本发明涉及医学图像，更具体的说是涉及一种基于扩散模型的磁共振图像去噪方法及系统。
背景技术：
1、磁共振成像是一种重要的医学成像技术，因其成像速度快、危害性小等特点被广泛应用于医学诊断中，可提供用于诊断目的的详细图像。然而，该技术面临着复杂性和成像速度慢等挑战，并且成像过程中往往会引入噪声，噪声干扰会加剧这种挑战，从而降低图像质量。磁共振图像通常包含莱斯噪声，与加性高斯噪声不同，莱斯噪声的分布与图像的数据相关，使其更难以去除，这种噪声不仅使分割、分类和重建等进一步的图像处理任务变得复杂，而且严重影响临床医生的诊断。因此，解决磁共振图像的噪声问题至关重要。
2、现有的磁共振图像去噪方法中，结合bm3d和方差稳定变换的磁共振图像去噪方法利用局部噪声水平的估计和具有稀疏性约束的噪声水平场(nlf)模型来拟合nlf，然后，利用估计的nlf进行空间自适应方差稳定变换，使含有噪声的磁共振图像具有相同方差，最后采用bm3d算法对变换后的图像进行噪声去除；基于生成对抗网络(gan)的磁共振图像去噪方法为探索相邻切片之间的结构相似性，使用3d结构作为基本处理单元，将残差自编码器结合反卷积操作引入到生成器网络中，为了缓解传统的均方误差(mse)损失函数过于平滑的缺点，通过计算预训练的vgg19网络提取的特征空间中的距离来实现感知相似性，并将mse和对抗损失结合起来形成新的损失函数，在保持基本结构的同时去除噪声。然而，传统的去噪方法容易在去除噪声的同时去除有意义的图像数据，使得去噪后的图像丢失重要结构性信息，直接影响到医生对病症的诊断。因此，如何提供一种基于扩散模型的磁共振图像去噪方法及系统是本领域技术人员亟需解决的问题。
技术实现思路
1、有鉴于此，本发明提供了一种基于扩散模型的磁共振图像去噪方法及系统，对磁共振图像进行方差稳定正变换，再进行扩散去噪，扩散过程中加入高斯噪声序列以破坏原有图像，然后将扩散过程反转以提供不同的去噪水平，最后通过方差稳定逆变换得到去噪后的图像。
2、为了实现上述目的，本发明提供如下技术方案：
3、一种基于扩散模型的磁共振图像去噪方法，包括以下步骤：
4、s1、通过方差稳定正变换算法将磁共振图像的噪声变为具有稳定方差的高斯分布；
5、s2、将磁共振图像输入去噪扩散概率模型，去噪扩散概率模型的前向过程不断向磁共振图像添加高斯噪声，使其逐渐接近与磁共振图像相关的高斯分布；
6、s3、去噪扩散概率模型的后向过程根据现有的噪声状态通过学习来估计噪声分布，获得前一时刻的噪声状态，并逐步从高斯分布构造真实数据；
7、s4、通过方差稳定逆变换算法，得到去噪后的磁共振图像。
8、可选的，s1中的方差稳定正变换算法为：
9、
10、
11、式中，z为原始磁共振图像，f(z)为方差稳定正变换算法后的磁共振图像。
12、可选的，s4中的方差稳定逆变换算法为：
13、
14、式中，m为去噪后的磁共振图像，d为去噪扩散概率模型处理后的磁共振图像。
15、可选的，t时刻磁共振图像中的非噪声数据表示为xt，xt～q(x0)，其中，q(x0)是未被噪声破坏的原始数据分布，t时刻磁共振图像的噪声状态xt和t-1时刻磁共振图像的噪声状态xt-1之间的关系表示为：
16、
17、式中，t∈{1,2,…,t}，表示高斯噪声分布，βt是与t时刻相关的噪声方差修正量，i是与初始状态具有相同维数的单位矩阵，对于输入x0的联合分布x1,x2,…,xt表示为：
18、
19、对输入x0的t时刻噪声状态通过马尔科夫链建模获得：
20、
21、式中，αt＝1-βt，xt-1和xt之间的关系为：其中
22、可选的，根据前向过程的结果，后验分布在t时刻的噪声状态xt能够被预测，其联合分布pθ(x1,x2,…,xt)为马尔科夫链，定义为：
23、
24、在t-1时刻的xt-1从上一时刻的噪声状态xt获得，条件分布表示为：
25、
26、式中，μθ(xt,t)和∑θ(xt,t)分别为噪声分布的均值和方差，θ是噪声估计网络的参数，当输入为x0时，xt-1和xt之间的真实条件分布是：
27、
28、
29、使用噪声估计网络μθ估计真实噪声分布平均值噪声分布的均值μθ(xt,t)可估计为：
30、
31、可得因此t-1时刻的xt-1表示为
32、
33、最后，根据噪声分布的估计pθ(xt-1|xt)，对不同时刻的噪声估计网络逐步进行反采样，得到真实的数据分布。
34、一种基于扩散模型的磁共振图像去噪系统，应用上述任一项所述的一种基于扩散模型的磁共振图像去噪方法，包括：
35、方差稳定正变换模块，将磁共振图像的噪声变为具有稳定方差的高斯分布；
36、去噪扩散概率模型前向过程模块，向磁共振图像添加高斯噪声，使其逐渐接近与输入数据相关的高斯分布；
37、去噪扩散概率模型后向过程模块，根据现有的噪声状态通过学习来估计噪声分布，进一步获得前一时刻的状态，并逐步从高斯分布构造真实数据；
38、方差稳定正变换模块，得到去噪后的磁共振图像。
39、经由上述的技术方案可知，与现有技术相比，本发明公开了一种基于扩散模型的磁共振图像去噪方法及系统，具有以下有益效果：本发明先对含有莱斯噪声的磁共振图像进行方差稳定变换，再进行扩散去噪，扩散过程中加入高斯噪声序列以破坏原有图像，然后通过马尔可夫链建模，将扩散过程反转以提供不同的去噪水平，最后通过方差稳定的逆变换得到去噪后的图像，将磁共振图像中原含有的乘性噪声转变为加性噪声，更适合应用于去噪扩散概率模型进行去噪。在较好去除噪声的同时解决了现有技术会去除有效图像数据的问题，也解决了传统图像去噪方法生成图像质量不高的问题。
1.一种基于扩散模型的磁共振图像去噪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于扩散模型的磁共振图像去噪方法，其特征在于，s1中的方差稳定正变换算法为：
3.根据权利要求2所述的一种基于扩散模型的磁共振图像去噪方法，其特征在于，s4中的方差稳定逆变换算法为：
4.根据权利要求1所述的一种基于扩散模型的磁共振图像去噪方法，其特征在于，t时刻磁共振图像中的非噪声数据表示为xt，xt～q(x0)，其中，q(x0)是未被噪声破坏的原始数据分布，t时刻磁共振图像的噪声状态xt和t-1时刻磁共振图像的噪声状态xt-1之间的关系表示为：
5.根据权利要求4所述的一种基于扩散模型的磁共振图像去噪方法，其特征在于，根据前向过程的结果，后验分布在t时刻的噪声状态xt能够被预测，其联合分布pθ(x1，x2，...，xt)为马尔科夫链，定义为：
6.一种基于扩散模型的磁共振图像去噪系统，其特征在于，应用权利要求1-5任一项所述的一种基于扩散模型的磁共振图像去噪方法，包括：
