[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

本發明提出的基于厚層CT圖像生成薄層CT圖像的系統及方法，包括圖像獲取模塊，用于獲取厚層CT圖像以及薄層CT圖像；切片處理模塊，用于對厚層CT圖像進行切片處理，獲得厚層CT圖像集；網絡訓練模塊，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，用于基于厚層CT圖像集以及最優模型參數通過級聯神經網絡模型進行薄層CT圖像的預測，獲得薄層CT預測圖像。通過級聯神經網絡模型的訓練和預測，能夠使生成的薄層CT圖像的質量提高，有效避免出現失真的情況，提高重建得到的DRR圖像的質量、與X?ray圖像的配準精度和成功率。

技術領域

本發明涉及圖像處理技術領域，特別是涉及一種基于厚層CT圖像生成薄層CT圖像的系統及方法。

背景技術

厚層CT(Computed Tomography，電子計算機斷層掃描)的DRR(DigitallyReconstructured Radiograph，數字重建放射影像)圖像質量較差，影響其與X-ray圖像進行配準的精度和成功率。薄層CT的DRR圖像雖然質量較高，但是患者受到的電離輻射較大。基于厚層CT圖像生成的薄層CT圖像，可應用于放射治療過程中的患者的擺位驗證，特別是基于X-ray圖像與CT圖像進行2D-3D配準，既能夠避免了強制進行薄層CT掃描的要求，又減少了電離輻射，同時還可以保證CT以及DRR圖像的成像質量，從而進一步提高了配準的精度和成功率，縮短了患者的擺位時間。

傳統的放射治療過程中對層厚比較大的CT圖像大多采用基于灰度或者基于形狀和基于灰度的圖像斷層間數據插值的方法生成薄層CT圖像。即首先給定兩幅斷層圖像u_i-1和u_i+1，通過公式u_i＝ω₁u_i-1+ω₂u_i+1求中間層插值結果，其中i指圖像層，z表示平面Z坐標，u_i-1和u_i+1分別指u_i上下兩層圖像數據，z₁和z₂為其對應的Z坐標，ω₁和ω₂為其對應權重。然而采用以上插值方法得到的薄層CT圖像有時會出現失真現象，更嚴重的會出現鋸齒形狀的結果，此外基于該薄層CT圖像重建得到的DRR圖像在骨骼結構、紋理上并沒有較大的改進，有時還增加很多偽影。

發明內容

基于此，針對傳統的基于厚層CT圖像生成的薄層CT圖像容易出現的失真以及基于該薄層CT圖像重建得到的DRR圖像質量低的技術問題，提出了一種基于厚層CT圖像生成薄層CT圖像的系統及方法。

本發明提出的一種基于厚層CT圖像生成薄層CT圖像的系統，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。

在其中的一個實施例中，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；