【技术实现步骤摘要】
一种CT图像重建方法及装置
[0001]本申请实施例涉及计算机
,尤其涉及一种
CT
图像重建方法及装置
。
技术介绍
[0002]计算机断层扫描
(computed tomography,CT)
技术通过探测从不同角度穿过物体的
X
射线,重建整个物体的线衰减系数,最终反映出物体内部的物质与结构,增强了人们对物体内部结构的观察能力
。CT
技术具有测速度快
、
检测费用低
、
成像质量高
、
限制条件少等优点,因而被广泛应地应用于医学诊疗
、
图像引导介入
、
工业无损检测等领域
。
[0003]近年来,随着
CT
技术的广泛应用,
CT
重建算法也取得了长足发展
。
特别是随着人工智能技术方兴未艾,深度学习技术已逐步成为
CT
技术的一种主要重建方法,许多传统
CT
重建方法中存在的问题有望借助于深度学习技术得到更好的解决
。
将深度学习技术应用于
CT
重建的主要思路是将神经网络融入重建过程中,比如将解析重建算法中的加权
、
滤波
、
反投影等计算步骤用神经网络实现,或者将迭代重建算法中的迭代计算步骤用神经网络替代
。
[0004]将深度学习技术应用于
CT
重建,显 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.
一种计算机断层扫描
CT
图像重建方法,其特征在于,包括:获取第一对象的投影数据;将所述投影数据输入至
CT
迭代展开重建网络,得到所述第一对象对应的目标
CT
图像;其中,所述
CT
迭代展开重建网络是对
CT
迭代重建算法中的保真项以及压缩感知正则项或总变分
TV
正则项进行神经网络展开得到的
。2.
如权利要求1所述的方法,其特征在于,所述投影数据是
CT
系统根据系统参数对所述第一对象进行扫描得到的,或者所述投影数据是计算设备根据所述系统参数对所述第一对象进行模拟得到的
。3.
如权利要求1或2所述的方法,其特征在于,所述
CT
迭代展开重建网络包括依次串联处理的
m
个子网络,所述
m
个子网络的网络结构相同,所述
m
为大于1的整数
。4.
如权利要求3所述的方法,其特征在于,将所述投影数据输入至
CT
迭代展开重建网络,得到所述第一对象对应的目标
CT
图像,包括:将所述投影数据依次通过所述
m
个子网络,得到所述目标
CT
图像
。5.
如权利要求4所述的方法,其特征在于,所述
m
个子网络中包括的位于起始位置的第一子网络用于作为所述
CT
迭代展开重建网络的输入端,所述
m
个子网络中包括的位于末尾位置的第
m
子网络用于作为所述
CT
迭代展开重建网络的输出端,所述第一子网络获取的输入数据中包括所述投影数据,所述第
m
子网络确定的输出数据中包括所述目标
CT
图像;所述
m
个子网络中包括的第
i
子网络,用于根据所述投影数据以及第
i
‑1子网络输出的多个不同类型的第一数据,确定多个不同类型的第二数据,所述多个不同类型的第二数据以及所述投影数据用于作为第
i+1
子网络的输入数据,所述多个不同类型的第二数据与所述多个不同类型的第一数据一一对应,所述第
i
子网络为所述
m
个子网络中除所述第一子网络和所述第
m
子网络之外的其它子网络中的任一个子网络
。6.
如权利要求5所述的方法,其特征在于,任一个子网络中包括正投影网络层
、
多个反投影网络层和多个卷积神经网络层,所述多个反投影网络层相同,所述多个卷积神经网络层各不相同,所述多个卷积神经网络层中包括第一卷积神经网络层
、
第二卷积神经网络层
、
第三卷积神经网络层
、
第四卷积神经网络层
、
第五卷积神经网络层和第六卷积神经网络层;针对所述第
i
子网络,所述第
i
技术研发人员:桂志国,张鹏程,张丽媛,刘祎,舒华忠,陈阳,
申请(专利权)人:中北大学,
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。