一种基于双通道去噪扩散概率模型的肺部CT影像重建方法

专利主权项内容

1.一种基于双通道去噪扩散概率模型的肺部CT影像重建方法，其特征在于，包括如下步骤：步骤S1、构建双通道去噪扩散概率模型，其子步骤为：步骤S1-1、构建数据集：将ima格式的肺部CT影像文件转换为分辨率为224×224的单通道png文件，并对无效数据进行过滤；步骤S1-2、改进DDPM模型中的Unet网络：将Sobel卷积算子应用于高通滤波处理，通过concat操作将高频图与原始图像连接为双通道图像作为Unet网络的输入，构建改进版的Unet网络；步骤S1-3、设计动态负平方加噪策略，以实现动态地控制噪声在不同时间步中的引入程度，其子步骤为：步骤S1-3-1、计算策略权重：策略权重是用于控制噪声引入程度的中间参数，在策略权重w的计算公式中，t代表当前加噪的时间步，off表示偏置参数，T表示DDPM模型所需训练的总时间步，策略权重w的计算公式如下：tt公式(1)中，根据时间步t和偏置参数off计算出一个在[0，1]范围内的权重值，其中w与t成负相关；tS1-3-2、计算最终噪声强度参数：使用策略权重w计算最终噪声强度参数β，其中s和s分别代表噪声强度的最高值和最低值，参数β用于在前向加噪过程中调整高斯噪声的强度，实现不同的加噪策略；最终噪声强度参数β的计算公式如下：tthlttβ＝w(s-s)+s (2)；tthll步骤S1-4、使用步骤1-2中改进的Unet网络以及步骤S1-3中的动态负平方加噪策略构建双通道去噪扩散概率模型，其子步骤为：步骤S1-4-1、初始化改进版的Unet网络参数，将其设置为双通道去噪扩散概率模型的可训练的Unet网络；步骤S1-4-2、给定偏置参数off和训练的总时间步T，初始化动态负平方加噪策略，将其设置为双通道去噪扩散概率模型的前向加噪策略超参数；步骤S1-4-3、设置指数滑动平均网络：设置滑动参数并初始化一个与改进的Unet网络结构相同的指数滑动平均网络，其参数θ会在训练过程中进行指数滑动平均更新，用来提高训练时的模型稳定性，其中每次迭代θ更新公式如下：emaemaθ←αθ+(1-α)θ (3)，emaema步骤S1-4-4、定义前向扩散过程：根据动态负平方加噪策略，定义从清晰图像空间到噪声空间的可逆马尔可夫过程，按时间步t逐步添加高斯噪声；步骤S1-4-5、定义反向重建过程：基于改进的Unet网络，定义从噪声空间到清晰图像空间的逐步去噪过程，在每个时间步预测前一时刻的噪声分布；步骤S1-4-6、构建联合损失函数：计算Unet预测噪声与真实噪声的均方差损失L以及全变分正则化损失L作为双通道去噪扩散概率模型模型的联合损失函数L，公式如下：msetvL＝L+λL (6)，msetv其中，λ设置为0.001；步骤S1-5、训练并保存双通道去噪扩散概率模型；步骤S2、使用双通道去噪扩散概率模型对模糊肺部CT影像进行重建并存储至计算机本地。