[发明专利]图像重建方法、装置、设备及存储介质

权利要求书

1.一种图像重建方法，其特征在于，包括：

获取待测试对象的成像数据；

基于所述成像数据生成放射图像；

生成所述放射图像对应的高噪声散射弦图；所述高噪声散射弦图为采用目标统计量的湮灭光子数量进行校正处理所对应的散射弦图；所述目标统计量低于所述成像数据对应的金标准弦图的模拟统计量；

基于经训练的优化模型对所述高噪声散射弦图进行处理，得到低噪声散射弦图；

基于所述低噪声散射弦图对所述成像数据进行重建，得到目标图像。

2.根据权利要求1所述的图像重建方法，其特征在于，所述生成所述放射图像对应的高噪声散射弦图的步骤，包括：

获取所述成像数据所对应的衰减图；

基于所述衰减图，对所述放射图像进行蒙特卡洛模拟处理，得到所述高噪声散射弦图。

3.根据权利要求1或2所述的图像重建方法，其特征在于，所述基于所述低噪声散射弦图对所述成像数据进行重建，得到目标图像的步骤，包括：

基于所述低噪声散射弦图对所述成像数据进行处理，得到更新的放射图像；

基于所述更新的放射图像，迭代地获取所述待测试对象对应的高噪声散射弦图和低噪声散射弦图；

基于达到迭代结束条件时所得到的低噪声散射弦图对所述成像数据进行重建，得到目标图像。

4.根据权利要求1或2所述的图像重建方法，其特征在于，所述基于所述成像数据生成放射图像的步骤，包括：

基于所述成像数据，生成符合计数弦图和延迟符合计数弦图；

将所述符合计数弦图和延迟符合计数弦图进行相减，得到真符合计数弦图；

基于所述真符合计数弦图，生成所述放射图像。

5.根据权利要求4所述的图像重建方法，其特征在于，所述基于经训练的优化模型对所述高噪声散射弦图进行处理，得到低噪声散射弦图的步骤，包括：

基于经训练的优化模型，对所述真符合计数弦图与所述高噪声散射弦图进行处理，得到低噪声散射弦图。

6.根据权利要求4所述的图像重建方法，其特征在于，所述方法还包括：

将所述真符合计数弦图与所述高噪声散射弦图进行连接，得到连接弦图；

所述基于经训练的优化模型对所述高噪声散射弦图进行处理，得到低噪声散射弦图的步骤，包括：

基于所述经训练的优化模型，对所述连接弦图进行处理，得到低噪声散射弦图。

7.根据权利要求1、2、5-6任一项所述的图像重建方法，其特征在于，所述优化模型包括基于金标准弦图进行机器学习得到的模型，所述优化模型包括采用下述方式训练得到：

基于样本的真符合计数弦图、样本的高噪声散射弦图以及样本的金标准弦图，得到预设网络的输入数据；

采用网络训练优化器以及循环学习率的训练方式，对所述预设网络进行训练，得到所述优化模型。

8.一种图像重建装置，其特征在于，包括：

获取模块，用于获取待测试对象的成像数据；

放射图生成模块，用于基于所述成像数据生成放射图像；

散射弦图生成模块，用于生成所述放射图像对应的高噪声散射弦图；所述高噪声散射弦图为采用目标统计量的湮灭光子数量进行校正处理所对应的散射弦图；所述目标统计量低于所述成像数据对应的金标准弦图的模拟统计量；

优化模块，用于基于经训练的优化模型对所述高噪声散射弦图进行处理，得到低噪声散射弦图；

重建模块，用于基于所述低噪声散射弦图对所述成像数据进行重建，得到目标图像。

9.一种图像重建设备，包括图像采集设备和计算机设备，其中，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的图像重建方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1至7任一项所述的图像重建方法。