买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江工业大学

摘要：一种基于扩散模型的金属伪影去除方法分类方法和装置，其方法包括：S1：采用先验网络PriorNet对LI线性插值的CT图像XLI和干净的CT图像Xgt进行特征提取，得到先验信息z；S2：利用MarNet将先验信息z和LI线性插值的图像一同输入，经过多次池化和上采样得到输出图像Xout1并计算L1loss保存模型；S3：在S2的期间使用，将先验信息z传入DDPM中，训练DDPM使之学习到z的分布；S4：修改先验网络PriorNet，通过输入XLI图像经过多次卷积块和残差块获得先验信息zt而后将信息放入DDPM网络中去噪，获得先验信息z0；S5：将处理后的先验信息z0和XLI一同送入MarNet中，经过处理得到最终的图像输出Xout。本发明减少了二次金属伪影的诞生，图像细节恢复好，模型鲁棒性更强，训练时间更短。

主权项：1.一种基于扩散模型的金属伪影去除方法，包含以下步骤：S1：采用先验网络对LI线性插值的CT图像和干净的CT图像数据进行拼接后特征提取，得到先验信息，网络内部包括卷积块和残差快；S2：利用基于U-Net架构的MarNet网络将先验信息和LI线性插值的图像一同输入，经过多次池化、卷积和上采样得到第一阶段的输出图像并与干净的CT图像计算比较，使用的loss为L1损失函数，而后保存PriorNet模型：S3：运行模型，输入LI线性插值的图像和干净的CT图像，计算先验信息，并将先验信息输入去噪扩散概率模型DDPM中去训练，学习先验信息的分布，预测噪声，去噪扩散概率模型能很好的学习图像的分布，为后续的去噪作铺垫；S4：修改先验网络的结构，使之通过输入LI线性插值的图像经过多个卷积核和残差块获取先验，再后将此方法获得的先验信息输入去噪扩散概率模型DDPM完成去噪，得到处理后的先验信息，通过去噪扩散概率模型处理后的先验信息能够很好的还原接近第一阶段的先验信息的效果：S5：将处理过的先验信息与LI线性插值的图像一同输入MarNet中去，采用梯度下降的算法和L1损失函数，经过多轮网络处理，最终处理得到去除金属伪影的图像；S51：拼接输入的两张图像，对两张图像分别进行四次池化，每次池化后拼接两张图进行卷积操作；S52：采用U-Net架构常用方式，依次将前四次池化的结果与上采样最新的结果拼接，进行四次上采样和卷积，最终从而得到输出图像。

全文数据：

权利要求：

百度查询： 浙江工业大学 一种基于扩散模型的金属伪影去除方法和装置