[發明專利]一種基于正交角度X光的骨骼三維重建方法

有效

• 申請號: 201911346472.1
• 申請日: 2019-12-24
• 公開（公告）號: CN111105475B
• 公開（公告）日: 2022-11-22
• 發明（設計）人: 鄭文鋒;楊波;陳妍;劉珊;曾慶川
• 申請（專利權）人: 電子科技大學
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06T17/00;G06N3/04;G06N3/08
• 代理公司: 成都行之專利代理事務所(普通合伙) 51220
• 代理人: 溫利平

1.一種基于正交角度X光的骨骼三維重建方法，其特征在于，包括以下步驟：

(1)、構建訓練數據集

采集不同患者目標部位CT影像，以及目標部位正面及側面的X光影像，其中，CT影像記為Y，正面及側面的X光影像記為X1和X2；

將每位患者目標部位的X光影像和CT影像進行歸一化處理后，按照(X1，X2，Y)格式存儲在訓練數據集；

(2)、搭建三維重建網絡模型

三維重建網絡包括重建子網絡RecNet和權重生成子網絡WeiNet；

其中，RecNet采用U-net結構，不同之處在于RecNet編碼器為二維編碼器，其基本結構為DenseNet，解碼器為三維解碼器，在解碼器中增加若干層三維卷積，實現對編碼器輸出的二維特征轉化為三維特征；WeiNet由若干三維卷積層組成；

RecNet由編碼器和解碼器組成，具體結構為：

編碼器(Encoder)：編碼器的輸入為正或側位X光像素數據，輸出為多通道二維特征，網絡基本結構為DenseNet，其中每個DenseBlock的輸出經過Transition Layer得到尺寸降低的特征，作為下一個DenseBlock的輸入，每層得到的特征以跳躍連接的方式，傳輸給解碼器相應尺寸的卷積層融合處理；

解碼器(Decoder)：解碼器的輸入為編碼器輸出的多通道二維特征，輸出為重建的三維體素數據；輸入的多通道二維特征首先經過解碼器第一層卷積網絡變換為多通道三維特征，然后通過若干個反卷積層不斷提升輸出特征的尺寸，直到倒數第二層的三維特征尺寸等于設定的重建體素尺寸，最后一層是無上采樣的反卷積運算，僅將多通道三維特征合并，不改變三維特征尺寸；

輸入的X光圖像X1、X2共用同一個RecNet子網絡，設Y1、Y2分別為X1、X2的RecNet解碼器的輸出，Feature1、Feature2為RecNet解碼器倒數第二層的輸出特征；

權重生成子網絡WeiNet，具體結構為：

輸入為Feature1,Feature2,由若干層三維卷積構成，每層卷積的輸入輸出尺寸一致，WeiNet子網絡最后一層通過Sigmoid激活函數進行歸一化處理，輸出與設定重建體素同尺寸的權系數矩陣Weight，最終重建的三維體素Y＝Y1*Weight+Y2*(1-Weight)，其中*代表三維矩陣中的對應元素相乘；

(X1，X2)先輸入至RecNet，RecNet對其權重共享，輸出初始重建的二維特征圖(Y1，Y2)以及三維特征圖(F1，F2)，將(F1，F2)再輸入至WeiNet，輸出三維重建圖像Y'，Y'＝Y1*W+Y2*(1-W)，其中，*代表三維矩陣中的對應元素相乘；

(3)、訓練三維重建網絡模型

(3.1)、初始化三維重建網絡模型；

(3.2)、隨機選取一組訓練數據，將(X1，X2)輸入RecNet，此時，WeiNet輸出當RecNet網絡損失收斂時，凍結RecNet權重，開始訓練WeiNet權重，此時，WeiNet輸出Y′＝Y₁*W+Y₂*(1-W)，當WeiNet網絡損失收斂時，得到訓練好的三維重建網絡模型；

(4)、三維重建骨骼CT

獲取目標部位正面及側面的真實X光影，并對其進行數據預處理，然后輸入至訓練好的三維重建網絡，從而輸出重建骨骼CT圖。