骨硬化伪影校正方法、装置、计算机设备和可读存储介质制造方法及图纸

本申请涉及一种骨硬化伪影校正方法、装置、设备和计算机可读存储介质。其中，该骨硬化伪影校正方法包括：获取第一扫描图像的第一投影数据；使用骨硬化伪影校正模型处理第一投影数据，得到第二投影数据，其中，骨硬化伪影校正模型包括已训练的人工神经网络，已训练的人工神经网络被训练为预测不具有骨硬化伪影的扫描图像的投影数据或者骨硬化伪影图像的投影数据；根据第二投影数据，重建得到第二扫描图像。通过本申请，解决了相关技术中骨硬化伪影校正过程复杂的问题，简化了骨硬化伪影校正的过程。

【技术实现步骤摘要】
骨硬化伪影校正方法、装置、计算机设备和可读存储介质
本申请涉及图像处理领域，特别是涉及骨硬化伪影校正方法、装置、计算机设备和计算机可读存储介质。
技术介绍
针对骨硬化伪影，在传统技术中已经有许多校正算法被提出，从实现方式上可以分为硬件和软件两大类。硬件方法通过在各类计算机断层成像设备的实体系统中添加校正工具，进而起到抑制骨硬化伪影的作用，而软件方法以骨硬化伪影产生的本质为依据，利用校正算法对获取到的投影数据或者重建图像做相应的处理，以此减轻图像中骨硬化伪影的程度。在硬件校正方面，其校正方法主要包括水袋校正法和滤波片法。水袋校正法主要是通过将水袋均匀的缠绕在被检测物体的表面，使得不同位置的射线束穿透物体的路径一致，从而达到校正目的，但是这种方式方便性很差，缺乏简洁性。而滤波片法则是通过在射线源和被扫瞄物体之间放置过滤物预滤过射线，以此减轻射束骨硬化导致的伪影，但是在医用CT设备中，除了射束骨硬化外还应当考虑扫描视野范围内病人所受的剂量保持一定的分布，通常使用形状滤过器进行骨硬化校正。在软件校正方面，软件校正方法主要分为前处理和后处理两类。前处理校正方法应用于最终的CT图像重建完成之前。而后处理校正方法一般应用于重建图像之后，算法在执行过程中需要原始重建图像或图像分割操作的参与。前处理方法有多项式拟合、蒙特卡洛拟合等，这种方法适用于单一成分物质，但是需要制作与被扫描物体材料相同的校正模体，不利于工程推广。而且人体是由复杂的元素构成，不可能制造出和人类同材料的模体，因此该方法在医用CT中的应用同样受到了限制。除此之外，前处理的方法还包括基于迭代重建的算法，这类方法创新性的将骨硬化校正操作和图像重建过程相融合，但是上述方式受限于参数选取繁琐，且算法运行时间长，因此该类方法没有被广泛利用。然而近年来在相关技术中双能法被应用到CT领域。双能法的思路是通过对目标物体进行两次具有射线能谱差异的扫描，然后获取某一射线能级下被扫描截面的线性衰减系数分布，进而得到无骨硬化伪影的校正图像。由双能CT产生单色图像是基于X射线束吸收光谱，在校正时需要获取X射线谱信息，从而会导致骨硬化伪影校正过程复杂且耗费大量时间。综上所述，已有的骨硬化伪影校正方法虽然种类繁多，但在具体应用中都有各自的局限性。目前针对相关技术中骨硬化伪影校正过程复杂的问题，尚未提出有效的解决方案。
技术实现思路
本申请实施例提供了一种骨硬化伪影校正方法、装置、计算机设备和计算机可读存储介质，以至少解决相关技术中骨硬化伪影校正过程复杂的问题。第一方面，本申请实施例提供了一种骨硬化伪影校正方法，所述方法包括：获取第一扫描图像的第一投影数据；使用骨硬化伪影校正模型处理所述第一投影数据，得到第二投影数据，其中，所述骨硬化伪影校正模型包括已训练的人工神经网络，所述已训练的人工神经网络被训练为预测不具有骨硬化伪影的扫描图像的投影数据或者骨硬化伪影图像的投影数据；根据所述第二投影数据，重建得到第二扫描图像。在其中一些实施例中，使用骨硬化伪影校正模型处理所述第一投影数据，得到第二投影数据包括：使用所述已训练的人工神经网络处理所述第一投影数据，得到骨硬化伪影图像的第三投影数据；根据所述第一投影数据与所述第三投影数据，确定所述第二投影数据，其中，所述已训练的人工神经网络被训练为预测骨硬化伪影图像的投影数据。在其中一些实施例中，所述已训练的人工神经网络的训练过程包括：获取训练样本和未训练的人工神经网络，所述训练样本包括：具有骨硬化伪影的扫描图像的第四投影数据，以及对应的骨硬化伪影图像的第五投影数据；以所述第四投影数据作为输入，以所述第五投影数据作为监督，训练所述未训练的人工神经网络，直至所述未训练的人工神经网络参数收敛，得到所述已训练的人工神经网络。在其中一些实施例中，使用骨硬化伪影校正模型处理所述第一投影数据，得到第二投影数据包括：使用所述已训练的人工神经网络处理所述第一投影数据，得到所述第二投影数据，其中，所述已训练的人工神经网络被训练为预测不具有骨硬化伪影的扫描图像的投影数据。在其中一些实施例中，所述已训练的人工神经网络的训练过程包括：获取训练样本和未训练的人工神经网络，所述训练样本包括：具有骨硬化伪影的扫描图像的第六投影数据，以及对应的不具有骨硬化伪影的扫描图像的第七投影数据；以所述第六投影数据作为输入，以所述第七投影数据作为监督，训练所述未训练的人工神经网络，直至所述未训练的人工神经网络参数收敛，得到所述已训练的人工神经网络。在其中一些实施例中，所述第七投影数据的生成过程包括：将所述第六投影数据对应的扫描图像进行图像分割，得到水图像和骨图像；投影所述水图像得到水图像投影数据，以及投影所述骨图像得到骨图像投影数据；根据所述水图像投影数据和所述骨图像投影数据进行射束硬化校正，得到所述第七投影数据。在其中一些实施例中，所述第一投影数据、第四投影数据、第六投影数据均通过水硬化预校正。第二方面本申请实施例提供了一种骨硬化伪影校正装置，所述装置包括：第一获取模块，用于获取第一扫描图像的第一投影数据；第一处理模块，用于使用骨硬化伪影校正模型处理所述第一投影数据，得到第二投影数据，其中，所述骨硬化伪影校正模型包括已训练的人工神经网络，所述已训练的人工神经网络被训练为预测不具有骨硬化伪影的扫描图像的投影数据或者骨硬化伪影图像的投影数据；重建模块，用于根据所述第二投影数据，重建得到第二扫描图像。第三方面，本申请实施例提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的骨硬化伪影校正方法。第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的骨硬化伪影校正方法。相比于相关技术，本申请实施例提供的骨硬化伪影校正方法、装置、计算机设备和计算机可读存储介质，通过获取第一扫描图像的第一投影数据；使用骨硬化伪影校正模型处理第一投影数据，得到第二投影数据，其中，骨硬化伪影校正模型包括已训练的人工神经网络，已训练的人工神经网络被训练为预测不具有骨硬化伪影的扫描图像的投影数据或者骨硬化伪影图像的投影数据；根据第二投影数据，重建得到第二扫描图像的方式，解决了相关技术中骨硬化伪影校正过程复杂的问题，简化了骨硬化伪影校正的过程。本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。附图说明此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1是根据本申请实施例的CT系统的结构示意图；图2是根据本申请实施例的计算机设备的硬件结构示意图；图3是根据本文档来自技高网...

【技术保护点】
1.一种骨硬化伪影校正方法，其特征在于，所述方法包括：/n获取第一扫描图像的第一投影数据；/n使用骨硬化伪影校正模型处理所述第一投影数据，得到第二投影数据，其中，所述骨硬化伪影校正模型包括已训练的人工神经网络，所述已训练的人工神经网络被训练为预测不具有骨硬化伪影的扫描图像的投影数据或者骨硬化伪影图像的投影数据；/n根据所述第二投影数据，重建得到第二扫描图像。/n

【技术特征摘要】
1.一种骨硬化伪影校正方法，其特征在于，所述方法包括：
获取第一扫描图像的第一投影数据；
使用骨硬化伪影校正模型处理所述第一投影数据，得到第二投影数据，其中，所述骨硬化伪影校正模型包括已训练的人工神经网络，所述已训练的人工神经网络被训练为预测不具有骨硬化伪影的扫描图像的投影数据或者骨硬化伪影图像的投影数据；
根据所述第二投影数据，重建得到第二扫描图像。


2.根据权利要求1所述的骨硬化伪影校正方法，其特征在于，使用骨硬化伪影校正模型处理所述第一投影数据，得到第二投影数据包括：
使用所述已训练的人工神经网络处理所述第一投影数据，得到骨硬化伪影图像的第三投影数据；
根据所述第一投影数据与所述第三投影数据，确定所述第二投影数据，其中，所述已训练的人工神经网络被训练为预测骨硬化伪影图像的投影数据。


3.根据权利要求2所述的骨硬化伪影校正方法，其特征在于，所述已训练的人工神经网络的训练过程包括：
获取训练样本和未训练的人工神经网络，所述训练样本包括：具有骨硬化伪影的扫描图像的第四投影数据，以及对应的骨硬化伪影图像的第五投影数据；
以所述第四投影数据作为输入，以所述第五投影数据作为监督，训练所述未训练的人工神经网络，直至所述未训练的人工神经网络参数收敛，得到所述已训练的人工神经网络。


4.根据权利要求1所述的骨硬化伪影校正方法，其特征在于，使用骨硬化伪影校正模型处理所述第一投影数据，得到第二投影数据包括：
使用所述已训练的人工神经网络处理所述第一投影数据，得到所述第二投影数据，其中，所述已训练的人工神经网络被训练为预测不具有骨硬化伪影的扫描图像的投影数据。


5.根据权利要求4所述的骨硬化伪影校正方法，其特征在于，所述已训练的人工神经网络的训练过程包括：
获取训练样本和未训...

【专利技术属性】
技术研发人员：苏彬，
申请(专利权)人：上海联影医疗科技有限公司，
类型：发明
国别省市：上海;31