[发明专利]一种基于神经网络的CT图像的伪影校正方法及装置

说明书

本发明公开了一种基于神经网络的CT图像的伪影校正方法及装置，所述方法包括：对CT数据进行预处理以生成携带至少一种伪影的输入样本的数据库；构建用于校正至少一种伪影的神经网络；将所述输入样本输入所述神经网络，并通过预设目标函数对神经网络进行训练，以得到训练好的神经网络；将待处理的CT图像输入训练好的神经网络进行伪影识别及校正，并输出校正后的CT图像以及识别到的伪影图像。本发明以深度学习为基础，通过神经网络对包含多种伪影的CT图像进行处理，改善CT图像的质量。

技术领域

本发明涉及医疗技术领域，特别涉及一种基于神经网络的CT图像的伪影校正方法及装置。

背景技术

CT(计算机断层扫描成像系统)利用X射线扫描物体，获得投影数据，并通过断层重建算法来处理这些投影数据，获得物体的断层和三维的密度信息，达到无损检测的目的。在医学诊断、工业无损检测等领域都有着重要的应用。在医学诊断领域，CT自从1970年问世以来，与磁共振(MRI)、正电子发射计算机断层成像和CT组合系统(PET/CT)一起成为医用三大关键成像系统。相比其他成像手段，CT重建能够快速得到高分辨率的图像，重建结果的对比度精度可以控制在1％以内，能分辨0.5mm的级别的物体。因成像物理过程的复杂性，即使最先进的CT系统也要应对各种图像伪影对最终图像质量的影响。理论上的CT重建把CT扫描的成像过程理想化成单一能量的指数衰减。但实际成像过程中存在很多非理想化的因素，如系统的机械、电子、X射线的非单能特性等。这些近似都会带来各种各样的伪影，如环状伪影、条带状伪影、噪声、射线硬化伪影、散射伪影、运动伪影、风车伪影等等。

目前对于诸多伪影的解决方案是按产生原因的不同采用不同的方法进行校正。例如，环状伪影通常由探测器的不一致性导致，必须精确校准每个CT系统探测器的一致性；带状伪影多由探测器空间上不一致引起，可通过校准或更换探测器消除；针对图像噪声，在尽可能降低整个CT系统的本底噪声的前提下，通过软件(应用各种算法，如迭代重建)或硬件(如增加X射线管的管电流)方法减少；射线硬化伪影则是采用近似矫正估计骨头引起的硬化伪影的算法模型或利用能谱成像技术来消除。但是，由于CT重建结果中伪影产生的原因相当复杂，CT图像中可以携带一种或者多种伪影，并且每一种伪影常会由一种或多种原因导致，这使得CT图像中的伪影无法准确校正。

因而现有技术还有待改进和提高。

发明内容

针对现有技术的不足，本发明的目的是要提供一种基于神经网络的CT图像的伪影校正方法及装置。

为了解决上述技术问题，本发明所采用的技术方案如下：

一种基于神经网络的CT图像的伪影校正方法，其包括：

对CT数据进行预处理以生成携带至少一种伪影的输入样本的数据库；

构建用于校正至少一种伪影的神经网络；

将所述输入样本输入所述神经网络，并通过预设目标函数对神经网络进行训练，以得到训练好的神经网络；

将待处理的CT图像输入训练好的神经网络进行伪影识别及校正，并输出校正后的CT图像以及识别到的伪影图像。

所述基于神经网络的CT图像的伪影校正方法，其中，所述输入样本包括携带至少一种伪影的输入图像以及输入图像对应的目标样本。

所述基于神经网络的CT图像的伪影校正方法，其中，所述对CT图像进行预处理以生成输入样本的数据库具体包括：

采用仿真或采集的投影数据生成CT图像的目标样本，其中，所述目标样本为未携带伪影的CT图像；

向所述目标样本随机加入误差以生成误差图像，以生成输入图像；

根据所述输入图像以及目标样本生成输入样本的数据库。