本发明专利技术公开了一种超视野CT图像重建模型训练和超视野CT图像重建方法,利用预设重建算法对获取的多组CBCT投影数据进行重建处理得到正常视野图像;对正常视野图像进行视野缩小处理;对缩小后的正常视野图像对应的投影数据进行补全操作;对补全操作后得到的投影数据进行重建得到超视野重建图像;根据正常视野图像数据与超视野重建图像数据构建数据集,并根据数据集训练U-Net网络模型得到超视野CT图像重建模型。减弱了因数据截断导致的重建图像超视野边界的亮环问题;有效增强了超视野区域的图像的亮度与组织结构,解决了视觉效果不好的问题;根据该模型进行超视野CT图像重建可以直接得到与正常视野重建图像的视觉效果相近的图像,满足临床诊断需求。满足临床诊断需求。满足临床诊断需求。
【技术实现步骤摘要】
一种超视野CT图像重建模型训练和超视野CT图像重建方法
[0001]本专利技术涉及CT设备成像
,具体涉及一种超视野CT图像重建模型训练和超视野CT图像重建方法。
技术介绍
[0002]锥束CT扫描能够快速获得被测物体的三维影像,且图像分辨率高,现被广泛应用于口腔医疗领域。在实际应用中,在CT扫描时会有超出成像视野的情况,现有技术中使用FDK算法重建超出规定视野范围的图像时,因超出规定视野的区域不满足数据完备条件,会引起重建图像超视野区域亮度明显偏暗、与原视野区域存在亮度跳变,导致视觉效果不好,且超视野区域内的组织结构模糊问题。但是由于硬件限制、使用场景限制以及成本控制原因,不能无限增加探测器的通道数,因此需要进一步扩大重建视野来获取超视野区域的结构信息,且使超视野重建图像显示效果接近原视野重建图像效果,以满足临床诊断需求。
技术实现思路
[0003]有鉴于此,本专利技术实施例提供了涉及一种超视野CT图像重建模型训练和超视野CT图像重建方法,以解决现有技术中在CT扫描时超出成像视野的区域亮度明显偏暗、与原视野区域存在亮度跳变且超视野区域内的组织结构模糊的技术问题。
[0004]本专利技术提出的技术方案如下:
[0005]本专利技术实施例第一方面提供一种超视野CT图像重建模型训练方法,该超视野CT图像重建模型训练方法包括:利用预设重建算法对获取的多组CBCT投影数据进行重建处理得到正常视野图像;对所述正常视野图像进行视野缩小处理;对缩小后的正常视野图像对应的投影数据进行补全操作;对补全操作后得到的投影数据进行重建得到超视野重建图像;根据所述正常视野图像数据与所述超视野重建图像数据构建数据集,并根据所述数据集训练U-Net网络模型得到超视野CT图像重建模型。
[0006]可选地,所述对所述正常视野图像进行视野缩小处理之后,对缩小后的正常视野图像对应的投影数据进行补全操作之前,所述方法还包括:计算所述获取的多组CBCT投影数据裁剪宽度;根据计算结果对所述获取的多组CBCT投影数据对应的投影图像进行裁剪。
[0007]可选地,对缩小后的正常视野图像对应的投影数据进行补全操作,包括:根据线性递减的方式并结合所述缩小后的正常视野图像的边界像素灰度值进行补全操作。
[0008]可选地,根据所述数据集训练U-Net网络模型,包括:利用损失函数迭代训练U-Net网络模型,所述损失函数包括最小化图像内容损失和图像梯度损失。
[0009]可选地,根据所述数据集训练U-Net网络模型,还包括:对训练图像进行增强处理并基于Adam优化器训练U-Net网络模型。
[0010]本专利技术实施例第二方面提供一种超视野CT图像重建方法,该超视野CT图像重建方法包括:获取CBCT投影数据对应的有效视野图像并对所述有效视野图像进行超视野重建;将重建后的图像输入到如本专利技术实施例第一方面或第一方面任一项所述的超视野CT图像
重建模型训练方法训练得到的U-Net网络模型进行处理。
[0011]本专利技术实施例第三方面提供一种超视野CT图像重建模型训练装置,该超视野CT图像重建模型训练装置包括:重建处理模块,用于利用预设重建算法对获取的多组CBCT投影数据进行重建处理得到正常视野图像;缩小处理模块,用于对所述正常视野图像进行视野缩小处理;补全模块,用于对缩小后的正常视野图像对应的投影数据进行补全操作;重建模块,用于对补全操作后得到的投影数据进行重建得到超视野重建图像;获取模块,用于根据所述正常视野图像数据与所述超视野重建图像数据构建数据集,并根据所述数据集训练U-Net网络模型得到超视野CT图像重建模型。
[0012]本专利技术实施例第四方面提供一种超视野CT图像重建装置,该超视野CT图像重建装置包括:处理模块,用于获取CBCT投影数据对应的有效视野图像并对所述有效视野图像进行超视野重建;训练模块,用于将重建后的图像输入到如本专利技术实施例第一方面或第一方面任一项所述的超视野CT图像重建模型训练方法训练得到的U-Net网络模型进行处理。
[0013]本专利技术实施例第五方面提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行如本专利技术实施例第一方面及第一方面任一项所述的超视野CT图像重建模型训练方法,或者执行如本专利技术实施例第二方面所述的超视野CT图像重建方法。
[0014]本专利技术实施例第六方面提供一种电子设备,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行如本专利技术实施例第一方面及第一方面任一项所述的超视野CT图像重建模型训练方法,或者执行如本专利技术实施例第二方面所述的超视野CT图像重建方法。
[0015]本专利技术提供的技术方案,具有如下效果:
[0016]本专利技术实施例提供的超视野CT图像重建模型训练方法,利用预设重建算法对获取的多组CBCT投影数据进行重建处理得到正常视野图像;对所述正常视野图像进行视野缩小处理;对缩小后的正常视野图像对应的投影数据进行补全操作;对补全操作后得到的投影数据进行重建得到超视野重建图像;根据所述正常视野图像数据与所述超视野重建图像数据构建数据集,并根据所述数据集训练U-Net网络模型得到超视野CT图像重建模型。该方法对缩小后的正常视野图像对应的投影数据进行补全操作,减弱了因数据截断导致的重建图像超视野边界的亮环问题;根据数据集训练U-Net网络模型得到超视野CT图像重建模型,有效增强了超视野区域的图像的亮度与组织结构,解决了视觉效果不好的问题。
[0017]本专利技术实施例提供的超视野CT图像重建方法,所述方法包括:获取CBCT投影数据对应的有效视野图像并对所述有效视野图像进行超视野重建;将重建后的图像输入到如本专利技术实施例第一方面或第一方面任一项所述的超视野CT图像重建模型训练方法训练得到的U-Net网络模型进行处理。该方法将重建后的图像输入到U-Net网络模型中可以直接得到与正常视野重建图像的视觉效果相近的图像,满足临床诊断需求。
附图说明
[0018]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本专利技术的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前
提下,还可以根据这些附图获得其他的附图。
[0019]图1是根据本专利技术实施例的超视野CT图像重建模型训练方法的流程图;
[0020]图2是根据本专利技术实施例的U-Net网络结构示意图;
[0021]图3是根据本专利技术实施例的超视野CT图像预处理的示意图;
[0022]图4是根据本专利技术实施例的超视野CT图像的轴面成像几何关系图;
[0023]图5是根据本专利技术实施例的超视野CT图像重建方法的流程图;
[0024]图6是根据本专利技术实施例的超视野CT重建图像的示意图;
[0025]图7是根据本专利技术本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种超视野CT图像重建模型训练方法,其特征在于,包括如下步骤:利用预设重建算法对获取的多组CBCT投影数据进行重建处理得到正常视野图像;对所述正常视野图像进行视野缩小处理;对缩小后的正常视野图像对应的投影数据进行补全操作;对补全操作后得到的投影数据进行重建得到超视野重建图像;根据所述正常视野图像数据与所述超视野重建图像数据构建数据集,并根据所述数据集训练U-Net网络模型得到超视野CT图像重建模型。2.根据权利要求1所述的方法,其特征在于,所述对所述正常视野图像进行视野缩小处理之后,对缩小后的正常视野图像对应的投影数据进行补全操作之前,所述方法还包括:计算所述获取的多组CBCT投影数据裁剪宽度;根据计算结果对所述获取的多组CBCT投影数据对应的投影图像进行裁剪。3.根据权利要求1所述的方法,其特征在于,对缩小后的正常视野图像对应的投影数据进行补全操作,包括:根据线性递减的方式并结合所述缩小后的正常视野图像的边界像素灰度值进行补全操作。4.根据权利要求1所述的方法,其特征在于,根据所述数据集训练U-Net网络模型,包括:利用损失函数迭代训练U-Net网络模型,所述损失函数包括最小化图像内容损失和图像梯度损失。5.根据权利要求4所述的方法,其特征在于,根据所述数据集训练U-Net网络模型,还包括:对训练图像进行增强处理并基于Adam优化器训练U-Net网络模型。6.一种超视野CT图像重建方法,其特征在于,包括如下步骤:获取CBCT投影数据对应的有效视野图像并对所述有效视野图像进行超视野重建;将重建后的图像输入到如权利要求1-...
【专利技术属性】
技术研发人员:易前娥,张康平,孙宇,张文宇,吴宏新,王亚杰,
申请(专利权)人:北京朗视仪器股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。