[发明专利]基于卷积神经网络的X射线计算机断层成像能谱估计方法

权利要求书

1.基于卷积神经网络的X射线计算机断层成像能谱估计方法，其特征在于，包括：

步骤1、设计用于描述CT图像与能谱中光子分布概率之间耦合关系的卷积神经网络；所述用于描述CT图像与能谱中光子分布概率之间耦合关系的卷积神经网络具体为：包含9层卷积层的单输入、单输出的网络结构模型；其中，第一层卷积层具有64个滤波器内核通道，每个滤波器内核通道的大小为9×9，重叠步长为4×4；第二层卷积层具有128个滤波器内核通道，每个滤波器内核通道的大小为7×7，重叠步长为4×4；第三层至第五层卷积层每层均具有256个滤波器内核通道，每个滤波器内核通道的大小为5×5，第三层和第四层卷积层滤波器内核通道的重叠步长为1×1，第五层卷积层滤波器内核通道的重叠步长为4×4；第六层至第八层卷积层每层均具有512个滤波器内核通道，每个滤波器内核通道的大小为3×3，第六层和第七层卷积层滤波器内核通道的重叠步长是1×1，第八层卷积层滤波器内核通道的重叠步长是2×2；第九层卷积层具有100个滤波器内核通道，每个滤波器内核通道的大小为1×1；

步骤2、利用构建的训练数据集对所述卷积神经网络进行训练，得到训练好的卷积神经网络；

步骤3、利用所述训练好的卷积神经网络对CT图像进行能谱估计，得到CT图像能谱信息。

2.根据权利要求1所述的方法，其特征在于，还包括构建训练数据集，具体为：

获取骨骼和组织的衰减系数，并利用SpekCalc软件生成N个归一化的X射线能谱；

基于物体的连续能谱投影原理，根据所述衰减系数和N个X射线能谱生成连续能谱投影数据；

利用滤波反投影解析重建算法在生成的所述连续能谱投影数据上重建CT图像；

将得到的CT重建图像作为训练卷积神经网络的输入数据，将所述N个归一化的X射线能谱作为训练卷积神经网络的标签。