医疗图像超分辨率重建方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112508794A(43)申请公布日2021.03.16(21)申请号202110145097.5(22)申请日2021.02.03(71)申请人中南大学地址410083湖南省长沙市岳麓区麓山南路932号(72)发明人郭克华朱翡虹任盛(74)专利代理机构长沙正奇专利事务所有限责任公司43113代理人马强王娟(51)Int.Cl.G06T3/40(2006.01)G06N3/04(2006.01)G16H30/00(2018.01)权利要求书2页说明书7页附图2页(54)发明名称医疗图像超分辨率重建方法及系统(57)摘要本发明公开了一种医疗图像超分辨率重建方法及系统，构建一个蒸馏渐进式细化模块，逐步提取层次结构特征，并能够通过对比度感知注意力模块协作，逐步筛选出最有用的特征信息，这不仅能提取深层特征，还能保留图像高频部分，如边缘、结构等，最终经过组合式上采样模块，可将低分辨率医疗图像重建成边缘、细节信息清晰的超分辨率图像，能够提升医疗图像超分辨率效率（重建单张图像的时间约为38毫秒）。经过实验证明，本发明的基于多重特征蒸馏的医疗图像超分辨率方法，能够提升医疗超分辨率图像的质量和效率，图像的客观指标和重建时间都优于对比的方法，模型的参数量相对于对比模型少了6倍左右。CN112508794ACN112508794A权利要求书1/2页1.一种医疗图像超分辨率重建方法，其特征在于，包括以下步骤：1）将医疗图像输入到超分辨率网络中，提取出浅层特征；2）将所述浅层特征输入第一个渐进式细化模块，将第一渐进式细化模块的输出作为第二个渐进式细化模块的输入，依此类推，直至得到第L个渐进式细化模块的输出；3）对L个渐进式细化模块输出的特征降维，利用降维后的特征得到重建后的特征，且所述重建后的特征的维度与所述浅层特征的维度相同；其中，所述L个渐进式细化模块的结构相同；第一个渐进式细化模块对所述浅层特征进行包括如下步骤的处理：A）对所述浅层特征进行卷积操作，得到特征，复制所述特征，得到两份特征；B）对于其中一份特征，将该份特征分组，获取每组的权重值，并将所述权重值从高到低排序，选取权重值排名最前的M组特征作为保留部分，该保留部分即为蒸馏特征；C）对于另一份特征，执行步骤A）、B）的操作；D）重复步骤C）K次，融合所有的蒸馏特征和第K次迭代后得到的细化特征，得到第一融合特征，将所述第一融合特征依次输入到对比度感知通道注意力层和卷积层，卷积层的输出再加上浅层特征，得到第一个渐进式细化模块的输出；其中，K＞1。2.根据权利要求1所述的医疗图像超分辨率重建方法，其特征在于，还包括：4）融合所述重建后的特征与所述浅层特征，得到第二融合特征；5）将所述第二融合特征放大至原尺寸的M倍，将放大后的第二融合特征转换为三维空间的RGB图像，最终输出超分辨率图像。3.根据权利要求1所述的医疗图像超分辨率重建方法，其特征在于，步骤3）的具体实现过程包括：对所述L个渐进式细化模块输出的特征进行卷积操作，得到重建后的特征。4.根据权利要求1～3之一所述的医疗图像超分辨率重建方法，其特征在于，L=4～6。5.一种医疗图像超分辨率重建系统，其特征在于，包括：第一卷积层，用于提取原始医疗图像的浅层特征；L个级联的渐进式细化模块，其中第一个渐进式细化模块以所述浅层特征为输入，第二个渐进式细化模块以所述第一个渐进式细化模块的输出为输入；第二卷积层，用于对L个渐进式细化模块的输出特征降维；第三卷积层，用于对第二卷积层输出的降维后的特征进行重建，得到重建后的特征；其中，所述L个渐进式细化模块的结构相同；第一个渐进式细化模块包括：输入卷积层，用于对所述浅层特征进行卷积操作，得到特征，复制所述特征，得到两份特征；多个级联的细化单元，每个细化单元包括一个注意力层和一个分卷积层；相邻的两个细化单元中，上一细化单元的分卷积层与下一细化单元的注意力层、分卷积层连接；所述注意力层执行以下操作：对于其中一份特征，将该份特征分组，获取每组的权重值，并将所述权重值从高到低排序，选取权重值排名最前的M组特征作为保留部分，该保留部分即为蒸馏特征；最后一个分卷积层输出细化特征；2CN112508794A权利要求书2/2页融合层，用于融合每个所述细化单元输出的蒸馏特征和最后一个分卷积层输出的细化特征；输出注意力层，输入端与所述融合层连接，输出端连接输出卷积层；输出卷积层，对所述输出注意力层输出的特征进行卷积操作；叠加单元，用于将所述输出卷积层的输出加上浅层特征，得到第一个渐进式细化模块的输出。6.根据权利要求5所述的医疗图像超分辨率重建系统，其特征在于，还包括：上采样模块，用于融合所述重建后的特征与浅层特征，得到第二融合特征；将所述第二融合特征