基于迭代知识迁移和风格泛化学习的CT图像降噪方法及设备、介质

本发明提供基于迭代知识迁移和风格泛化学习的CT图像降噪方法及设备、介质，通过医学图像数据集确定源域和目标域；使用源域的数据预训练源域模型；将目标域的图像并行输入源域模型和目标域模型；将源域模型输出的结果作为伪标签，目标域模型在伪标签的指导下学习；通过风格泛化学习模型合成图像，将合成的图像扩充到输入数据集中；将待测试图像输入去噪网络进行低剂量图像去噪。本发明提出了新的领域自适应降噪框架，结合监督学习和无监督学习的优点，解决了不同成像场景中噪声模式变化的挑战，能实现多种医学X射线图像的准确去噪；充分利用了迭代知识迁移和风格泛化学习的优势，能很好地解决医学X射线图像去噪任务中普遍存在的域适应问题。