[發明專利]基于厚層CT圖像生成薄層CT圖像的系統及方法

在審

• 申請號: 202110464632.3
• 申請日: 2021-04-28
• 公開（公告）號: CN112991341A
• 公開（公告）日: 2021-06-18
• 發明（設計）人: 菅影超;馬善達
• 申請（專利權）人: 江蘇瑞爾醫療科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 無錫永樂唯勤專利代理事務所(普通合伙) 32369
• 代理人: 章陸一

1.一種基于厚層CT圖像生成薄層CT圖像的系統，其特征在于，所述系統包括以下模塊：

圖像獲取模塊，所述圖像獲取模塊用于獲取厚層CT圖像以及薄層CT圖像；

切片處理模塊，所述切片處理模塊用于對所述厚層CT圖像進行切片處理，獲得厚層CT圖像集；

網絡訓練模塊，所述網絡訓練模塊用于采用級聯神經網絡模型對所述厚層CT圖像集以及所述薄層CT圖像集進行訓練，獲得所述級聯神經網絡模型的最優模型參數；

薄層CT預測圖像獲取模塊，所述薄層CT預測圖像獲取模塊用于基于所述厚層CT圖像集以及所述最優模型參數通過所述級聯神經網絡模型進行薄層CT圖像預測，獲得薄層CT預測圖像。

2.根據權利要求1所述的基于厚層CT圖像生成薄層CT圖像的系統，其特征在于，所述網絡訓練模塊包括以下子模塊：

薄層CT圖像預測子模塊，所述薄層CT圖像預測子模塊用于通過級聯神經網絡模型對所述厚層CT圖像集進行迭代特征提取以及預測，獲取薄層CT預測圖像；

誤差獲取子模塊，所述誤差獲取子模塊用于通過損失函數對所述薄層CT預測圖像以及薄層CT圖像進行誤差處理，獲取薄層CT預測圖像誤差數據；

反向傳播子模塊，所述反向傳播子模塊用于通過優化函數對所述薄層CT預測圖像誤差數據進行反向傳播；

迭代優化子模塊，所述迭代優化子模塊用于迭代進行所述薄層CT圖像預測步驟、誤差獲取步驟、反向傳播步驟，直至獲得最優薄層CT預測圖像以及與所述最優薄層CT預測圖像對應的級聯神經網絡模型的最優模型參數。

3.根據權利要求2所述的基于厚層CT圖像生成薄層CT圖像的系統，其特征在于，所述級聯神經網絡模型包括第一級聯卷積操作、池化操作、上采樣操作、第二級聯卷積操作以及第三卷積操作；

所述第一級聯卷積操作包括第一卷積操作以及第一膨脹卷積操作；所述第一卷積操作通過若干個卷積核對所述厚層CT圖像集進行特征提取，獲得第一卷積操作特征圖；所述第一膨脹卷積操作通過若干個膨脹卷積核對所述厚層CT圖像集進行特征提取，獲得第一膨脹卷積操作特征圖；所述第一級聯卷積操作還用于將所述第一卷積操作特征圖以及所述第一膨脹卷積操作特征圖進行特征聯合，獲得第一級聯卷積操作特征圖；

所述池化操作是對所述第一級聯卷積操作特征圖進行特征提取，獲得池化操作特征圖；

所述上采樣操作采用插值方法對所述池化操作特征圖進行恢復處理，獲得上采樣操作恢復圖；

所述第二級聯卷積操作包括第二卷積操作以及第二膨脹卷積操作；所述第二卷積操作通過若干個卷積核對所述上采樣恢復圖進行特征提取，獲得第二卷積操作特征圖；所述第二膨脹卷積操作通過若干個膨脹卷積核對所述上采樣恢復圖進行特征提取，獲得第二膨脹卷積操作特征圖；所述第二級聯卷積操作還用于對所述第二卷積操作特征圖以及所述第二膨脹卷積操作特征圖進行特征提取，獲得第二級聯卷積操作特征圖；

所述第三卷積操作用于對所述第二級聯卷積操作特征圖進行特征提取，獲得薄層CT預測圖像。

4.根據權利要求3所述的基于厚層CT圖像生成薄層CT圖像的系統，其特征在于，在所述薄層CT預測圖像輸出前，在所述網絡訓練模塊中進行批標準化處理。

5.一種基于厚層CT圖像生成薄層CT圖像的方法，其特征在于，所述方法包括以下步驟：

圖像獲取步驟，獲取厚層CT圖像以及薄層CT圖像；

切片處理步驟，對所述厚層CT圖像進行切片處理，獲得厚層CT圖像集；

網絡訓練步驟，采用級聯神經網絡模型對所述厚層CT圖像集以及所述薄層CT圖像集進行訓練，獲得所述級聯神經網絡模型的最優模型參數；

薄層CT預測圖像獲取步驟，基于所述厚層CT圖像集以及所述最優模型參數通過所述級聯神經網絡模型進行薄層CT圖像預測，獲得薄層CT預測圖像。