CONTROLLABLE NO-REFERENCE DENOISING OF MEDICAL IMAGES

A method for training a machine-learning model for denoising is provided, including retrieving a target image data frame. The target image data frame is one image data frame of a sequence containing imaging data of a subject. The method further includes retrieving at least one prior image data frame and at least one following image data frame of the sequence. Contents of the prior and following image data frames each overlap partially with contents of the target image data frame. The method further includes retrieving acquisition parameters associated with the image data frames of the sequence and generating a prediction for a denoised target image data frame based on the prior and following image data frame. The method trains a machine-learning algorithm based on the prediction and a noise model based on the acquisition parameters. Also provided are a system and denoising method. L'invention concerne un procédé d'entraînement d'un modèle d'apprentissage automatique pour le débruitage, consistant à récupérer une trame de données d'image cible. La trame de données d'image cible est une trame de données d'image d'une séquence contenant des données d'imagerie d'un sujet. Le procédé consiste en outre à récupérer au moins une trame de données d'image précédente et au moins une trame de données d'image suivante de la séquence. Des contenus des trames de données d'image précédente et suivante chevauchent partiellement des contenus de la trame de données d'image cible. Le procédé consiste en outre à récupérer des paramètres d'acquisition associés aux trames de données d'image de la séquence et à générer une prédiction pour une trame de données d'image cible débruitée sur la base de la trame de données d'image précédente et suivante. Le procédé entraîne un algorithme d'apprentissage automatique sur la base de la prédiction et un modèle de bruit sur la base des paramètres d'acquisition. L'invention concerne également un système et un procédé de débruitage.