本申请属于深度学习智能识别，尤其涉及一种基于扩散模型的ct薄层图像重建方法、装置、设备及计算机可读存储介质。
背景技术：
1、ct图像是近年来医生诊断的一个有效辅助工具。清晰度和分辨率高的ct图像无论是对于医生的诊断还是对于ai算法的病灶分割都起到非常好的助推作用。但是如果想获得清晰度高的ct图像，就意味着在拍摄图像的时候，病人在ct室的时间增长，即所受到的辐射增加，以及ct图像在后续的存储过程中，所需要占用的电脑空间增大。因为，很多医院不愿意存储清晰度较高(薄层)的ct图像。
2、现存的使用深度学习的方式进行厚层ct图像重建方式主要使用的是监督学习的方法。该方法存在的主要问题是需要找到对应的配对ct图像进行训练，即需要找到一个病人的2组对应图像，一组为厚层图像，一组为薄层图像。然后将厚层图像当成训练图像，薄层图像当成标签，进行训练。
3、这种方法所存在的问题是很难找到大量的配对数据。因此，在实际操作中，要么因为找不到对应的训练数据而不得不放弃，要么因为训练数据过少，导致最终效果不佳。
4、因此，如何更加准确地进行图像重建是本领域技术人员亟需解决的技术问题。
技术实现思路
1、本申请实施例提供一种基于扩散模型的ct薄层图像重建方法、装置、设备及计算机可读存储介质，能够更加准确地进行图像重建。
2、第一方面，本申请实施例提供一种基于扩散模型的ct薄层图像重建方法，包括：
3、对随机噪声图像进行特征提取，得到第一特征信息；
4、对ct厚层图像进行特征提取，得到第二特征信息；
5、将第一特征信息和第二特征信息进行融合，得到特征融合信息；
6、对特征融合信息进行特征提取，得到ct薄层图像。
7、可选的，随机噪声图像的获取，包括：
8、对原始图像多次添加噪声，得到随机噪声图像；
9、其中，多次添加的噪声均服从高斯分布。
10、可选的，对原始图像多次添加噪声，得到随机噪声图像，包括：
11、对原始图像每次添加噪声后，进行尺寸大小的调整；
12、将多张尺寸大小调整后的图像进行归一化、合成，得到随机噪声图像。
13、可选的，对随机噪声图像进行特征提取，得到第一特征信息，包括：
14、通过语义分割编码的方式，对随机噪声图像进行特征提取，得到第一特征信息。
15、可选的，对ct厚层图像进行特征提取，得到第二特征信息，包括：
16、通过条件编码的方式，对ct厚层图像进行特征提取，得到第二特征信息。
17、可选的，将第一特征信息和第二特征信息进行融合，得到特征融合信息，包括：
18、通过多模态图像融合的方式，将第一特征信息和第二特征信息进行融合，得到特征融合信息。
19、可选的，对特征融合信息进行特征提取，得到ct薄层图像，包括：
20、通过语义分割解码的方式，对特征融合信息进行特征提取，得到ct薄层图像。
21、第二方面，本申请实施例提供了一种基于扩散模型的ct薄层图像重建装置，包括：
22、噪声图像特征提取模块，用于对随机噪声图像进行特征提取，得到第一特征信息；
23、厚层图像特征提取模块，用于对ct厚层图像进行特征提取，得到第二特征信息；
24、特征信息融合模块，用于将第一特征信息和第二特征信息进行融合，得到特征融合信息；
25、薄层图像获取模块，用于对特征融合信息进行特征提取，得到ct薄层图像。
26、第三方面，本申请实施例提供了一种电子设备，电子设备包括：处理器以及存储有计算机程序指令的存储器；
27、所述处理器执行所述计算机程序指令时实现基于扩散模型的ct薄层图像重建方法。
28、第四方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现基于扩散模型的ct薄层图像重建方法。
29、本申请实施例的基于扩散模型的ct薄层图像重建方法、装置、设备及计算机可读存储介质，能够更加准确地进行图像重建。
30、该基于扩散模型的ct薄层图像重建方法，包括：对随机噪声图像进行特征提取，得到第一特征信息；对ct厚层图像进行特征提取，得到第二特征信息；将第一特征信息和第二特征信息进行融合，得到特征融合信息；对特征融合信息进行特征提取，得到ct薄层图像。
1.一种基于扩散模型的ct薄层图像重建方法，其特征在于，包括：
2.根据权利要求1所述的基于扩散模型的ct薄层图像重建方法，其特征在于，随机噪声图像的获取，包括：
3.根据权利要求2所述的基于扩散模型的ct薄层图像重建方法，其特征在于，对原始图像多次添加噪声，得到随机噪声图像，包括：
4.根据权利要求1所述的基于扩散模型的ct薄层图像重建方法，其特征在于，对随机噪声图像进行特征提取，得到第一特征信息，包括：
5.根据权利要求4所述的基于扩散模型的ct薄层图像重建方法，其特征在于，对ct厚层图像进行特征提取，得到第二特征信息，包括：
6.根据权利要求5所述的基于扩散模型的ct薄层图像重建方法，其特征在于，将第一特征信息和第二特征信息进行融合，得到特征融合信息，包括：
7.根据权利要求6所述的基于扩散模型的ct薄层图像重建方法，其特征在于，对特征融合信息进行特征提取，得到ct薄层图像，包括：
8.一种基于扩散模型的ct薄层图像重建装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于，所述电子设备包括：处理器以及存储有计算机程序指令的存储器；
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-7任意一项所述的基于扩散模型的ct薄层图像重建方法。
