[发明专利]基于深度学习实现的稀疏角度数据重建图像的伪影去除方法

摘要

本发明提供一种基于深度学习实现的稀疏角度数据重建图像的伪影去除方法，通过采集稀疏角度投影数据与完备角度投影数据；利用稀疏角度投影数据和完备投影数据分别进行重建；构建去伪影之神经网络；利用重建的图像作为训练数据；保存训练好的神经网络模型，并将测试图像投入其中；利用测试图像减去步骤E中所得到的网络预测之噪声，即可得到清晰图像。将目前在计算机视觉上表现突出的深度学习办法引入到稀疏角度投影解析重建图像的伪影去除研究中，利用Inception‑resnet网络的特点，构建一个表达能力精细且多样的神经网络，适用于稀疏角度数据解析重建图像的伪影去除。

主权项

1.一种基于深度学习实现的稀疏角度数据重建图像的伪影去除方法，其特征在于：基于深度学习构建一个结合全卷积网络和Inception‑resnet网络模块的稀疏角度投影重建图像伪影消除神经网络，针对稀疏角度CT图像的去伪影以及噪声进行预测并去除之，具体包括以下步骤，S1、采集若干对投影数据，每对投影数据包括稀疏角度投影数据与完备角度投影数据；S2、利用步骤S1采集的稀疏角度投影数据和完备投影数据分别进行重建，将重建后的数据集patchi(i＝1,2,3,4,5…)进行保存，每对数据集包括稀疏角度投影重建数据集和完备投影重建数据集；S3、构建稀疏角度投影重建图像伪影消除神经网络；S4、利用步骤S2中重建的图像作为训练数据集，完备投影重建数据集做对照数据，对步骤S3中构建的稀疏角度投影重建图像伪影消除神经网络进行训练，保存训练效果较好的模型，记为模型model；S5、获取步骤S4所保存的训练好的稀疏角度投影重建图像伪影消除神经网络模型model，并将测试图像test_img投入其中，最终预测并保存该测试图像test_img和对应的伪影图noise_img；S6、利用步骤S5中保存的测试图像test_img减去步骤S5中所得到的伪影图noise_img，即可得到清晰图像clean_img。