图像重建方法、装置和计算机设备制造方法及图纸

本发明专利技术涉及一种图像重建方法、装置和计算机设备。该方法可以包括：获取测试样本图像；对所述测试样本图像进行预处理，获取预处理后的测试样本图像；对所述预处理后的测试样本图像进行梯度计算，获取测试样本梯度图像；对所述测试样本梯度图像进行归一化处理，获取归一化后的测试样本梯度图像；将所述预处理后的测试样本图像和所述归一化后的测试样本梯度图像输入预设的深度学习网络模型，获得重建图像。利用该图像重建方法，使重建出的图像更加清晰，提高了得到的重建图像的质量；另外，采用预设的深度学习模型可以直接快速的得到重建图像，减少了获取重建图像的时长。

【技术实现步骤摘要】
图像重建方法、装置和计算机设备
本专利技术涉及图像领域，特别是涉及一种图像重建方法、装置和计算机设备。
技术介绍
正电子发射计算机断层显像-电子计算机断层扫描(PositronEmissionComputedTomography-ComputedTomography,PET-CT)检查和正电子发射计算机断层显像/核磁共振成像(PositronEmissionComputedTomography/MagneticResonanceImaging,PET/MRI)检查是两种常见的医学检查，PET-CT和PET/MRI扫描的辐射剂量有一部分来自PET药物，减少辐射的手段之一就是减少药物的注射剂量，另一方面，影响PET图像质量的一个因素是数据量的多少，采集的数据量足够多，重建出来的PET图像质量才能满足临床的需要，而采集的数据量又依赖事先注入体内的药物剂量以及采集时间，目前的PET数据采集在注射正常的剂量情况下通常需要采集3分钟每床位，如果注入一半剂量的话则至少需要采集6分钟的数据才能重建出满足临床需要的PET图像。因此，在降低PET药物注射剂量的同时，不延长PET-CT或者PET/MRI的本文档来自技高网...

【技术保护点】
1.一种图像重建方法，其特征在于，所述方法包括：获取测试样本图像；对所述测试样本图像进行预处理，获取预处理后的测试样本图像；对所述预处理后的测试样本图像进行梯度计算，获取测试样本梯度图像；对所述测试样本梯度图像进行归一化处理，获取归一化后的测试样本梯度图像；将所述预处理后的测试样本图像和所述归一化后的测试样本梯度图像输入预设的深度学习网络模型，获得重建图像。

【技术特征摘要】
1.一种图像重建方法，其特征在于，所述方法包括：获取测试样本图像；对所述测试样本图像进行预处理，获取预处理后的测试样本图像；对所述预处理后的测试样本图像进行梯度计算，获取测试样本梯度图像；对所述测试样本梯度图像进行归一化处理，获取归一化后的测试样本梯度图像；将所述预处理后的测试样本图像和所述归一化后的测试样本梯度图像输入预设的深度学习网络模型，获得重建图像。2.根据权利要求1所述的方法，其特征在于，所述预处理包括重采样处理和归一化处理。3.根据权利要求2所述的方法，其特征在于，所述对测试样本图像进行预处理，获取预处理后的测试样本图像，包括：判断所述测试样本图像与训练样本图像的分辨率是否相同；若是，对所述测试样本图像进行归一化处理，得到归一化后的测试样本图像；若否，则根据所述训练样本图像的分辨率对所述测试样本进行重采样，得到重采样后的测试样本图像，并对所述重采样后的测试样本图像进行归一化处理，得到归一化后的测试样本图像。4.根据权利要求3所述的方法，其特征在于，所述将所述预处理后的测试样本图像和所述归一化后的测试样本梯度图像输入预设的深度学习网络模型，获得重建图像之后，所述方法还包括：获取用于归一化处理的测试样本图像像素值的最大值和最小值；根据所述重建图像的像素值、所述用于归一化处理的测试样本图像像素值的最大值和最小值，获取目标重建图像。5.根据权利要求1-4任一项所述的方法，其特征在于，所述对所述预处理后的测试样本图像进行梯度计算，获取测试样本梯度图像，包括：采用预设的图像梯度特征算子对所述测试样本图像进行3D梯度求解，得到所述测试样本梯度图像。6.根据权利要求1-4任一项所述的方法，其特征在于，所述将所述预处理后的测试样本图像和所述归一化后的测试样本梯度图像输入预设的深度学习网络模型，获得重建图像之前，所述方法还包括：获取所述预处理后的测试样本图像各视角的二维切面图和所述归一化后的测试样本梯度图像各视角的二维切面图；所述将所述预处理后的测试样本图像...

【专利技术属性】
技术研发人员：张阳，吕杨，奚臣，
申请(专利权)人：上海联影智能医疗科技有限公司，
类型：发明
国别省市：上海,31