基于残差卷积神经网络的LDCT图像超分辨增强方法及装置

摘要

本发明公开了基于残差卷积神经网络的LDCT图像超分辨增强方法及装置。该方法首先设计了一种改进混合级联任务卷积神经网络（以U‑Net为例）的网络结构，接着按照该设计网络结构，提供大量LDCT低分辨率图像与真值高分辨率图像进行网络训练，网络训练过程由改进混合级联任务U‑Net进行特征提取、误差计算、误差反向传播构成，误差值进行反向传播。指定学习率大小为0.0001，优化器为ADAM，学习率采用阶段下降策略，不断减小超分辨率CT图像与真值高分辨率图像之间的损失。该方法能适应于医学领域一次性对胸部LDCT扫描实现三大疾病（肺结节、慢阻肺、冠心病）及脊柱的筛查、检测与分析，而不需要对空间分辨率要求更高的胸部某局部进行额外的高精度CT扫描。