[发明专利]一种基于神经网络去锥形束伪影的CT重建方法

说明书

本发明提出一种基于神经网络去锥形束伪影的CT重建方法，包括步骤：(1)采集锥形束投影数据P；(2)对锥形束投影数据P进行滤波；(3)对滤波后的投影数据P进行n个角度的图像重建，得到n个子图像；(4)构建能够去除输入图像锥形束伪影的神经网络，训练神经网络，直至神经网络的损失函数满足预设的阈值要求；(5)将n个子图像同时输入到神经网络内，得到一幅无锥形束伪影的输出图像。本发明采用神经网络融合多个子图像，由于融合了更多的信息，因此能够得到更高的图像质量；另外，本发明在重建过程中，不需要归一化和反归一化网络，因此在图像重建过程中能够避免引入归一化和反归一化网络引起图像值的误差，进一步提高重建图像的质量。

技术领域

本发明涉及CT扫描图像处理技术领域，尤其是一种基于神经网络去锥形束伪影的CT重建方法。

背景技术

CT医学成像系统自20世纪70年代发明了之后经过了长足的进步，扫描速度从开始要几分钟到现在的0.2秒。探测器排数也从开始的单排双排，到现在的64排，128排，甚至256排。这其中的变化不单单是系统硬件的升级换代，系统的图像重建技术也带来了革命性的变化。初期的CT系统由于只有一排探测器，所以X射线束是扇形束，所用到的重建技术也都是二维的扇形束重建技术。因为每次只能扫描一层，整个扫描需要很长的时间，后来多排CT引入就是为了加快扫描的速度，比如16排，32排的系统[1]。这时候X射线也变成了三维的锥形束，和之前的几何结构有了些区别，所以必须要用锥形束重建技术来重建图像。虽然锥形束精确重建技术的数学理论已经被提出来很久[2]，但是由于算法的复杂性，还是没有能够普遍的应用到系统中。目前主流产品中所应用的锥形束重建技术都是基于FDK算法的近似算法[3-5]。

但是现有的重建技术重建误差和锥角(正比于探测器的排数)的平方成正比，所以在锥角(探测器排数)比较小的时候还能够得到比较好的效果(小于等于64排)。但是当探测器排数增大到128甚至256排的时候就会带来很大的误差，导致图像存在锥形束伪影，不能够满足临床诊断的要求。

为改善图像质量的技术方案，也有把神经网络引入图像重建中的方法，例如专利CN107481297A公开的一种基于卷积神经网络的CT图像重建方法，该方法对反投影得到的图像进行“归一化”滤波，然后滤波后的图像经过神经网络处理，处理后的图像再经过反归一化滤波，再得到最终的重建图像。但是这个方法需要引入归一化滤波和反归一化滤波，这个会引起图像值的误差，再有他的处理是在全部反投影之后，因此没有办法完全修复重建的伪影。

[1]Hsieh j：Computed tomography：Principles，design，artifacts，and recentadvances.SPIE，Bellingham，WA.(2003).

[2]A Katsevich，“Theoretically exact filtered backprojection-typeinversion algorithm for spiral CT”，SIAM Journal on Applied Mathematics 62(6)，2012-2026

[3]L.A.Feldkamp，L.C.Davis，and J.W.Kress，“Practical cone-beamalgorithm，”J.Opt.Soc.Amer.A1(6)，pp.612-619，1984

[4]Katsuyuki等，Cone-beam reconstruction apparatus and computedtomography apparatus.Patent US6917663B2