[发明专利]一种基于深度学习的同步多螺旋计算机断层成像方法

说明书

本发明公开了一种基于深度学习的同步多螺旋计算机断层成像(Computed tomography,CT)方法，包括如下步骤：将多个物体放置在配有多个平行于探测器方向的转台且能进行匀速升降的同步多螺旋CT成像检台上，该装置允许进行多物体同步螺旋CT扫描；利用深度学习技术处理同步多螺旋投影序列，将其校正为不含容积伪影的投影序列；对所述校正投影序列进行分割，获得各物体独立投影序列；并使用滤波反投影重建算法得到上述投影序列的断层图像。本发明通过多物体同步成像架构与螺旋CT扫描相结合，使成像效率大幅增加；此外，利用深度学习技术优化了重建图像质量，有利于X射线CT技术在工业大规模量产应用中的推广，尤其适合航空、航天、军工等领域的大批量长型试件检测应用。

技术领域

本发明实施例涉及一种基于深度学习的同步多螺旋计算机断层成像方法，属于X射线计算机断层成像和深度学习技术领域。

背景技术

在X射线计算机断层成像(Computed tomography,CT)系统中，X射线源发出X射线，从不同角度穿过被测物体的某一区域，放置于射线源对面的探测器在相应角度接受，然后根据各角度射线不同程度的衰减，利用一定的重建算法和计算机进行运算，重建出物体被扫描区域的射线线衰减系数分布映射图像，从而实现由投影重建图像，无损地再现物体在该区域内的介质密度、成分和结构形态等特征。

目前，航空、航天、军事工业、海洋工程等领域对长型材料和零件的需求日益增加，例如导弹、炮筒、鱼雷、船舶主轴等。工业CT设备由于成像高度有限，检测长型试件时需多次扫描并进行拼接，非常耗时。此外，逐一成像的传统CT扫描架构并不适用于当前工业生产的大规模趋势。因此，为进一步改进成像效率，使之满足工业生产需求，需要开发快速的扫描技术。

发明内容

本发明技术解决问题：克服现有技术的不足，提供一种基于深度学习的同步多螺旋计算机断层成像方法，过多物体同步成像架构与螺旋CT扫描相结合，使成像效率大幅增加；利用深度学习技术优化了重建图像质量，有利于X射线CT技术在工业大规模量产应用中的推广，尤其适合航空、航天、军工等领域的大批量长型试件检测应用。

本发明技术解决方案：一种基于深度学习的同步多螺旋计算机断层成像方法，包括以下步骤：

步骤1、将多个物体放置于同步多螺旋CT成像检台上，进行同步多螺旋CT扫描；所述同步多螺旋CT成像检台中，安装有多个平行探测器方向的独立转台，并且同步多螺旋CT成像检台进行匀速升降运动，能产生包含多个物体的无串扰螺旋CT投影序列；

步骤2、利用深度学习技术对无串扰螺旋CT投影序列进行处理，将其校正为重建图像不含容积伪影的投影序列；所述容积伪影是利用经典CT重建算法如FBP算法重建螺旋投影序列时产生的一种图像伪影，需要对其进行校正，所述深度学习技术是指基于卷积神经网络的同步多螺旋投影序列的优化技术；

步骤3、对包含多个物体的投影序列进行分割，获得每个物体对应的独立投影序列；所述独立投影序列是由于同步多螺旋CT装置同时对多个物体进行成像，其投影序列包括多个物体的投影信息，因此需计算各物体对应于投影序列中的位置并进行投影分割；

步骤4、使用滤波反投影重建算法对上述每个物体的校准投影序列分别进行重建，获得最终的断层重建图像。

进一步地，步骤1所述的同步多螺旋成像不同于常规的多物体CT成像中多个物体绕一个公共旋转轴旋转，而是各物体都配有独立转台，转台间平行于探测器方向安装；此外，可升降检台也是实现螺旋扫描的另一个必要条件，两者相结合能对大批量长型试件快速成像。

进一步地，步骤2所述的基于卷积神经网络的同步多螺旋投影序列的优化技术如式(1)-(4)所示：

f(P(ω,φ))＝W^T·P(ω,φ)+Bias (2)