[發明專利]一種基于卷積神經網絡的CT圖像重建方法

有效

• 申請號: 201710767474.2
• 申請日: 2017-08-31
• 公開（公告）號: CN107481297B
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 馬建華;何基;邊兆英;曾棟;黃靜
• 申請（專利權）人: 南方醫科大學
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06T5/00;G06N3/04;G06N3/08
• 代理公司: 北京科億知識產權代理事務所(普通合伙) 11350
• 代理人: 趙蕊紅

1.一種基于卷積神經網絡的CT圖像重建方法，其特征在于：

包括如下步驟：

A1、對原始弦圖數據I_K進行反投影操作，得到反投影圖像數據I’_K；

A2、對反投影圖像數據I’_K進行歸一化處理，得到歸一化反投影圖像數據P_K；

A3、將歸一化反投影圖像P_K通過卷積神經網絡進行卷積神經網絡濾波，生成待處理圖像P’_K；

A4、對待處理圖像P’_K進行反歸一化處理，得到最終的重建圖像P_final；

步驟A1中反投影操作是通過CT掃描機對原始弦圖數據I_K進行幾何成像處理；

步驟A2中歸一化處理的方法步驟如下：

T1、計算反投影圖像數據I’_K的均值X_I’和方差S_I’；

T2、根據式(1)計算得出歸一化反投影圖像數據P_K：

P_K＝(I’_K-X_I’)/S_I’······式(1)；

步驟A4中的反歸一化處理為步驟A2的逆操作，具體方法如下：

M1、計算反待處理圖像P’_K的均值X_P’和方差S_P’；

M2、根據式(3)計算得出歸一化反投影圖像數據P_K：

P_final＝P’_K*S_P’+X_P’······式(3)。

2.根據權利要求1所述的一種基于卷積神經網絡的CT圖像重建方法，其特征在于：步驟A3中濾波的具體操作如下：

設第s層卷積層有ns卷積核，第s層的輸出特征圖記為F^s，第s層的輸入特征圖記為F^s-1，輸出特征圖F^s的第i個通道記為F_i^s-1，輸入特征圖F^s-1的第j個通道記為F_j^s-1，其中，i＝1,2,...,ns，j＝1,2,...,ns，n為自然數；

卷積神經網絡的輸入記為F⁰，卷積神經網絡中第s層卷積層輸出F^s與輸入F^s-1之間的關系如下：

式(2)中，δ(·)表示輸入矩陣中元素的非線性激活函數，*表示二維卷積操作，為第s層卷積層中輸出特征圖第i個通道與輸入特征圖中第j個通道進行卷積的二維卷積核，為第s層卷積層中用于計算輸出特征圖第i個通道的偏置項，S表示卷積網絡中的卷積層的數目，S為自然數。

3.根據權利要求2所述的一種基于卷積神經網絡的CT圖像重建方法，其特征在于：步驟A3將步驟A2中得到的歸一化反投影圖像數據P_K作為卷積神經網絡的輸入F⁰。

4.根據權利要求3所述的一種基于卷積神經網絡的CT圖像重建方法，其特征在于：所述非線性激活函數δ(·)為sigmoid函數，根據式(4)計算：

δ(x)＝1/(1+e^-x)，e為自然底數，······式(4)。

5.根據權利要求3所述的一種基于卷積神經網絡的CT圖像重建方法，其特征在于：所述非線性激活函數δ(·)為雙曲線正切函數，根據式(5)計算：

δ(x)＝(e^x-e^-x)/(e^x+e^-x)，其中e為自然底數，······式(5)。

6.根據權利要求3所述的一種基于卷積神經網絡的CT圖像重建方法，其特征在于：所述非線性激活函數δ(·)為ReLU函數，根據式(6)計算：