[发明专利]一种基于图学习的稀疏投影重建方法

说明书

本发明公开了一种基于图学习的稀疏投影重建方法，属于医学影像领域。该方法通过在投影重建方法中每次迭代的过程中进行一次全局随机采样，获取每个像素点的全局随机采样点；再根据门函数进行随机点的相似筛选；最后利用这些相似的随机点通过图学习的方法修正每个像素点的像素值。以此来消除因为硬件原因或者稀疏重建方法本身所导致的形状伪影。通过本发明，可以在传统的投影重建方法中直接引入该方法，用于修复稀疏角度导致的重建后图像中的形状伪影，大大的提升成像质量。

技术领域

本发明涉及医学影像领域，具体涉及一种基于图学习的稀疏投影重建方法。

背景技术

随着医学技术的不断发展，对于成像设备的成像质量以及重建速度的要求也越来越高，有时由于系统设计需求、为了降低对样本的伤害或者对于快速成像的要求，往往会导致整个成像设备的采集系统或重建方法采用稀疏角度，而采用稀疏角度进行投影重建又会导致形状伪影的产生，这大大降低了影像的成像质量，影响后续临床医生的诊疗工作。因此解决稀疏投影重建过程所带来的形状伪影可以大大的提升成像质量，具有重要意义。

发明内容

本发明的目的在于针对现有技术的不足，提出一种基于图学习的稀疏投影重建方法，通过图学习的方法校正稀疏投影重建得到的每个像素点，以达到消除稀疏重建所导致的形状伪影的目的。

本发明的目的是通过以下技术方案来实现的：

一种基于图学习的稀疏投影重建方法，该方法具体为：

将投影成像仪器采集到的原始数据结合对应的系统响应矩阵进行稀疏投影并基于图学习修正后迭代重建，直至满足迭代收敛条件，或达到固定的迭代次数，得到最终的无形状伪影的重建图像；其中，基于图学习修正具体如下：

对每次稀疏投影获得的图像中每个像素点j以点为中心选取l×l×l个像素点的像素值组成对应像素点的特征向量；

对每个像素点j进行全局随机采样，选取若干个随机点作为对应像素点j的随机点集Ω_j；

获取每个像素点j的特征向量与其对应随机点集Ω_j中每个随机点的特征向量的欧氏距离d_j,r, rϵΩ_j；

根据欧式距离利用非线性门函数对每个像素点j的随机点集进行相似度筛选，保留n _j个最相似的随机点；

根据保留的随机点利用图学习的方法获取每个像素点新的像素值：