[發明專利]基于深度學習的微分相襯CT不完備數據重建方法

有效

• 申請號: 201910922948.5
• 申請日: 2019-09-27
• 公開（公告）號: CN111009019B
• 公開（公告）日: 2021-07-16
• 發明（設計）人: 傅健;張昌盛;董建兵
• 申請（專利權）人: 北京航空航天大學;北京航空航天大學江西研究院
• 主分類號: G06T11/00
• 分類號: G06T11/00
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 楊學明;安麗

1.一種基于深度學習的微分相襯CT不完備數據重建方法，其特征在于，包括如下步驟：

步驟1、使用濾波反投影重建算法FBP對微分相襯CT即DPC-CT不完備投影序列進行重建，獲得初始重建圖像；所述初始重建圖像是由于投影序列不完備，在FBP重建結果中存在偽影和噪聲；

步驟2、利用前向投影算子對所述的初始重建圖像進行前向投影，獲得被偽影污染的完備投影序列；所述被偽影污染的完備投影序列是通過前向投影操作，將圖像結構信息以及偽影一起前向投影到投影序列中，序列數量滿足完備性條件，即滿足奈奎斯特采樣定律；

步驟3、利用微分算子從所述被偽影污染的完備投影序列中獲得被偽影污染的微分相襯CT完備投影序列；所述的被偽影污染的微分相襯CT完備投影序列指的是從被偽影污染的完備投影序列中解析出的微分相襯信息；

步驟4、利用深度學習技術對所述的被偽影污染的微分相襯CT完備投影序列進行處理，獲得不含偽影的微分相襯CT完備投影序列；所述不含偽影的微分相襯CT完備投影序列是利用深度學習技術對被偽影污染的微分相襯CT完備投影序列進行處理，得到的投影序列已不再包含偽影，且序列數量滿足完備性條件；

步驟5、利用FBP重建算法對所述的不含偽影的微分相襯CT完備投影序列進行重建，獲得最終的重建結果圖像。

2.根據權利要求1所述的基于深度學習的微分相襯CT不完備數據重建方法，其特征在于，所述的不完備的投影序列可以是由各種成像條件限制所導致的不完備數據，包括稀疏角數據、有限角數據。

3.根據權利要求1所述的基于深度學習的微分相襯CT不完備數據重建方法，其特征在于，所述步驟1使用FBP重建算法產生初始重建圖像；針對不同的DPC-CT成像系統所獲得的投影序列，使用對應的FBP重建算法；扇束成像系統的FBP重建算法如公式(1)-(2)：

其中，δ(x,y)代表重建結果，U代表成像系統權重矩陣，α_θ(s)代表DPC投影序列，h(v)代表Hilbert濾波器，v為頻率變量，θ為旋轉角度。

4.根據權利要求1所述的基于深度學習的微分相襯CT不完備數據重建方法，其特征在于，步驟3對相襯投影使用如公式(4)所示的微分算子產生微分相襯投影；

其中，P(s,θ)為所述的被偽影污染的完備投影序列，α_θ(s)代表被偽影污染的DPC-CT完備投影序列。

5.根據權利要求1所述的基于深度學習的微分相襯CT不完備數據重建方法，其特征在于，步驟4所使用的深度學習算法是對所述的被偽影污染的微分相襯CT完備投影序列進行處理，而不是處理初始重建結果。