[发明专利]图像转换的系统和方法

权利要求书

1.一种方法，其实施于计算装置上，所述计算装置具有至少一个处理器、至少一个计算机可读存储介质以及连接到成像装置的通信端口，所述方法包括：

获取与第一剂量水平相关的第一组投影数据；

基于所述第一组投影数据重建第一图像；

基于所述第一组投影数据确定第二组投影数据，所述第二组投影数据与第二剂量水平相关，所述第二剂量水平低于所述第一剂量水平；

基于所述第二组投影数据重建第二图像；和

基于所述第一图像和所述第二图像训练第一神经网络模型，经训练的第一神经网络模型被配置为将第三图像转换为第四图像，所述第四图像比所述第三图像呈现更低的噪声水平；

确定第二组投影数据包括：在辐射穿过对象之前确定关于第二剂量水平的辐射的第一分布；在辐射穿过对象之后，基于辐射的第一分布和第一组投影数据确定辐射的第二分布；确定扫描器的噪声估计；基于辐射的第二分布和噪声估计确定第二组投影数据。

2.如权利要求1所述的方法，其中基于迭代重建算法使用第一重建参数重建所述第一图像；基于分析重建算法或迭代重建算法使用第二重建参数重建所述第二图像，所述第二重建参数至少部分不同于所述第一参数。

3.如权利要求1所述的方法，其中基于以下的至少一个来确定所述第二组投影数据：获取所述第一组投影数据的扫描器的扫描参数、与对象相关的衰减系数、对应于所述扫描器的噪声、管的响应、扫描器的检测器的响应、扫描器焦点的尺寸、扫描器的飞焦、扫描器的检测器的积分时间或对象的散射系数。

4.如权利要求1所述的方法，其中基于所述第一图像和所述第二图像训练所述第一神经网络模型包括：

从所述第一图像提取第一区域；

从所述第二图像提取与所述第一图像中的所述第一区域对应的第二子区域，所述第一图像中的所述第一区域具有与所述第二区域相同的大小； 和

基于所述第一图像中的所述第一区域和所述第二图像中的所述第二区域训练所述第一神经网络模型。

5.如权利要求4所述的方法，其中，基于所述第一图像中的所述第一区域和所述第二图像中的所述第二区域来训练所述第一神经网络模型包括：

初始化所述第一神经网络模型的参数值；

至少基于所述第一图像中的所述第一区域和所述第二图像中的所述第二区域，迭代地确定与每次迭代中的第一神经网络模型的参数值相关的成本函数的值，包括基于在最近一次迭代中获得的成本函数的更新值，在每次迭代之后更新第一神经网络模型的至少一些参数值；和

确定经训练的第一神经网络模型，直到满足条件。

6.如权利要求1所述的方法，进一步包括：

训练第二神经网络模型，其中所述第二神经网络模型基于第六图像和第七图像训练，所述第六图像基于第三组投影数据重建，所述第七图像基于所述第三组投影数据重建，其中所述第七图像的图像质量高于所述第六图像的图像质量，所述图像质量与对比度和空间分辨率的至少一个有关。

7.如权利要求6所述的方法，所述第三组投影数据包括所述第一组投影数据。

8.一种非暂态计算机可读介质，包括：

由至少一个处理器执行的指令，使所述至少一个处理器实现一种方法，包括：

获取与第一剂量水平相关的第一组投影数据；

基于所述第一组投影数据重建第一图像；

基于所述第一组投影数据确定第二组投影数据，所述第二组投影数据与第二剂量水平相关，所述第二剂量水平低于所述第一剂量水平；

基于所述第二组投影数据重建第二图像；和

基于所述第一图像和所述第二图像训练第一神经网络模型，经训练的第一神经网络模型被配置为将所述第三图像转换为所述第四图像，所述第四图像比所述第三图像呈现更低的噪声水平并且对应于更高的剂量水平；

确定第二组投影数据包括：在辐射穿过对象之前确定关于第二剂量水平的辐射的第一分布；在辐射穿过对象之后，基于辐射的第一分布和第一组投影数据确定辐射的第二分布；确定扫描器的噪声估计；基于辐射的第二分布和噪声估计确定第二组投影数据。

9.一种系统，包括：

图像数据模拟单元，被配置为基于第一组投影数据确定第二组投影数据，所述第一组投影数据与第一剂量水平相关，所述第二组投影数据与第二剂量水平相关，所述第二剂量水平低于所述第一剂量水平；

图像重建单元，被配置为基于所述第一组投影数据重建第一图像，并且基于所述第二组投影数据重建第二图像；和

神经网络训练单元，被配置为基于所述第一图像和所述第二图像训练第一神经网络模型，经训练的第一神经网络模型被配置为将第三图像转换为第四图像，所述第四图像比所述第三图像呈现更低的噪声水平并且对应于更高的剂量水平；

确定第二组投影数据包括：在辐射穿过对象之前确定关于第二剂量水平的辐射的第一分布；在辐射穿过对象之后，基于辐射的第一分布和第一组投影数据确定辐射的第二分布；确定扫描器的噪声估计；基于辐射的第二分布和噪声估计确定第二组投影数据。