CT成像方法、装置、存储介质及计算机设备制造方法及图纸

本发明专利技术公开了一种目标脏器导向扫描协议最优化的CT成像方法、装置、存储介质及计算机设备，其中，所述方法包括：获得三维CT定位像，并基于所述三维CT定位像确定目标脏器解剖模型和成像任务；基于所述目标脏器解剖模型建立成像系统模型；结合所述成像任务和所述成像系统模型建立性能预测模型；基于所述性能预测模型确定目标成像质量的各个投影角度下的最优扫描协议参数和图像重建参数；根据所述最优扫描协议参数进行CT扫描，获得投影数据；结合所述投影数据和所述图像重建参数进行CT图像重建，获得CT图像。在本发明专利技术实施例中，可以降低CT图像数据中的噪音并且得到感兴趣区域的高质量CT图像。

【技术实现步骤摘要】
CT成像方法、装置、存储介质及计算机设备
本专利技术涉及医疗图像处理
，尤其涉及一种目标脏器导向扫描协议最优化的CT成像方法、装置、存储介质及计算机设备。
技术介绍
在CT诊断扫描中，为了减少受检者的辐射剂量，通常采用管电流调制的方法来降低剂量；研究表明，当毫安秒降低至常规剂量的三分之一时，CT图像数据会不可避免地引入大量噪声，继而严重影响CT影像分析，导致误诊；管电压的降低则会因X射线的穿透力下降而造成CT图像中射束硬化伪影的产生；传统的管电流调制策略一般都是针对滤波反投影重建算法进行设计的，虽然降低了辐射剂量，但只能满足基于噪声的简单图像质量要求，缺少病人目标成像区域的解剖特征，不能保证特定解剖特征区域的成像质量，无法有效地提高剂量利用率。
技术实现思路
本专利技术的目的在于克服现有技术的不足，本专利技术提供了一种目标脏器导向扫描协议最优化的CT成像方法、装置、存储介质及计算机设备，可以降低CT图像数据中的噪音并且得到感兴趣区域的高质量CT图像，有效的提高了剂量利用率。为了解决上述中至少一个技术问题，本专利技术实施例提供了一种目标脏器导向扫描协议最优化的CT成像方法，所述方法包括：获得三维CT定位像，并基于所述三维CT定位像确定目标脏器解剖模型和成像任务；基于所述目标脏器解剖模型建立成像系统模型；结合所述成像任务和所述成像系统模型建立性能预测模型；基于所述性能预测模型确定目标成像质量的各个投影角度下的最优扫描协议参数和图像重建参数；根据所述最优扫描协议参数进行CT扫描，获得投影数据；结合所述投影数据和所述图像重建参数进行CT图像重建，获得CT图像。可选的，所述获得三维CT定位像，包括：通过低剂量CT扫描重建获得低剂量CT扫描重建图像；基于成像网络对所述低剂量CT扫描重建图像进行恢复，获得三维CT定位像；所述低剂量CT扫描为低于临床CT检查设定剂量或CT设备厂商设定的参考剂量；所述成像网络为采用配对的高低剂量三维定位像数据集以端到端的方式进行训练，并采用Adam算法对均方误差损失函数和网络权重参数进行优化而获得。可选的，所述基于所述三维CT定位像确定目标脏器解剖模型和成像任务，包括：基于所述三维CT定位像和脏器区域辨识网络建立所述目标脏器解剖模型；基于所述三维CT定位像、成像网络和脏器区域辨识网络建立所述成像任务；所述脏器区域辨识网络为采用配对标注的三维定位像数据集以端到端的方式进行训，并采用Adam算法对交叉熵损失函数和网络权重参数进行优化获得；所述成像任务包括图像对比度、图像空间分辨率和解剖脏器定位；所述图像对比度和所述图像空间分辨率由所述成像网络实现，所述解剖脏器定位由所述脏器区域辨识网络实现。可选的，所述基于所述目标脏器解剖模型建立成像系统模型，包括：基于所述目标脏器解剖模型利用模型迭代重建算法进行重建，并在所述模型迭代重建算法中的管电流调制和正则化的成像任务驱动进行所述成像系统模型的构建；所述成像系统模型为基于任务驱动和病人驱动的多目标优化，且所述成像系统模型包括扫描范围、管电流、管电压；所述模型迭代重建算法中的目标函数为其中，ΩA为待求解的自适应扫描参数；ΩR表示待求解的自适应重建参数；S表示局部噪声功率谱的估计；T表示局部调制传递函数的估计；表示基于成像任务驱动的参数估计；j表示成像任务索引序号；fx、fy、fz分别表示沿待重建三维图像f的x轴、y轴、z轴的方向分量。可选的，所述结合所述成像任务和所述成像系统模型建立性能预测模型，包括：基于所述成像任务对所述成像系统的参数进行优化处理来建立所述性能预测模型。可选的，所述基于所述性能预测模型确定目标成像质量的各个投影角度下的最优扫描协议参数和图像重建参数，包括：所述性能预测模型以实现所述成像任务中的高图像对比度、高图像空间分辨率和精确解剖脏器定位为目标，采用ADMM-Net网络对成像系统模型中目标方程中的自适应扫描参数和自适应重建参数进行优化处理，以获得目标成像质量的各个投影角度下的最优扫描协议参数和图像重建参数；所述最优扫描协议参数包括扫描管电流参数、扫描管电压参数、扫描角度中的一个或多个组合；所述图像重建参数包括图像大小参数、重建视野参数、正则化超参数中的一个或多个组合。可选的，所述结合所述投影数据和所述图像重建参数进行CT图像重建，包括：基于CT迭代重建算法和所述图像重建参数对所述投影数据进行CT图像迭代重建。另外，本专利技术实施例还提供了一种目标脏器导向扫描协议最优化的CT成像装置，所述装置包括：第一确定模块：用于获得三维CT定位像，并基于所述三维CT定位像确定目标脏器解剖模型和成像任务；第一建立模块：用于基于所述目标脏器解剖模型建立成像系统模型；第二建立模块：用于结合所述成像任务和所述成像系统模型建立性能预测模型；第二确定模块：用于基于所述性能预测模型确定目标成像质量的各个投影角度下的最优扫描协议参数和图像重建参数；CT扫描模块：用于根据所述最优扫描协议参数进行CT扫描，获得投影数据；CT图像重建模块：用于结合所述投影数据和所述图像重建参数进行CT图像重建，获得CT图像。另外，本专利技术实施例还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上述中任意一项所述的CT成像方法。另外，本专利技术实施例还提供了一种计算机设备，其包括：一个或多个处理器；存储器；一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个应用程序配置用于：执行上述中任意一项所述的CT成像方法。在本专利技术实施例中，通过实施上述方法可以降低CT图像数据中的噪音并且得到感兴趣区域的高质量CT图像，有效的提高了剂量利用率。本专利技术附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见的，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。图1是本专利技术实施例中的目标脏器导向扫描协议最优化的CT成像方法的流程示意图；图2是本专利技术实施例中的目标脏器导向扫描协议最优化的CT成像装置的结构组成示意图；图3是本专利技术实施例中的计算机设备的结构组成示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳本文档来自技高网...

【技术保护点】
1.一种目标脏器导向扫描协议最优化的CT成像方法，其特征在于，所述方法包括：/n获得三维CT定位像，并基于所述三维CT定位像确定目标脏器解剖模型和成像任务；/n基于所述目标脏器解剖模型建立成像系统模型；/n结合所述成像任务和所述成像系统模型建立性能预测模型；/n基于所述性能预测模型确定目标成像质量的各个投影角度下的最优扫描协议参数和图像重建参数；/n根据所述最优扫描协议参数进行CT扫描，获得投影数据；/n结合所述投影数据和所述图像重建参数进行CT图像重建，获得CT图像。/n

【技术特征摘要】
1.一种目标脏器导向扫描协议最优化的CT成像方法，其特征在于，所述方法包括：
获得三维CT定位像，并基于所述三维CT定位像确定目标脏器解剖模型和成像任务；
基于所述目标脏器解剖模型建立成像系统模型；
结合所述成像任务和所述成像系统模型建立性能预测模型；
基于所述性能预测模型确定目标成像质量的各个投影角度下的最优扫描协议参数和图像重建参数；
根据所述最优扫描协议参数进行CT扫描，获得投影数据；
结合所述投影数据和所述图像重建参数进行CT图像重建，获得CT图像。


2.根据权利要求1所述的CT成像方法，其特征在于，所述获得三维CT定位像，包括：
通过低剂量CT扫描重建获得低剂量CT扫描重建图像；
基于成像网络对所述低剂量CT扫描重建图像进行恢复，获得三维CT定位像；
所述低剂量CT扫描为低于临床CT检查设定剂量或CT设备厂商设定的参考剂量；
所述成像网络为采用配对的高低剂量三维定位像数据集以端到端的方式进行训练，并采用Adam算法对均方误差损失函数和网络权重参数进行优化而获得。


3.根据权利要求1所述的CT成像方法，其特征在于，所述基于所述三维CT定位像确定目标脏器解剖模型和成像任务，包括：
基于所述三维CT定位像和脏器区域辨识网络建立所述目标脏器解剖模型；
基于所述三维CT定位像、成像网络和脏器区域辨识网络建立所述成像任务；
所述脏器区域辨识网络为采用配对标注的三维定位像数据集以端到端的方式进行训，并采用Adam算法对交叉熵损失函数和网络权重参数进行优化获得；
所述成像任务包括图像对比度、图像空间分辨率和解剖脏器定位；
所述图像对比度和所述图像空间分辨率由所述成像网络实现，所述解剖脏器定位由所述脏器区域辨识网络实现。


4.根据权利要求1所述的CT成像方法，其特征在于，所述基于所述目标脏器解剖模型建立成像系统模型，包括：
基于所述目标脏器解剖模型利用模型迭代重建算法进行重建，并在所述模型迭代重建算法中的管电流调制和正则化的成像任务驱动进行所述成像系统模型的构建；
所述成像系统模型为基于任务驱动和病人驱动的多目标优化，且所述成像系统模型包括扫描范围、管电流、管电压；
所述模型迭代重建算法中的目标函数为



其中，ΩA为待求解的自适应扫描参数；ΩR表示待求解的自适应重建参数；S表示局部噪声功率谱的估计；T表示局部调制传递函数的估计；表示基于成像任务驱动的参数估计；j表示成像任务索引序号；f...

【专利技术属性】
技术研发人员：谌高峰，张浩，蔡敏占，
申请(专利权)人：广州海兆印丰信息科技有限公司，
类型：发明
国别省市：广东;44