本發(fā)明涉及深度學(xué)習(xí)及計(jì)算機(jī)斷層掃描，特別涉及一種基于通過擴(kuò)散模型驅(qū)動(dòng)圖像域變換的ct金屬偽影校正方法。

背景技術(shù)：

1、x射線計(jì)算機(jī)斷層成像(ct)由于其快速的成像速度和極高的分辨率而廣泛應(yīng)用于臨床。然而，一旦測試者內(nèi)含有金屬植入物(諸如，骨折螺釘、神經(jīng)血管線圈、心臟起搏器等)，就會(huì)發(fā)生射術(shù)硬化、散射、光子饑餓、非線性部分容積效應(yīng)等物理機(jī)制，并向重建圖像引入嚴(yán)重的條紋、帶狀或陰影等金屬偽影。

2、傳統(tǒng)的金屬偽影校正算法主要是插值法，這種方法用與金屬相鄰的投影數(shù)據(jù)，直接對(duì)被金屬破壞的投影數(shù)據(jù)進(jìn)行替換或校正。盡管這類方法可以抑制部分金屬偽影，但還是會(huì)導(dǎo)致圖像過平滑。一些改進(jìn)的插值法通過估計(jì)有效先驗(yàn)圖像或嵌入物理先驗(yàn)知識(shí)，來提高插值數(shù)據(jù)的準(zhǔn)確性。然而，在測試者內(nèi)有多個(gè)金屬植入物的情況下，這類方法的性能提升很有限。

3、深度學(xué)習(xí)具備強(qiáng)大的特征學(xué)習(xí)能力，因此逐步被應(yīng)用于金屬偽影校正領(lǐng)域中。大多數(shù)基于深度學(xué)習(xí)的金屬偽影校正算法采用有監(jiān)督學(xué)習(xí)的方式，或是學(xué)習(xí)從有金屬偽影圖像到無金屬偽影圖像的映射；或是基于雙域，采用聯(lián)合訓(xùn)練投影域和圖像域恢復(fù)子網(wǎng)絡(luò)的策略，提升偽影校正的性能。因?yàn)檫@些基于有監(jiān)督學(xué)習(xí)方式的偽影校正算法缺乏配對(duì)的真實(shí)數(shù)據(jù)(有金屬偽影/無金屬偽影)以訓(xùn)練模型，因此僅能通過常用的仿真算法對(duì)衰減系數(shù)圖像分割以得到基物質(zhì)圖像，用多能前投算子、加噪、重建的方式獲得配對(duì)的仿真數(shù)據(jù)。但由于x射線和金屬植入物的物理效應(yīng)極其復(fù)雜，而且對(duì)齊仿真和真實(shí)的光譜信息、掃描協(xié)議、掃描設(shè)備、重建參數(shù)極其困難，所以仿真的配對(duì)數(shù)據(jù)往往不同于真實(shí)的配對(duì)數(shù)據(jù)。因此，有監(jiān)督的金屬偽影校正算法往往面臨著域差異的問題，這種域差異尤其在圖像的高頻部分(諸如，噪聲和條紋偽影)表現(xiàn)突出，而且這種域差異會(huì)降低模型泛化性能，即推理真實(shí)數(shù)據(jù)時(shí)往往達(dá)不到推理仿真數(shù)據(jù)時(shí)的效果。

4、在半監(jiān)督或無監(jiān)督的學(xué)習(xí)方式中，直接用真實(shí)數(shù)據(jù)訓(xùn)練金屬偽影校正模型，比如對(duì)抗生成網(wǎng)絡(luò)(gan，adn)。雖然這類方法不用考慮仿真數(shù)據(jù)和真實(shí)數(shù)據(jù)之間的域差異，但這類方法的網(wǎng)絡(luò)訓(xùn)練不穩(wěn)定，而且不能校正較強(qiáng)的金屬偽影。其中一種是訓(xùn)練時(shí)的域適應(yīng)，通過訓(xùn)練一個(gè)分類器對(duì)齊編碼器提取的真實(shí)數(shù)據(jù)特征和仿真數(shù)據(jù)特征(比如udamar)，雖然這種方法比有監(jiān)督的學(xué)習(xí)方式有效，但預(yù)訓(xùn)練真實(shí)數(shù)據(jù)和測試數(shù)據(jù)的潛在不一致性會(huì)降低偽影校正的效果。

5、因此，針對(duì)現(xiàn)有技術(shù)不足，提供一種基于通過擴(kuò)散模型驅(qū)動(dòng)圖像域變換的ct金屬偽影校正方法以解決現(xiàn)有技術(shù)不足甚為必要。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于避免現(xiàn)有技術(shù)的不足之處而提供一種基于通過擴(kuò)散模型驅(qū)動(dòng)圖像域變換的ct金屬偽影校正方法。該基于通過擴(kuò)散模型驅(qū)動(dòng)圖像域變換的ct金屬偽影校正方法，充分考慮了有監(jiān)督金屬偽影校正模型推理時(shí)的域差異問題，并通過擴(kuò)散模型實(shí)現(xiàn)輸入域適應(yīng)，充分利用了有監(jiān)督金屬偽影校正模型在仿真數(shù)據(jù)上的校正性能，提高了模型在真實(shí)數(shù)據(jù)上的泛化性能。

2、本發(fā)明的上述目的通過以下技術(shù)措施實(shí)現(xiàn)：

3、提供一種基于通過擴(kuò)散模型驅(qū)動(dòng)圖像域變換的ct金屬偽影校正方法，包括如下步驟：

4、s1、將真實(shí)有金屬偽影圖像xr輸入訓(xùn)練后的第一擴(kuò)散模型dsx進(jìn)行條件采樣操作，輸出的最終采樣結(jié)果為域適應(yīng)后有金屬偽影圖像

5、s2、將s1得到的域適應(yīng)后有金屬偽影圖像輸入訓(xùn)練后的金屬偽影校正模型進(jìn)行偽影校正，得到金屬偽影校正后圖像

6、s3、將s2得到的金屬偽影校正后圖像輸入訓(xùn)練后的第二擴(kuò)散模型dry進(jìn)行條件采樣操作，輸出的最終采樣結(jié)果為域適應(yīng)后無金屬偽影圖像

7、優(yōu)選的，上述第一擴(kuò)散模型dsx根據(jù)訓(xùn)練數(shù)據(jù)集通過向前過程對(duì)所述第一擴(kuò)散模型dsx進(jìn)行訓(xùn)練，得到訓(xùn)練后的第一擴(kuò)散模型dsx；且所述訓(xùn)練數(shù)據(jù)集設(shè)置有對(duì)配對(duì)數(shù)據(jù)和多個(gè)真實(shí)無金屬偽影圖像yr；所述配對(duì)數(shù)據(jù)為仿真金屬偽影圖像xs和仿真無金屬偽影圖像ys。

8、優(yōu)選的，上述第二擴(kuò)散模型dry根據(jù)所述訓(xùn)練數(shù)據(jù)集通過向前過程對(duì)所述第二擴(kuò)散模型dry進(jìn)行訓(xùn)練，得到訓(xùn)練后的第二擴(kuò)散模型dry。

9、在所述第一擴(kuò)散模型dsx的向前過程中，對(duì)向采樣的仿真金屬偽影圖像xs添加t次高斯噪聲，直至金屬偽影圖像xs在仿真域采樣的數(shù)據(jù)分布ps(x)收斂至先驗(yàn)的高斯噪聲圖像，得到訓(xùn)練后的第一擴(kuò)散模型dsx。

10、在所述第二擴(kuò)散模型dry的向前過程中，對(duì)向采樣的真實(shí)無金屬偽影圖像yr添加t次高斯噪聲，直至真實(shí)無金屬偽影圖像yr在真實(shí)域采樣收斂至先驗(yàn)的高斯噪聲圖像，得到訓(xùn)練后的第二擴(kuò)散模型dry。

11、在所述第一擴(kuò)散模型dsx的向前過程中，仿真金屬偽影圖像xs在仿真域采樣的數(shù)據(jù)分布ps(x)由式(1)表示，第一擴(kuò)散模型dsx前向過程的目標(biāo)函數(shù)由式(2)表示；

12、xs～ps(x)……式(1)；

13、

14、其中，為梯度運(yùn)算符，θsx為第一擴(kuò)散模型dsx的可學(xué)習(xí)參數(shù)，ε為先驗(yàn)的高斯噪聲圖像且均值為0，為第一擴(kuò)散模型dsx的噪聲預(yù)測器，為第一擴(kuò)散模型dsx的超參數(shù)，t為均勻分布時(shí)間系數(shù)。

15、在所述第二擴(kuò)散模型dry的向前過程中，真實(shí)無金屬偽影圖像yr在真實(shí)域采樣的數(shù)據(jù)分布pr(y)由式(3)表示，第二擴(kuò)散模型dry前向過程的目標(biāo)函數(shù)由式(4)表示；

16、yr～pr(y)……式(3)；

17、

18、其中，θry為第二擴(kuò)散模型dry的可學(xué)習(xí)參數(shù)，為第二擴(kuò)散模型的噪聲預(yù)測器，為第二擴(kuò)散模型dry的超參數(shù)。

19、優(yōu)選的，上述高斯噪聲圖像ε由式(5)表示；

20、

21、其中，i為方差，為正態(tài)分布；

22、優(yōu)選的，上述均勻分布時(shí)間系數(shù)t由式(6)表示；

23、t～uniform({1,…,t})……式(6)；

24、其中，t為采樣總次數(shù)，uniform為均勻分布。

25、在所述s1中，條件采樣操作中通過在所述第一擴(kuò)散模型dsx的推理過程中加入真實(shí)有金屬偽影圖像xr的低頻特征φ(xr)并進(jìn)行t次采樣操作，然后將最后一次采樣的采樣結(jié)果xi-1作為最終采樣結(jié)果，該最終采樣結(jié)果為所述域適應(yīng)后有金屬偽影圖像

26、在所述s3中條件采樣操作中通過在所述第二擴(kuò)散模型dry的推理過程中加入s2得到的金屬偽影校正后圖像的低頻特征并進(jìn)行t次采樣操作，然后將最后一次采樣的采樣結(jié)果xi-1作為最終采樣結(jié)果，該最終采樣結(jié)果為所述域適應(yīng)后無金屬偽影圖像

27、在所述s1中，所述條件采樣操作的條件約束為條件輸入約束，所述采樣操作由式(7)至式(11)表示；

28、

29、εi＝dsx(xi,i,φ(xr))……式(8)；

30、

31、

32、其中，i為時(shí)間變量，i的取值范圍為[t,1]，且t＝1000，為噪聲方差，和βi均為超參數(shù)，且αi＝1-βi，εi為第i次預(yù)測的噪聲，xi為第i次的采樣結(jié)果，為對(duì)第i次采樣的結(jié)果xi實(shí)施去噪加權(quán)后的初始結(jié)果，z為額外的高斯噪聲圖像，xi-1為當(dāng)前輸出的采樣結(jié)果。

33、在所述s1中，所述條件采樣操作的條件約束為樣本增強(qiáng)約束，所述采樣操作由式(12)至式(17)表示；

34、

35、εi＝dsx(xi,i)……式(13)；

36、

37、xi-1＝x′i-1+λ(φ(xr)-φ(x′i-1))……式(17)；

38、其中，i為時(shí)間變量，i的取值范圍為[t,1]，且t＝1000，為噪聲方差，和βi均為超參數(shù)，且αi＝1-βi，εi為在第i次預(yù)測的噪聲，xi為第i次的采樣結(jié)果，為對(duì)第i次采樣的結(jié)果xi實(shí)施去噪加權(quán)后的初始結(jié)果，z為額外的高斯噪聲圖像，x′i-1為當(dāng)前采樣的初始采結(jié)果，xi-1為當(dāng)前采樣輸出的采樣結(jié)果，λ為調(diào)制的超參數(shù)。

39、在所述s3中，所述條件采樣操作的條件約束為條件輸入約束，所述采樣操作由式(18)至式(23)表示；

40、

41、其中，i為時(shí)間變量，i的取值范圍為[t,1]，且t＝1000，為噪聲方差，和βi均為超參數(shù)，且αi＝1-βi，εi為第i次預(yù)測的噪聲，xi為第i次的采樣結(jié)果，為對(duì)第i次采樣的結(jié)果xi實(shí)施去噪加權(quán)后的初始結(jié)果，z為額外的高斯噪聲圖像，xi-1為當(dāng)前輸出的采樣結(jié)果。

42、在所述s3中，所述條件采樣操作的條件約束為樣本增強(qiáng)約束，所述采樣操作由式(23)至式(28)表示；

43、

44、εi＝dry(xi,i)……式(24)；

45、

46、其中，i為時(shí)間變量，i的取值范圍為[t,1]，且t＝1000，為噪聲方差，和βi均為超參數(shù)，且αi＝1-βi，εi為在第i次預(yù)測的噪聲，xi為第i次的采樣結(jié)果，為對(duì)第i次采樣的結(jié)果xi實(shí)施去噪加權(quán)后的初始結(jié)果，z為額外的高斯噪聲圖像，x′i-1為當(dāng)前采樣的初始采結(jié)果，xi-1為當(dāng)前采樣輸出的采樣結(jié)果，λ為調(diào)制的超參數(shù)。

47、優(yōu)選的，上述訓(xùn)練數(shù)據(jù)集的構(gòu)建方法為：

48、a1、獲取多對(duì)仿真金屬投影數(shù)據(jù)和和仿真無金屬投影數(shù)據(jù)，以及多個(gè)真實(shí)無金屬偽影圖像yr，每對(duì)仿真金屬投影數(shù)據(jù)與仿真無金屬投影數(shù)據(jù)為同一對(duì)象同一解剖位置；

49、a2、分別對(duì)每對(duì)仿真金屬投影數(shù)據(jù)和仿真無金屬投影數(shù)據(jù)進(jìn)行重建，對(duì)應(yīng)得到多對(duì)仿真金屬偽影圖像xs和仿真無金屬偽影圖像ys。

50、優(yōu)選的，上述金屬偽影校正模型的訓(xùn)練方法為：將所述訓(xùn)練數(shù)據(jù)集中的仿真金屬偽影圖像xs點(diǎn)乘金屬掩膜的補(bǔ)集得到僅含金屬偽影圖像，在所述僅含金屬偽影圖像中不含有金屬植入物，其中為仿真金屬偽影圖像xs的金屬掩膜；然后將所述僅含金屬偽影圖像輸入金屬偽影校正模型得到偽影校正后圖像，并根據(jù)損失函數(shù)mse計(jì)算偽影校正后圖像與仿真無金屬偽影圖像ys之間的損失值，然后更新金屬偽影校正模型的參數(shù)，最終得到所述訓(xùn)練后金屬偽影校正模型

51、優(yōu)選的，上述損失函數(shù)mse的損失值loss由式(29)表示：

52、

53、本發(fā)明的一種基于通過擴(kuò)散模型驅(qū)動(dòng)圖像域變換的ct金屬偽影校正方法，包括如下步驟：s1、將真實(shí)有金屬偽影圖像xr輸入訓(xùn)練后的第一擴(kuò)散模型dsx進(jìn)行條件采樣操作，輸出的最終采樣結(jié)果為域適應(yīng)后有金屬偽影圖像s2、將s1得到的域適應(yīng)后有金屬偽影圖像輸入訓(xùn)練后的金屬偽影校正模型進(jìn)行偽影校正，得到金屬偽影校正后圖像s3、將s2得到的金屬偽影校正后圖像輸入訓(xùn)練后的第二擴(kuò)散模型dry進(jìn)行條件采樣操作，輸出的最終采樣結(jié)果為域適應(yīng)后無金屬偽影圖像該基于通過擴(kuò)散模型驅(qū)動(dòng)圖像域變換的ct金屬偽影校正方法，充分考慮了有監(jiān)督金屬偽影校正模型推理時(shí)的域差異問題，并通過擴(kuò)散模型實(shí)現(xiàn)輸入域適應(yīng)，充分利用了有監(jiān)督金屬偽影校正模型在仿真數(shù)據(jù)上的校正性能，提高了模型在真實(shí)數(shù)據(jù)上的泛化性能。