[发明专利]基于神经网络的CT图像重建方法、装置、设备及存储介质

权利要求书

1.一种基于神经网络的CT图像重建方法，应用于偏置探测器CT系统，其特征在于，包括：

获取所述偏置探测器CT系统采集的投影数据；

将所述投影数据输入投影域修复神经网络，在正弦图的方向对投影数据的缺失部分进行修复，获得投影修复数据，其中，所述正弦图与所述投影数据对应且所述正弦图具备镜像对称性；

根据所述投影数据和所述投影修复数据获得第一重建图像；

将所述第一重建图像输入图像域修复神经网络，获得第二重建图像；

将所述第二重建图像正投，获得CT重建图像。

2.根据权利要求1所述的基于神经网络的CT图像重建方法，其特征在于，在所述将所述投影数据输入投影域修复神经网络，在正弦图的方向对投影数据的缺失部分进行修复，获得投影修复数据的步骤之前，还包括：

获取投影训练数据和投影测试数据；

构建所述投影域修复神经网络，所述投影域修复神经网络包括生成网络和损失网络，所述损失网络用于修正所述生成网络；

将所述投影训练数据输入至所述生成网络、将所述投影测试数据输入至所述损失网络，训练获得所述生成网络的参数。

3.根据权利要求2所述的基于神经网络的CT图像重建方法，其特征在于，所述损失网络为包括内容损失函数和风格损失函数的混合损失函数，所述混合损失函数为：

L_total＝αL_content+βL_style

所述内容损失函数为：

所述风格损失函数为：

其中，C为内容损失，S风格损失，G为目标图像，是图像在损失网络中第l层第(i，j，k)位置的输出，其中(i，j，k)对应高、宽和通道，是损失网络中第l层输出的宽、高、通道数。

4.根据权利要求2所述的基于神经网络的CT图像重建方法，其特征在于，所述将所述第一重建图像输入图像域修复神经网络，获得第二重建图像的步骤之前，还包括：

重建所述投影训练数据和所述投影测试数据，获得投影训练图像和投影测试图像；

构建所述图像域修复神经网络；

将所述投影训练图像输入至所述图像域修复神经网络，获得投影预测图像；

根据均方误差损失函数处理所述投影预测图像和所述投影测试图像，获得图像域修复神经网络的参数。

5.根据权利要求4所述的基于神经网络的CT图像重建方法，其特征在于，所述均方误差损失函数为：

其中，p_n为预测图中像素n的值，g_n为真实图中像素n的值，N为图中像素总数。

6.根据权利要求2所述的基于神经网络的CT图像重建方法，其特征在于，在所述获取投影训练数据和投影测试数据的步骤之后，还包括：

根据仿射变换和弹性变换处理所述投影训练数据和所述投影测试数据。

7.一种基于神经网络的CT图像重建装置，其特征在于，包括：

获取模块，用于获取所述偏置探测器CT系统采集的投影数据；

投影域修复模块，用于将所述投影数据输入投影域修复神经网络，在正弦图的方向对投影数据的缺失部分进行修复，获得投影修复数据，其中，所述正弦图与所述投影数据对应且所述正弦图具备镜像对称性；

第一重建模块，用于根据所述投影数据和所述投影修复数据获得第一重建图像；

图像域修复模块，用于将所述第一重建图像输入图像域修复神经网络，获得第二重建图像；

正投模块，用于将所述第二重建图像正投，获得CT重建图像。