中的激活区域，对激活区域图像中的灰度特征进行提取，得到第一类灰度区域特征；

18、获取第二类激活热力图中的激活区域，对激活区域图像中的灰度特征进行提取，得到第二类灰度区域特征；

19、对第一类灰度区域特征和第二类灰度区域特征进行聚类，聚类数目为2，获得对应的分类簇；

20、所述分类簇的聚类中心用于指示图像的灰度区域特征和剂量指数的关联性。

21、根据本发明的一个实施例，获取低剂量获取的ct图像区域内的灰度区域特征，根据灰度区域特征和聚类中心的欧氏距离，确定灰度区域特征对应的簇；基于簇内的第一类灰度区域特征比例确定ct图像的可信度。

22、根据本发明的一个实施例，响应于簇内的第一类灰度区域特征比例大于预设值，对ct图像进行去噪和重建处理，获得高分辨率的图像。

23、根据本发明的一个实施例，图像的去噪和重建处理使用gan网络进行。

24、根据本发明的一个实施例，所述灰度区域特征包括灰度的像素的横向比例和纵向比例

25、根据本发明的第二个方面，一种ct图像的处理系统，包括计算机设备，该计算机设备被编程或配置以执行本发明第一个方面所述ct图像的处理方法。

26、根据本发明的第三个方面，一种计算机可读存储介质，该计算机可读存储介质上存储有被编程或配置以执行本发明第一个方面所述ct图像的处理方法。

技术特征：

1.ct图像的处理方法，其特征在于，包括：

2.如权利要求1所述的ct图像的处理方法，其特征在于，所述第一神经网络和第二神经网络均为全卷积的rcnn神经网络；

3.如权利要求1所述的ct图像的处理方法，其特征在于，所述线性插值处理包括：

4.如权利要求1所述的ct图像的处理方法，其特征在于，获取第一类激活热力图中的激活区域，对激活区域图像中的灰度特征进行提取，得到第一类灰度区域特征；

5.如权利要求4所述的ct图像的处理方法，其特征在于，获取低剂量获取的ct图像区域内的灰度区域特征，根据灰度区域特征和聚类中心的欧氏距离，确定灰度区域特征对应的簇；基于簇内的第一类灰度区域特征比例确定ct图像的可信度。

6.如权利要求5所述的ct图像的处理方法，其特征在于，响应于簇内的第一类灰度区域特征比例大于预设值，对ct图像进行去噪和重建处理，获得高分辨率的图像。

7.如权利要求6所述的ct图像的处理方法，其特征在于，图像的去噪和重建处理使用gan网络进行。

8.如权利要求5所述的ct图像的处理方法，其特征在于，所述灰度区域特征包括灰度的像素的横向比例和纵向比例。

9.一种ct图像的处理系统，其特征在于，包括计算机设备，该计算机设备被编程或配置以执行权利要求1-8中任意一项所述ct图像的处理方法。

10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有被编程或配置以执行权利要求1-8中任意一项所述ct图像的处理方法。

技术总结本发明公开了一种CT图像的处理方法、处理系统和计算机可读存储介质。属于图像处理技术领域。该方法包括：基于第一CT图像集训练第一神经网络，第一CT图像集通过低剂量获取；基于通过高剂量获取的第二CT图像集，训练第二神经网络；对第一CT图像集进行线性插值处理，得到第三CT图像集；获取第二神经网络对第三CT图像集识别的正识别结果的第一类激活热力图，以及负匹配结果集对应的第二类激活热力图；基于第一类激活热力图和第二类激活热力图，确定第一CT图像集内图像区域和剂量指数的关联性。本发明解决通过GAN网络生成的图像与高剂量CT图像之间存在较大差异的技术问题。本发明主要用于CT图像处理。技术研发人员：于雁宾受保护的技术使用者：应急总医院技术研发日：技术公布日：2024/7/29