一种基于深度图卷积神经网络的成像质量评估方法

一种基于深度图卷积神经网络的成像质量评估方法属于成像质量评价领域。本发明以图卷积神经网络为基础，网络模型由图结构特征提取与融合模块、特征嵌入与池化模块两部分组成，通过结合弱监督预训练和全监督微调的训练策略，构建了一种基于深度图卷积神经网络的成像质量评估方法。通过图卷积神经网络表征成像中的不规则数据的关键信息。通过采用对成像敏感的一种梯度幅度相似度算子对成像中的像素按图结构中的节点尺寸进行计算得到一个distortion map，并利用该distortion map作为标签对图卷积神经网络进行弱监督预训练，随后迁移预训练好的卷积神经网络模型，并利用差分平均意见分数作为标签进行全监督微调，进一步提高模型对成像质量评估的准确度和鲁棒性。