A 3D multispectral CT reconstruction method, equipment and storage medium based on neural network are disclosed. The method includes the following steps: 3D multispectral CT scanning of the object to be examined to obtain the 3D projection data under the multispectral scanning; processing the 3D projection data under the multispectral scanning with the first convolution neural network to obtain the 3D projection data under the virtual single energy scanning with one or more specified energies; using the second convolution neural network to obtain the 3D projection data under the virtual single energy scanning Three dimensional projection data is processed to obtain independent two-dimensional projection data for each layer of three-dimensional volume. Among them, the second convolution neural network includes multiple convolution layers; and the two-dimensional projection data of each layer is transformed into the image domain equivalent to the two-dimensional analytical reconstruction, and the reconstructed image is obtained by layers to form a three-dimensional volume image. Using the scheme of the above embodiment of the present disclosure, a higher quality CT image can be reconstructed.
【技术实现步骤摘要】
基于神经网络的三维多能谱CT重建方法和设备及存储介质
本公开的实施例涉及辐射成像，具体涉及一种基于神经网络的三维多能谱CT重建方法和设备以及存储介质。
技术介绍
基于X射线的CT成像技术自专利技术以来，在医疗诊断、安检、工业无损检测等多个领域中都有着广泛的应用。完整的CT成像硬件系统主要包含射线源，X射线探测器，扫描轨道等组成部分，射线源和探测器按照一定的轨道采集一系列的投影数据，经过图像重建算法的复原可以得到物体的线性衰减系数的三维空间分布。CT图像重建是从探测器采集到的数据中恢复线性衰减系数分布，是CT成像的核心步骤。由于实际应用中很难获取真正的单能X射线光源，CT重建的对象实际上是物体在一定X射线能谱下的等效衰减系数，导致传统CT系统对于物质的识别能力较差，同时重建图像也会存在硬化伪影等问题。考虑到这一局限性，能谱CT技术应运而生，能谱CT是利用了X射线能谱信息的CT成像方式，它的目的是利用不同能谱下物质衰减系数的差别，在成像结果中消除或减小能量的影响，并获得材料分辨能力。目前，能谱CT领域最常见的双能CT系统...
【技术保护点】
1.一种基于神经网络的三维多能谱CT重建方法，包括步骤：/n对被检查对象进行三维多能谱CT扫描，得到多能谱扫描下的三维投影数据；/n利用第一卷积神经网络对多能谱扫描下的三维投影数据进行处理，得到一个或多个指定能量的虚拟单能扫描下的三维投影数据；/n利用第二卷积神经网络对一个或多个指定能量的虚拟单能扫描下的三维投影数据进行处理，对三维体得到每层独立的二维投影数据，其中，第二卷积神经网络包括多个卷积层；以及/n对每层的二维投影数据进行等效于二维解析重建的投影域到图像域转换算子操作，按层得到重建的图像，形成三维体图像。/n
【技术特征摘要】 【专利技术属性】
1.一种基于神经网络的三维多能谱CT重建方法，包括步骤：
对被检查对象进行三维多能谱CT扫描，得到多能谱扫描下的三维投影数据；
利用第一卷积神经网络对多能谱扫描下的三维投影数据进行处理，得到一个或多个指定能量的虚拟单能扫描下的三维投影数据；
利用第二卷积神经网络对一个或多个指定能量的虚拟单能扫描下的三维投影数据进行处理，对三维体得到每层独立的二维投影数据，其中，第二卷积神经网络包括多个卷积层；以及
对每层的二维投影数据进行等效于二维解析重建的投影域到图像域转换算子操作，按层得到重建的图像，形成三维体图像。
2.如权利要求1所述的方法，其中所述第一卷积神经网络包括输入层和多个卷积层，所述输入层具有与扫描能谱数目相同的通道，并且除最后一个卷积层外，每个卷积层后带有激活函数。
3.如权利要求1所述的方法，其中按照二维解析重建算法构建神经网络层，与第二卷积神经网络级联，形成综合重建网络，以整体方式训练得到三维CT重建网络。
4.如权利要求3所述的方法，其中按照二维解析重建算法构建神经网络层，与第二卷积神经网络级联，在此基础上进一步级联图像处理网络即第三卷积神经网络，形成综合精细重建网络，以整体方式训练得到三维CT重建网络。
5.如权利要求1所述的方法，其中所述三维CT扫描为如下扫描方式之一：圆周锥束扫描、螺旋扫描、直线轨迹扫描、有限角度扫描、内重建扫描、多段直线轨迹扫描、稀疏角度扫描。
6.如权利要求4所述的方法，其中所述第二卷积神经网络和第三卷积神经网络均为U型卷积神经网络。
7.如权利要求4所述的方法，还包括步骤：
在对二维投影数据进行反投影操作之前，使用斜坡滤波器对二维投影数据进行滤波。
8.如权利要求1所述的方法，其中第二卷积神经网络中的卷积层的卷积核的一个维度为探测器像素序列，另一个维度为扫描角度，并且第二卷积神经网络中的卷积层的卷积核在探测器像素序列维度上的尺度与在扫描角度维度上的尺度是独立设置的。
9.如权利要求4所述的方法，其中使用残差方式分步训练第一卷积神经网络、第二卷积神经网络和第三卷积神经网络，对虚拟单能扫描下的三维投影数据使用近似重建方法形成三维体的逐层图像初步估计，对其进行二维投影，作为第二卷积神经网络使用残差运算的依据，第三卷积神经网络以三维体的逐层图像初步估计或通过投影域到图像域转换算子操作所得到的按层重建的图像作为残差运算的依据。
技术研发人员：邢宇翔，张丽，陈志强，杨洪恺，梁凯超，刘以农，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。