[發明專利]基于VAEGAN的非完全投影CT圖像重建方法

有效

• 申請號: 201810674145.8
• 申請日: 2018-06-27
• 公開（公告）號: CN109146988B
• 公開（公告）日: 2022-08-30
• 發明（設計）人: 戴修斌;王蕾;劉天亮;晏善成
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06T11/00
• 分類號: G06T11/00
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 董建林

本發明公開了一種基于VAEGAN的非完全投影CT圖像重建方法，包括：首先，完全投影數據的正弦圖像來訓練VAEGAN模型，獲得可以生成高質量正弦圖像的VAEGAN模型；其次，利用已訓練的模型對不完全投影數據正弦圖缺失部分進行預測，進而可以獲取到補全的投影數據；最后，使用卷積濾波反投影（Filtered Back?Projection,FBP）方法從補全的投影數據圖像中重建出CT圖像。本發明能夠預測缺失投影數據并進一步重建出符合臨床診斷、高質量的CT圖像。

技術領域

本發明涉及醫學圖像處理技術領域，尤其涉及一種基于VAEGAN(VariationalAuto Encoder Generative Adversarial Network，變分自編碼器生成式對抗網絡)的非完全投影CT(Computerized Tomography，計算機斷層顯象)圖像重建方法。

背景技術

作為目前一種常規有效的臨床醫學診斷工具，X射線計算機斷層成像技術(Computerized Tomography，CT)為臨床醫生的診斷提供了豐富的人體器官組織信息。但是由相關研究表明：一次完全的CT掃描通常伴隨著較高程度的電離輻射，而高劑量電離輻射可誘發人體新陳代謝異常乃至癌癥、白血病等疾病。因此，如何在降低X射線使用劑量的同時，保證重建圖像質量滿足臨床診斷要求成為醫學圖像處理領域研究的重點。

臨床上減少病患輻射量的重要方法之一就是減小CT掃描范圍，即將探測器的旋轉角度范圍限制在某個小于標準的區間內，從而在總體上大幅減少了患者所受X射線輻射量。雖然限制CT設備掃描范圍能夠降低患者所受X射線輻射量，但同時會造成所獲CT投影數據部分缺失，即獲得的是非完全投影數據，使重建CT圖像質量明顯下降，以至于無法滿足臨床診斷的需要。

為改善重建的CT圖像，現有技術中常用的方法分為兩大類：基于投影的方法和基于圖像的方法。基于投影的方法是在重建CT圖像之前估計缺失的投影，預測缺失的投影最直接的方法是定向插值，另一種基于投影的方法是圖像矩方法，其建立圖像矩與其投影矩之間的關系以估計來自已知投影的未知投影。其不足之處在于：無法處理截斷投影數據，實驗效果一般。

發明內容

本發明的目的在于克服現有技術中的不足，提供一種基于VAEGAN的非完全投影CT圖像重建方法，解決現有技術中重建CT圖像質量差、無法滿足臨床診斷需要的技術問題。

為解決上述技術問題，本發明所采用的技術方案是：基于VAEGAN的非完全投影CT圖像重建方法，包括如下步驟：

構建VAEGAN模型；

利用完全投影數據的正弦圖像來訓練VAEGAN模型；

將不完全投影數據的正弦圖像輸入至已訓練好的VAEGAN模型，獲取生成圖像并對不完全投影數據的正弦圖像缺失部分進行預測，獲取補全正弦圖像；

進一步獲取對應的補全投影數據，根據補全投影數據重建CT圖像。

進一步的，所述VAEGAN模型包括：編碼器、生成器和判別器，主要包含：卷積層、修正線性單元層、批標準化層和全連接層。

進一步的，訓練VAEGAN模型的具體方法如下：

獲取若干張CT圖像及其對應的完全投影數據和不完全投影數據，將完全投影數據的正弦圖像作為訓練圖像，將不完全投影數據的正弦圖像作為測試圖像；

利用變分自編碼器的基于卷積神經網絡的編碼器提取訓練圖像的隱變量特征；

使隱變量特征的先驗概率分布擬合多維高斯分布，對隱變量特征進行優化；

將優化后的隱變量特征作為生成器的輸入數據，將低維隱變量特征映射為生成圖像；