一种基于注意机制的无监督CT投影域数据恢复方法技术

本发明专利技术涉及一种基于注意机制的无监督CT投影域数据恢复方法，其主要技术特点是：准备包括受源正弦图、目标正弦图的输入数据集；构建生成器模块得到目标域正弦图；构建判别器模块进行判别处理；构建GAN网络的损失函数；使用完整的CT正弦图数据集对GAN网络进行大规模迭代训练，直至每次迭代时整个网络的损失函数变化幅度不超过预先设定的阈值；使用受金属迹线影响的CT正弦图作为测试数据集，得到无金属迹线的正弦图。本发明专利技术设计合理，通过将CT投影数据补充完备消除CT影像中存在的射束硬化伪影及金属伪影，实现了对受金属植入物影响而不完备的CT投影数据的高质量恢复，可以更好地在实际中应用，推动精准医疗的进一步发展。

A data recovery method based on attention mechanism in projection domain of unsupervised CT

【技术实现步骤摘要】
一种基于注意机制的无监督CT投影域数据恢复方法
本专利技术属于计算机断层扫描
，尤其是一种基于注意机制的无监督CT投影域数据恢复方法。
技术介绍
X射线计算机断层扫描(ComputedTomography，CT)技术已被广泛应用于工业探测与医学诊断等领域，但CT检查一直被伪影所困扰，伪影给临床检查和诊断带来了很大的困难。金属伪影是计算机断层扫描(CT)图像中常见的伪影之一，其在成像和重建过程中由金属植入物引入。金属伪影的形成涉及多种机制，例如射束硬化，散射，噪声和非线性部分体积效应。在临床检查过程中，金属植入物会大量的吸收CT扫描时入射的X射线光子，导致这些区域的投影域数据缺失(CT投影数据也称正弦图)，即投影数据不完备，金属植入物的投影数据在正弦图中的表现是明亮的金属迹线(金属迹线数目越多，宽度越宽，表明投影数据受金属植入物影响越严重，缺失越多)，重建后上述植入物体的周围会产生星芒状或放射状伪影，严重影响了图像上金属植入物周围组织结构的清晰度，给植入物本身以及周围组织结构的判断带来了很大的困难，这一难题多年以来困扰着临床检査。<本文档来自技高网...

【技术保护点】
1.一种基于注意机制的无监督CT投影域数据恢复方法，其特征在于包括以下步骤：/n步骤1、准备包括受金属植入物影响的源正弦图、不受金属植入物影响的目标正弦图的输入数据集；/n步骤2、构建生成器模块，并经编码器A、辅助分类器B、注意特征矩阵计算、归一化处理及上采样得到目标域正弦图；/n步骤3、构建判别器模块，并经编码器C、辅助分类器D、全局分类器F

【技术特征摘要】
1.一种基于注意机制的无监督CT投影域数据恢复方法，其特征在于包括以下步骤：
步骤1、准备包括受金属植入物影响的源正弦图、不受金属植入物影响的目标正弦图的输入数据集；
步骤2、构建生成器模块，并经编码器A、辅助分类器B、注意特征矩阵计算、归一化处理及上采样得到目标域正弦图；
步骤3、构建判别器模块，并经编码器C、辅助分类器D、全局分类器FT进行判别处理；
步骤4、构建GAN网络的损失函数；
步骤5、使用完整的CT正弦图数据集对GAN网络进行大规模迭代训练，训练过程中不断调整步骤4中的超参数数值以及学习率大小、网络迭代次数，直至每次迭代时整个网络的损失函数变化幅度不超过预先设定的阈值；
步骤6、使用受金属迹线影响的CT正弦图作为测试数据集，得到无金属迹线的正弦图


2.根据权利要求1所述的一种基于注意机制的无监督CT投影域数据恢复方法，其特征在于：所述步骤1中的源正弦图、目标正弦图不完全配对。


3.根据权利要求1所述的一种基于注意机制的无监督CT投影域数据恢复方法，其特征在于：所述步骤2的具体实现方法包括以下步骤：
⑴构建由两个卷积层组成的编码器A，输入x经编码器A下采样的卷积运算提取特征后的输出特征矩阵；
⑵将特征矩阵输入辅助分类器B进行源正弦图和目标正弦图特征矩阵的分类判断，找出每个特征矩阵中对于判断一个特征矩阵是来自于源正弦图还是目标正弦图的最重要的区域；
⑶利用重要性权重计算注意特征矩阵；
⑷将注意特征矩阵经过向量化，输入多层感知器MLP函数，由网络通过梯度更新和反向传播迭代计算每个注意特征矩阵的权重因子γ和偏置β，对注意特征矩阵进行归一化计算，然后加权求和计算归一化特征矩阵；
⑸步骤⑷中的归一化特征矩阵经由激活函数后生...

【专利技术属性】
技术研发人员：史再峰，王仲琦，罗韬，曹清洁，程明，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12