[发明专利]基于迭代重建的轮廓自动化确定

权利要求书

1.一种用于重建待成像的检查区域(FOV)的图像数据和纹理特征(TM)的方法，其具有步骤：

-从待成像的检查区域(FOV)采集测量投影数据(RD)，

-基于所采集的测量投影数据(RD)执行迭代重建(IR)，其中，在迭代重建(IR)的过程中执行以下步骤：

-重建初步图像数据(VBD)和初步纹理特征(VTM)，

-基于所获得的初步纹理特征(VTM)，确定检查区域(FOV)中的预期的初步结构(VEK)，

-在对初步图像数据(VBD)和初步纹理特征(VTM)的迭代重建中考虑预期的初步结构，

-将通过迭代重建最终产生的初步图像数据(VBD)和初步纹理特征(VTM)，确定为重建的图像数据(BD)和纹理特征(TM)。

2.根据权利要求1所述的方法，其中，预期的初步结构(VEK)是预期的初步轮廓。

3.根据权利要求1所述的方法，其中，附加地基于重建的初步图像数据(VBD)和/或结构预测模型(VM)，确定检查区域(FOV)中的预期的初步结构(VEK)。

4.根据权利要求1所述的方法，其中，重复迭代重建(IR)的过程中的步骤，直至满足针对所确定的初步图像数据(VBD)和初步纹理特征(VTM)的质量标准为止。

5.根据权利要求1至4中任一项所述的方法，其中，借助训练方法获得结构预测模型(VM)，训练方法具有以下步骤：

-采集训练测量投影数据(TRD)，

-基于训练测量投影数据(TRD)对初步训练图像数据(VTBD)执行迭代重建(IR)，其中，在迭代重建中附加地确定初步训练纹理特征(VTTM)，

-在初步训练图像数据(VTBD)中标注结构(AK)，

-考虑所标注的结构(AK)，对初步训练图像数据(VTBD)重新进行迭代重建，并且确定初步训练纹理特征(VTTM)，

-将最后重建的初步训练图像数据(VTBD)和最后获得的初步训练纹理特征(VTTM)归为最终的训练图像数据(TBD)和最终的训练纹理特征(TTM)，

-使用最终的训练图像数据(TBD)和最终的训练纹理特征(TTM)，产生结构预测模型(VM)。

6.根据权利要求5所述的方法，其中，重复标注结构(AK)、对初步训练图像数据(VTBD)重新进行迭代重建以及重新确定初步训练纹理特征(VTTM)的步骤，直至满足针对所确定的初步训练图像数据(VTBD)和/或所确定的初步训练纹理特征(VTTM)的质量标准为止。

7.根据权利要求5所述的方法，其中，基于最终的训练图像数据(TBD)和最终的训练纹理特征(TTM)执行机器学习处理或者深度学习处理，以产生结构预测模型(VM)。

8.根据权利要求5所述的方法，其中，纹理特征(TM)、初步纹理特征(VTM)、初步训练纹理特征(VTTM)和最终的训练纹理特征(TTM)包括边缘图。

9.根据权利要求5所述的方法，其中，纹理特征(TM)、初步纹理特征(VTM)、初步训练纹理特征(VTTM)和最终的训练纹理特征(TTM)具有纹理特征矢量。

10.一种用于分割待成像的检查区域(FOV)的方法，具有步骤：

-使用根据权利要求1至4中任一项所述的方法，重建图像数据(BD)和纹理特征(TM)，

-考虑基于初步纹理特征(VTM)确定的纹理特征(TM)，分割待成像的检查区域(FOV)。

11.根据权利要求10所述的方法，其中，附加地考虑基于重建的初步图像数据(VBD)确定的图像数据(BD)和/或结构预测模型(VM)，分割待成像的检查区域(FOV)。

12.根据权利要求11所述的方法，其中，结构预测模型(VM)是轮廓预测模型。