(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111602471.6 (22)申请日 2021.12.24 (71)申请人 中北大学 地址 030051 山西省太原市尖草 坪区学院 路3号 (72)发明人 刘祎　桂志国　颜溶標　张鹏程　 张权　 (74)专利代理 机构 北京五月天专利商标代理有 限公司 1 1294 代理人 李永联 (51)Int.Cl. G06T 5/00(2006.01) G06T 5/50(2006.01) G06T 3/40(2006.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 低剂量CT图像降噪方法及装置 (57)摘要 本发明涉及一种低剂量CT图像降噪方法及 装置， 对图像数据集进行预处理； 初始化卷积稀 疏图X和卷积字典D； 通过超参数预测模块产生每 次的迭代参数； 基于所述迭代参数， 迭代更新卷 积稀疏图X和卷积字典D， 直至获得预训练模型； 选取低剂量CT图像数据集， 基于所述预训练模型 在低剂量CT图像数据集上训练， 直至获得降噪模 型； 基于所述降噪模型， 对低剂量CT图像进行降 噪处理。 本发明能够有效提高低剂量CT图像降噪 处理效果。 权利要求书2页 说明书6页 附图4页 CN 114283088 A 2022.04.05 CN 114283088 A 1.一种低剂量CT图像降噪方法， 其特 征在于， 包括如下步骤： 步骤1： 对图像数据集进行 预处理； 步骤2： 初始化卷积稀疏图X和卷积字典D； 步骤3： 通过超参数预测模块产生每次的迭代参数； 基于所述迭代参数， 迭代更新卷积 稀疏图X和卷积字典D， 直至获得 预训练模型； 步骤4： 选取低剂量CT图像数据集， 基于所述预训练模型在低剂量CT图像数据集上训 练， 直至获得降噪模型； 步骤5： 基于所述降噪模型， 对低剂量CT图像进行降噪处 理。 2.根据权利要求1所述的低剂量CT图像降噪方法， 其特征在于： 步骤2中， 通过初始化模 块获得初始 化卷积稀疏图X， 所述初始 化模块由不同卷积层的拼接和级 联组成， 输入带噪声 图像和噪声标准差至所述初始 化模块， 获得初始 化卷积稀疏图X,相应的卷积字典D用全0初 始化。 3.根据权利要求1所述的低剂量CT图像降噪方法， 其特征在于： 步骤3中， 超参数预测模 块由两个卷积层和两个激活函数组成， 输入噪声标准差至所述超参数预测模块， 并将其和 超参数预测模块末端的输出相乘， 以获得 更新卷积稀疏图X和卷积字典D所需的迭代参数。 4.根据权利要求1所述的低剂量CT图像降噪方法， 其特征在于： 步骤3中， 卷积字典D的 求解网络由4个卷积层、 Relu激活函数和多尺度I nception模块组成。 5.根据权利要求1所述的低剂量CT图像降噪方法， 其特征在于： 步骤3中， 卷积稀疏图X 的求解网络以密集旁路连接下的U ‑Net结构为基础， 相 邻两层之间设有残差模块， 每个残差 模块包括多个残差单 元。 6.根据权利 要求1所述的低剂量CT图像降噪方法， 其特征在于： 步骤3中， 引入X'和D'作 为辅助变量， 迭代更新卷积稀疏图X和卷积 字典D； 在第t次迭代中， 输入的含噪图像Y同前一 次迭代后的卷积稀疏图X(t ‑1)、 卷积字典D(t ‑1)和超参数αX(t)， 经辅助变量X'求解模块求 解获得X'(t),X'(t)再与超参数βX(t)拼接， 并用卷积稀疏图求解网络得出该次迭代后的卷 积稀疏图X(t)； 含噪图像Y、 超 参数αD(t)、 前一次迭代后的卷积字典D(t ‑1)和该次迭代后的卷积 稀疏图X (t)， 经辅助变量D'求解模块求解获得D'(t)， D'(t)与超参数βD(t)拼接并用卷积字 典求解网 络得出该次迭代后的D(t)， D(t)与X(t)逐层卷积并求和以重构出 该次迭代后的图像Y(t)； 所述超参数αX(t)、 βX(t)、 αD(t)、 βD(t)均通过超参数 预测模块获得。 7.根据权利要求6所述的低剂量CT图像降噪方法， 其特征在于： 辅助变量X'求解模块与 辅助变量D'求 解模块分别基于快速傅里叶变换和最小二乘法， 以求获得相应的闭合 解。 8.根据权利要求1所述的低剂量CT图像降噪方法， 其特征在于： 步骤3中， 每次迭代的损 失函数由L1损失和MS ‑SSIM损失组成， 两者比例的取值范围为[0,1]； 第一次迭代的损失函 数权重记为1， 其余T ‑1次迭代的损失函数权重记为 反向传播时使用所有T次迭代的 损失函数总和。 9.根据权利要求1所述的低剂量CT图像降噪方法， 其特征在于： 步骤4中， 基于预训练模 型在低剂量CT图像数据集上训练， 根据网络 收敛情况调节初始学习率、 学习率衰减时的迭 代次数阈值和学习率衰减比例。权　利　要　求　书 1/2 页 2 CN 114283088 A 210.一种低剂量CT图像降噪装置， 其特征在于， 用于执行权利要求1 ‑9任何一项所述的 方法。权　利　要　求　书 2/2 页 3 CN 114283088 A 3