[发明专利]CT成像方法、装置、存储介质及计算机设备

权利要求书

1.一种目标脏器导向扫描协议最优化的CT成像方法，其特征在于，所述方法包括：

获得三维CT定位像，并基于所述三维CT定位像确定目标脏器解剖模型和成像任务；

基于所述目标脏器解剖模型建立成像系统模型；

结合所述成像任务和所述成像系统模型建立性能预测模型；

基于所述性能预测模型确定目标成像质量的各个投影角度下的最优扫描协议参数和图像重建参数；

根据所述最优扫描协议参数进行CT扫描，获得投影数据；

结合所述投影数据和所述图像重建参数进行CT图像重建，获得CT图像。

2.根据权利要求1所述的CT成像方法，其特征在于，所述获得三维CT定位像，包括：

通过低剂量CT扫描重建获得低剂量CT扫描重建图像；

基于成像网络对所述低剂量CT扫描重建图像进行恢复，获得三维CT定位像；

所述低剂量CT扫描为低于临床CT检查设定剂量或CT设备厂商设定的参考剂量；

所述成像网络为采用配对的高低剂量三维定位像数据集以端到端的方式进行训练，并采用Adam算法对均方误差损失函数和网络权重参数进行优化而获得。

3.根据权利要求1所述的CT成像方法，其特征在于，所述基于所述三维CT定位像确定目标脏器解剖模型和成像任务，包括：

基于所述三维CT定位像和脏器区域辨识网络建立所述目标脏器解剖模型；

基于所述三维CT定位像、成像网络和脏器区域辨识网络建立所述成像任务；

所述脏器区域辨识网络为采用配对标注的三维定位像数据集以端到端的方式进行训，并采用Adam算法对交叉熵损失函数和网络权重参数进行优化获得；

所述成像任务包括图像对比度、图像空间分辨率和解剖脏器定位；

所述图像对比度和所述图像空间分辨率由所述成像网络实现，所述解剖脏器定位由所述脏器区域辨识网络实现。

4.根据权利要求1所述的CT成像方法，其特征在于，所述基于所述目标脏器解剖模型建立成像系统模型，包括：

基于所述目标脏器解剖模型利用模型迭代重建算法进行重建，并在所述模型迭代重建算法中的管电流调制和正则化的成像任务驱动进行所述成像系统模型的构建；

所述成像系统模型为基于任务驱动和病人驱动的多目标优化，且所述成像系统模型包括扫描范围、管电流、管电压；

所述模型迭代重建算法中的目标函数为

其中，Ω_A为待求解的自适应扫描参数；Ω_R表示待求解的自适应重建参数；S表示局部噪声功率谱的估计；T表示局部调制传递函数的估计；表示基于成像任务驱动的参数估计；j表示成像任务索引序号；f_x、f_y、f_z分别表示沿待重建三维图像f的x轴、y轴、z轴的方向分量。

5.根据权利要求1所述的CT成像方法，其特征在于，所述结合所述成像任务和所述成像系统模型建立性能预测模型，包括：

基于所述成像任务对所述成像系统的参数进行优化处理来建立所述性能预测模型。

6.根据权利要求1所述的CT成像方法，其特征在于，所述基于所述性能预测模型确定目标成像质量的各个投影角度下的最优扫描协议参数和图像重建参数，包括：

所述性能预测模型以实现所述成像任务中的高图像对比度、高图像空间分辨率和精确解剖脏器定位为目标，采用ADMM-Net网络对成像系统模型中目标方程中的自适应扫描参数和自适应重建参数进行优化处理，以获得目标成像质量的各个投影角度下的最优扫描协议参数和图像重建参数；

所述最优扫描协议参数包括扫描管电流参数、扫描管电压参数、扫描角度中的一个或多个组合；

所述图像重建参数包括图像大小参数、重建视野参数、正则化超参数中的一个或多个组合。

7.根据权利要求1所述的CT成像方法，其特征在于，所述结合所述投影数据和所述图像重建参数进行CT图像重建，包括：

基于CT迭代重建算法和所述图像重建参数对所述投影数据进行CT图像迭代重建。