(19)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 202210397546.X (22)申请日 2022.04.15 (71)申请人 中科微影 （浙江） 医疗科技有限公司 地址 317317 浙江省台州市仙居县白塔镇 仙居县经济开发区白塔 工业集聚区 (72)发明人 闫志凯　王慧贤　 (74)专利代理 机构 北京一枝笔知识产权代理事 务所(普通 合伙) 11791 专利代理师 张庆瑞 (51)Int.Cl. G06T 5/00(2006.01) G06T 5/10(2006.01) G06T 5/50(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06K 9/62(2022.01) G06V 10/762(2022.01) (54)发明名称 一种基于卷积神经网络的核磁共振图像处 理方法与系统 (57)摘要 本发明提供了一种基于卷积神经网络的核 磁共振图像处理方法与系统， 包括： 将去噪后的 核磁共振图像和增强后的目标核磁共振图像进 行融合得到融合后的核磁共振图像； 分别对融合 后的核磁共振图像和原始的核磁共振图像进行 图像块提取得到目标输出块集合和样本集合； 用 目标输出块集合和样本集合训练卷积神经网络 得到核磁共振图像去噪模型。 本发 明通过将去噪 后的核磁共振图像和增强后的目标核磁共振图 像进行融合得到训练样本， 并利用训练样本训练 卷积神经网络得到核磁共振图像去噪模型， 最后 利用核磁共振图像去噪模型对核磁共振图像进 行去噪， 不仅可以有效的消除核磁共振图像中的 噪声， 而且还可以增强图像的几何细节信息， 提 高图像判读效果。 权利要求书4页 说明书9页 附图2页 CN 114693561 A 2022.07.01 CN 114693561 A 1.一种基于卷积神经网络的核磁共 振图像处 理方法， 其特 征在于， 包括： 步骤1： 获取原 始的核磁共 振图像； 步骤2： 对所述核磁共 振图像进行分割得到目标核磁共 振图像和背景核磁共 振图像； 步骤3： 对所述目标核磁共 振图像进行图像增强得到增强后的目标核磁共 振图像； 步骤4： 对所述核磁共 振图像进行小 波变换去噪得到去噪后的核磁共 振图像； 步骤5： 将所述去噪后的核磁共振图像和所述增强后的目标核磁共振图像进行融合得 到融合后的核磁共 振图像； 步骤6： 分别对所述融合后的核磁共振图像和所述原始 的核磁共振图像进行图像块提 取得到目标输出块 集合和样本集 合； 步骤7： 用目标输出块 集合和样本集 合训练卷积神经网络得到核磁共 振图像去噪模型； 步骤8： 利用所述核磁共振图像去噪模型对当前的核磁共振图像进行去噪得到清晰的 核磁共振图像。 2.根据权利要求1所述的一种基于卷积神经网络的核磁共振图像处理方法， 其特征在 于， 所述步骤2： 对所述核磁共振图像进行分割得到目标核磁共振图像和背景核磁共振图 像， 包括： 步骤2.1： 根据像素点到聚类中心的矢量距离构建聚类函数； 其中， 所述聚类函数为： 其中， vi表示第i个聚类中心， m表示模糊聚类阈值， 表示像素点xj隶属第i个聚类中心 的隶属度， dij表示像素点xj到第i个聚类中心的矢量距离， λ表示可调参数； 步骤2.2： 对所述聚类函数进行迭代求 解得到隶属度更新 函数和聚类中心更新 函数； 步骤2.3： 根据所述隶属度更新函数和所述聚类中心更新函数对所述核磁共振图像进 行分割得到目标核磁共 振图像和背景核磁共 振图像。 3.根据权利要求2所述的一种基于卷积神经网络的核磁共振图像处理方法， 其特征在 于， 所述步骤2.2： 对所述聚类函数进行迭代求解得到隶属度更新函数和聚类中心更新函 数， 包括： 利用拉格朗日乘子法对所述聚类函数进行迭代求解得到隶属度更新函数和聚类中心 更新函数； 其中， 所述隶属度更新 函数和聚类中心更新 函数为： 。 4.根据权利要求1所述的一种基于卷积神经网络的核磁共振图像处理方法， 其特征在 于， 所述步骤3： 对所述目标核磁共振图像进行图像增强得到增强后的目标核磁共振图像，权　利　要　求　书 1/4 页 2 CN 114693561 A 2包括： 步骤3.1： 以所述目标核磁共 振图像中的每 个像素点为中心取一个邻域； 步骤3.2： 根据每个邻域的灰度中值和梯度均值确定相应像素点的噪声相似度； 其中， 噪声相似度计算公式为： 其中， 表示像素点x的梯度值， 为以像素点x为中心的邻域的梯度均值， u (x)表示像素点x的灰度值， umedian(x)表示以像素点x为中心的邻域的灰度中值； 步骤3.3： 根据 噪声相似度对所述核磁共振图像进行平滑处理得到增强后的目标核磁 共振图像。 5.根据权利要求1所述的一种基于卷积神经网络的核磁共振图像处理方法， 其特征在 于， 所述步骤4： 对所述核磁共 振图像进行小 波变换去噪得到去噪后的核磁共 振图像， 包括： 步骤4.1： 对所述核磁共振图像进行多尺度小波分解得到高频小波系数和低频小波系 数； 步骤4.2： 根据所述核磁共振图像的分解尺度、 核磁共振图像的大小、 高频小波系数的 均值确定去噪阈值； 步骤4.3： 根据所述去噪阈值构建小 波去噪函数； 步骤4.4： 利用所述小波去噪函数对所述核磁共振图像进行去噪得到去噪后的核磁共 振图像。 6.根据权利要求5所述的一种基于卷积神经网络的核磁共振图像处理方法， 其特征在 于， 所述去噪阈值 为： 其中， wj表示第j个高频小波系数， 表示在相应分解尺度下高频小波系数的均值， median|wj|表示在相 应分解尺度下高频小波系数的中值， λ表示去噪阈值， M表示核磁共振 图像的长度， N表示核磁共 振图像的宽度， L表示核磁共 振图像的分解尺度。 7.根据权利要求6所述的一种基于卷积神经网络的核磁共振图像处理方法， 其特征在 于， 所述步骤4.3： 根据所述去噪阈值构建小 波去噪函数， 包括： 步骤4.3.3： 根据去噪阈值确定小 波去噪函数的下限值； 步骤4.3.4： 根据所述下 限值和所述去噪阈值构建小波去噪函数； 其中， 所述小波去噪 函数为： 权　利　要　求　书 2/4 页 3 CN 114693561 A 3