一种用于医学图像低剂量估计的深度学习方法

摘要

本发明公开了一种用于医学图像低剂量估计的深度学习方法。该方法包括：利用小波变换对低剂量原始图像进行分解，得到多层分解图像，其中每层分解图像包含与原始图像对应的不同视角特性的多个子带图像；将所述多层分解图像和原始图像输入至卷积神经网络进行训练，经分解和重构，学习从低剂量原始图像到标准剂量图像之间的映射关系，其中，所述卷积神经网络包含主干结构和多个分支结构，该主干结构以原始图像为输入，所述多个分支结构分别以对应的各层分解图像为输入。本发明将小波变换与卷积神经网络结合，在提高图像峰值信噪比、结构相似性和对比度信噪比的同时，增强了图像细节信息。