基于分解卷积神经网络的自监督低剂量CT去噪方法

本发明公开了一种基于分解卷积神经网络的自监督低剂量CT去噪方法。该方法首先获取低剂量计算机断层扫描(Low Dose Computed Tomography,LDCT)影像学DICOM数据；其次将LDCT影像学数据中CT扫描边界之外的像素点的值设置为0，并在[‑1024,3072]范围内进行归一化处理，将其存储为NPY格式；然后将低剂量CT数据集输入到基于图像分解的自监督去噪网络中进行训练，得到训练模型；最后，利用得到的训练模型对新的LDCT进行预测，获得去噪后的图像。本发明通过将LDCT图像分解成干净图像、与信号相关噪声图像以及与信号无关噪声图像，能够在无标签图像的情况下从LDCT图像中分离出高质量CT图像。本发明能够通过训练好的深度学习去噪模型直接得到去噪图像，为临床医生的影像诊断工作提供了技术支持。