公开(公告)号：CN112446840A

公开(公告)日：2021-03-05

申请号：CN202011417228.2

申请日：2020-12-07

Applicant: 明峰医疗系统股份有限公司

Inventor： 任艳君 ,  叶宏伟 ,  陈名亮

IPC: G06T5/00 ,  G06T5/50 ,  G06N3/04

Abstract: 本发明涉及一种基于深度学习的CT图像黑带伪影消除方法，包括：采集有黑带伪影CT图像及与其不匹配的无黑带伪影CT图像；对有黑带伪影CT图像进行伪影消除；对无黑带伪影CT图像添加噪声；分别对上述四种CT图像进行归一化处理；构建Cycle‑GAN网络模型；利用处理后的有黑带伪影CT图像、无黑带伪影CT图像、CT值偏移的伪影消除CT图像及噪声CT图像对网络模型进行网络训练，直至网络模型的网络参数达到目标条件，得到训练后的网络模型；将待处理CT图像进行伪影消除，将伪影消除前、后的CT图像输入网络模型，得到CT图像。本发明在保证CT图像的整体CT值基本不变的情况下，使CT图像中的黑带伪影得到有效缓解。

公开(公告)号：CN112446840B

公开(公告)日：2024-01-19

申请号：CN202011417228.2

申请日：2020-12-07

Applicant: 明峰医疗系统股份有限公司

Inventor： 任艳君 ,  叶宏伟 ,  陈名亮

IPC: G06T5/00 ,  G06T5/50 ,  G06N3/0464

Abstract: 本发明涉及一种基于深度学习的CT图像黑带伪影消除方法，包括：采集有黑带伪影CT图像及与其不匹配的无黑带伪影CT图像；对有黑带伪影CT图像进行伪影消除；对无黑带伪影CT图像添加噪声；分别对上述四种CT图像进行归一化处理；构建Cycle‑GAN网络模型；利用处理后的有黑带伪影CT图像、无黑带伪影CT图像、CT值偏移的伪影消除CT图像及噪声CT图像对网络模型进行网络训练，直至网络模型的网络参数达到目标条件，得到训练后的网络模型；将待处理CT图像进行伪影消除，将伪影消除前、后的CT图像输入网络模型，得到CT图像。本发明在保证CT图像的整体CT值基本不变的情况下，使CT图像中的黑带伪影得到有效缓解。