【技术实现步骤摘要】
神经网络的训练方法、消除金属伪影的方法及其装置
本专利技术涉及电子计算机断层扫描
,尤其涉及一种神经网络的训练方法、消除金属伪影的方法及其装置。
技术介绍
CT(ComputedTomography,电子计算机断层扫描)技术利用精确准直的射线(例如:X射线、γ射线或超声波等)、以及高灵敏度的探测器一同围绕人体的某一部位作连续的断面扫描,并生成该部位的影像,具有扫描时间快且图像清晰等优点。其过程通常可以归纳为:以不同的角度向人体射出射线,在经过人体时,这些射线会被人体吸收并衰减,之后,探测器会接受到衰减后的射线,并得到原始投影数据,然后通过图像重建(例如:滤波反投影等)算法生成最终的影像学图像。在专利技术人的长期实践中,发现如果在CT成像视野范围内存在金属物体时,该金属物体会导致射线束硬化,同时噪声和散射效应被放大;甚至会导致射线完全衰减,没有光子达到接收器,导致没有有效信息用于重建。这些因素会导致或者加剧金属伪影。因此,设计一种去除金属伪影的方法,就成为一个亟待解决的问题。
技术实现思路
本专利技术的目的在于提供一种神经网络的训练方法、消除金属伪影的方法及其装置。为了实现上述专利技术目的之一,本专利技术一实施方式提供了一种神经网络的训练方法,包括以下步骤:获取投影数据Sma、二值图Xm和Sma对应的金属投影数据Mp,所述投影数据Sma包含金属伪影,在所述二值图Xm中,值为1的像素值用于表征金属的形状;创建神经网络模型,所述神经网络模型包括第一神经网络、快速滤波反投影算子和第二 ...
【技术保护点】
1.一种神经网络的训练方法,其特征在于,包括以下步骤:/n获取投影数据S
【技术特征摘要】
1.一种神经网络的训练方法,其特征在于,包括以下步骤:
获取投影数据Sma、二值图Xm和Sma对应的金属投影数据Mp,所述投影数据Sma包含金属伪影,在所述二值图Xm中,值为1的像素值用于表征金属的形状;
创建神经网络模型,所述神经网络模型包括第一神经网络、快速滤波反投影算子和第二神经网络;第一神经网络用于接收Sma和Mp,减弱Sma上的金属伪影并得到投影Sse;所述快速滤波反投影算子用于对投影Sse进行重建处理并得到图像Xse,以及对投影Sma进行重建处理并得到图像Xma,并且滤波反投影算子是可微的,能够将第二神经网络的训练中的梯度前向传播至第一神经网络;第二神经网络用于在图像域上,结合金属二值图Xm对图像Xse和Xma进行减弱二次金属伪影的处理;
基于若干投影数据Sma、以及每个Sma对应的金属投影数据Mp,对所述神经网络模型进行有监督的训练。
2.根据权利要求1所述的训练方法,其特征在于,所述第一神经网络包括:
第一编码器、第二编码器和第一解码器;
第一编码器接收投影数据Sma,第一编码器包含有M个排成一列的编码层,其中,M为自然数;每个编码层均包含有卷积模块、激活模块和池化模块,编码层的输入经过卷积模块提取特征信息,再经过激活模块进行非线性变化,最后通过池化模块压缩高维的特征并输出所述特征;
第二编码器接收金属投影数据Mp,第二编码器包含有N个排成一列的处理层,其中,N为自然数且N≤M,每个处理层都唯一对应到编码层;每个处理层均包含有池化模块,处理层的输入经过池化模块的平均池化处理、并得到池化结果;所述池化结果与对应的编码层的输出进行连接处理、并得到连接结果,所述连接结果作为对应的编码层的下一个编码层的输入;
第一解码器包含有M个排成一列的解码层,解码层包含有卷积模块、激活模块和池化模块,编码层的输入经过卷积模块提取特征信息,再经过激活模块进行非线性变化,最后通过池化模块得到更高维的特征;第1个解码层接收第M个编码层的输出,第i个解码器接收第M-i+1编码层的输出和第i-1个解码层的输出的连接处理的结果;
第一神经网络最后输出消除金属伪影的投影数据Sse。
3.根据权利要求1所述的训练方法,其特征在于,所述“获取投影数据Sma”具体包括:
获取不包含伪影的CT图Xgt;
将Xgt分割为软组织图Xw以及骨组织图Xb,对Xw和Xb进行处理并分别得到X’w和X’b,所述处理具体包括:在确定所述二值图Xm中的第一像素的值为1时,则将Xw中的与第一像素对应的第二像素的值置为0,将Xb中的与第一像素对应的第三像素的值置为0;
基于正投影算子分别对X’w、X’b和Xm分别进行处理,并分别得到若干投影数据Pw、若干投影数据Pb和若干投影数据Pm,其中,不同的Pw表征软组织在不同能级下的投影数据,不同的Pb表征骨组织在不同能级下的投影数据,不同的Pm表征金属在不同能级下的投影数据;
基于不同组织在不同能级下的衰减密度曲线、对Pw、Pb和Pm进行能谱密度归一化处理,从而得到不含其它噪声的投影数据S*ma;
对S*ma叠加泊松噪声和散射噪声,之后...
【专利技术属性】
技术研发人员:吕元媛,林维安,廖昊夫,周少华,
申请(专利权)人:苏州工业园区智在天下科技有限公司,
类型:发明
国别省市:江苏;32
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。