一种CT成像方法、装置、存储设备及医学成像系统制造方法及图纸

本发明专利技术公开了一种CT成像方法、装置、存储设备及医学成像系统。其中CT成像方法包括：获取目标对象的投影数据，其中，所述投影数据为基于预设剂量的X射线光子对所述目标对象进行检测时采集得到，所述预设剂量小于CT标准剂量；将所述投影数据发送至预先训练的成像模型，将所述成像模型的输出图像确定为所述目标对象的CT图像，其中，所述成像模型由标准剂量的CT图像和包含噪声的样本投影数据训练得到。通过设置三个子网络模块，分别对投影域数据和CT域数据进行去噪处理，实现在图像重建过程中的双重去噪，提高了去噪效果，使得在低剂量X射线光子进行检测时，得到高质量的CT图像。

【技术实现步骤摘要】
一种CT成像方法、装置、存储设备及医学成像系统
本专利技术实施例涉及医学成像技术，尤其涉及一种CT成像方法、装置、存储设备及医学成像系统。
技术介绍
基于X射线的CT成像是辅助诊断的常用方式，其中，X摄像具有放射性，会增加被检测对象的患癌风险。为了减少被检对象所受的辐射剂量，低剂量的CT检测成为CT成像领域的研究方向之一。目前，低剂量的CT重建算法是基于迭代重建技术开发的，将CT图像重建模拟为一种数学优化问题，迭代重建算法是在估计的图像上通过前向投影模拟一个中和投影，该过程中尽量模拟真实CT系统中X射线光子穿过被检测对象到达探测器的过程，将综合投影与探测器采集的真实测量值进行比较，并根据两者之间的差值确定下一次更新，已根据下一次更新对当前估计得到的图像进行校正。但是上述迭代重建算法存在重建时间长的问题，尤其是复杂的计算无法实现实时重建。
技术实现思路
本专利技术提供一种CT成像方法、装置、存储设备及医学成像系统，以实现提高CT图像重建效率和质量。第一方面，本专利技术实施例提供了一种CT成像方法，包括：获取目标对象的投影数据，其中，所述投影数据为基于预设剂量的X射线光子对所述目标对象进行检测时采集得到，所述预设剂量小于CT标准剂量；将所述投影数据发送至预先训练的成像模型，将所述成像模型的输出图像确定为所述目标对象的CT图像，其中，所述成像模型由标准剂量的CT图像和包含噪声的样本投影数据训练得到，所述成像模型包括第一子网络模块、第二子网络模块和第三子网络模块，所述第一子网络模块用于对投影域的投影数据进行降噪处理，所述第二子网络模块用于对处理后的投影数据进行变换，生成CT域数据，所述第三子网络模块用于对所述CT域数据进行降噪处理，生成所述目标对象的CT图像。第二方面，本专利技术实施例还提供了一种CT成像装置，该装置包括：投影数据获取模块，用于获取目标对象的投影数据，其中，所述投影数据为基于预设剂量的X射线光子对所述目标对象进行检测时采集得到，所述预设剂量小于CT标准剂量；CT图像重建模块，用于将所述投影数据发送至预先训练的成像模型，将所述成像模型的输出图像确定为所述目标对象的CT图像，其中，所述成像模型由标准剂量的CT图像和包含噪声的样本投影数据训练得到，所述成像模型包括第一子网络模块、第二子网络模块和第三子网络模块，所述第一子网络模块用于对投影域的投影数据进行降噪处理，所述第二子网络模块用于对处理后的投影数据进行变换，生成CT域数据，所述第三子网络模块用于对所述CT域数据进行降噪处理，生成所述目标对象的CT图像。第三方面，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如本专利技术任一实施例提供的CT成像方法。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，一种医学成像系统，包括医学成像设备和计算机设备，其中所述计算机设备包括存储器、一个或多个处理器及存储在存储器上并可在处理器上运行的计算机程序，该程序被处理器执行时实现如本专利技术任一实施例提供的CT成像方法。本专利技术实施例提供的技术方案，通过设置三个子网络模块，分别对投影域数据和CT域数据进行去噪处理，实现在图像重建过程中的双重去噪，提高了去噪效果，使得在低剂量X射线光子进行检测时，得到高质量的CT图像。同时三个子网络模块相互连接，彼此独立，可根据成像需求对任一模块进行更新和置换，提高了成像模型的可配置性和适用性。附图说明图1是本专利技术实施例一提供的一种CT成像方法的流程示意图；图2是本专利技术实施例一提供的一种成像模型的结构示意图；图3是本专利技术实施例一提供的另一种成像模型的结构示意图；图4是本专利技术实施例提供的一种CT成像方法的流程示意图；图5是本专利技术实施例提供的一种CT成像装置的结构示意图；图6是本专利技术实施例四提供的一种医学成像系统的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。实施例一图1为本专利技术实施例一提供的一种CT成像方法的流程示意图，本实施例可适用于基于成像模型快速生成高质量的低剂量CT图像的情况，该方法可以由本专利技术实施例提供的CT成像装置来执行，具体包括如下步骤：S110、获取目标对象的投影数据，其中，所述投影数据为基于预设剂量的X射线光子对所述目标对象进行检测时采集得到，所述预设剂量小于CT标准剂量。S120、将所述投影数据发送至预先训练的成像模型，将所述成像模型的输出图像确定为所述目标对象的CT图像。其中，所述成像模型由标准剂量的CT图像和包含噪声的样本投影数据训练得到，所述成像模型包括第一子网络模块、第二子网络模块和第三子网络模块，所述第一子网络模块用于对投影域的投影数据进行降噪处理，所述第二子网络模块用于对处理后的投影数据进行变换，生成CT域数据，所述第三子网络模块用于对所述CT域数据进行降噪处理，生成所述目标对象的CT图像。在本实施例中，目标对象可以是人或者动物，通过低剂量的X射线光子对目标对象进行检测，可降低检测过程中X射线对目标对象的放射损伤，降低目标对象的患癌风险。其中，成像模型为预先训练的，具有对低剂量投影数据进行重建功能和对低剂量投影数据中的噪声进行降噪处理的功能，将通过低剂量X射线光子对目标对象进行检测，采集得到的投影数据，输入至成像模型，可生成目标对象的降噪后的高质量CT图像。由于成像模型是预先训练的，可自动对输入的投影数据进行处理，输出目标对象的CT图像，无需对每一组投影数据进行迭代运算，降低了CT图像重建的计算量和难度，提高了CT图像重建效率，同时，成像模型对投影数据进行降噪处理，提高了低剂量检测生成图像的清晰度。本实施例中，成像模型包括第一子网络模块、第二子网络模块和第三子网络模块，示例性的，参见图2，图2是本专利技术实施例提供的一种成像模型的结构示意图。第一子网络模块用于对输入的投影图像进行卷积滤波处理，其中，投影域为所有投影图像构成的域。第一子网络模块可以是包括依次连接的第一预设数量的卷积模块，所述卷积模块包括卷积层和激活函数层，第一子网络模块可对投影数据进行降噪和滤波处理，其中，第一预设数量可以是5、6、10等。可选的，所述第一子网络模块中的卷积层的卷积核为a×b，其中，a和b分别为大于或等于1的正整数，b＞a；示例性的，第一子网络模块中的卷积层的卷积核可以是1×30、3×30、5×30、3×33、5×33等，通过采用b＞a形式的卷积核可同时达到对投影数据的降噪和滤波功能。示例性的，激活函数层可以是leaky_relu。第二子卷积模型用于将投影域的投影数据转换为CT域数据，其中，CT域为所有CT图像构成的域。可选的，所述第二子网络模块根据如下公式对处理后的投影数据进行变换：其中，f(x,y)为第二子网络模块输出的C本文档来自技高网...

【技术保护点】
1.一种CT成像方法，其特征在于，包括：/n获取目标对象的投影数据，其中，所述投影数据为基于预设剂量的X射线光子对所述目标对象进行检测时采集得到，所述预设剂量小于CT标准剂量；/n将所述投影数据发送至预先训练的成像模型，将所述成像模型的输出图像确定为所述目标对象的CT图像，其中，所述成像模型由标准剂量的CT图像和包含噪声的样本投影数据训练得到，所述成像模型包括第一子网络模块、第二子网络模块和第三子网络模块，所述第一子网络模块用于对投影域的投影数据进行降噪处理，所述第二子网络模块用于对处理后的投影数据进行变换，生成CT域数据，所述第三子网络模块用于对所述CT域数据进行降噪处理，生成所述目标对象的CT图像。/n

【技术特征摘要】
1.一种CT成像方法，其特征在于，包括：
获取目标对象的投影数据，其中，所述投影数据为基于预设剂量的X射线光子对所述目标对象进行检测时采集得到，所述预设剂量小于CT标准剂量；
将所述投影数据发送至预先训练的成像模型，将所述成像模型的输出图像确定为所述目标对象的CT图像，其中，所述成像模型由标准剂量的CT图像和包含噪声的样本投影数据训练得到，所述成像模型包括第一子网络模块、第二子网络模块和第三子网络模块，所述第一子网络模块用于对投影域的投影数据进行降噪处理，所述第二子网络模块用于对处理后的投影数据进行变换，生成CT域数据，所述第三子网络模块用于对所述CT域数据进行降噪处理，生成所述目标对象的CT图像。


2.根据权利要求1所述的方法，其特征在于，所述第一子网络模块包括依次连接的第一预设数量的卷积模块，所述卷积模块包括卷积层和激活函数层；
所述第三子网络模块包括依次连接的第二预设数量的卷积模块，所述卷积模块包括卷积层和激活函数层。


3.根据权利要求2所述的方法，其特征在于，所述第一子网络模块中的卷积层的卷积核为a×b，其中，a和b分别为大于或等于1的正整数，b＞a；
所述第三子网络模块中的卷积层的卷积核为m×m，其中，所述m为大于或等于1的正整数。


4.根据权利要求1至3任一所述的方法，其特征在于，所述第一子网络模块的输入端与输出端短接，所述第三子网络模块的输入端与输出端短接。


5.根据权利要求1所述的方法，其特征在于，所述第二子网络模块根据如下公式对处理后的投影数据进行变换：



其中，f(x,y)为第二子网络模块输出的CT域图像，x和y分别为所述CT域图像中的横坐标和纵坐标，p(r,θ)为第二子网络模块输入的投影数据，r为投影数据与原点的距离，δ为投影X射线，θ为投影角度。


6.根据权利要求1所述的方法，其特征在于，所述成像模型的训练方法，包括：
建立初始成像模型；
将包含噪声的样本投影数据输入至损失初始成像模型中，得到重建图像；<...

【专利技术属性】
技术研发人员：葛永帅，梁栋，朱炯滔，刘新，郑海荣，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东;44