一种基于MRI的CT图像重建方法技术

本发明专利技术公开了一种基于MRI的CT图像重建方法，包括以下步骤：1)利用深度学习网络重建MRI，训练深度学习网络，获取待测物体的欠采样k空间数据，将所述待测物体的欠采样k空间数据输入至训练好的深度学习网络，以获取所述待测物体的线上MRI；2)利用双向生成对抗网络，利用双向生成对抗网络由MRI重建CT图像。本发明专利技术具有以下优点：(1)MRI成像速度快；(2)应用范围广，可以用于肺部成像，也可以用于人体其他部位成像；(3)由MRI重建得到CT图像，避免了CT检查的电离辐射；(4)重建得到的CT图像还可以用于放射治疗计划制定，以及PET衰减校正。以及PET衰减校正。以及PET衰减校正。

【技术实现步骤摘要】
一种基于MRI的CT图像重建方法


[0001]本专利技术涉及医学图像处理
，具体地说是一种基于MRI的CT图像重建方法。

技术介绍

[0002]新冠肺炎传染性强、致死率高，早发现、早诊断、早治疗、早隔离是目前防控治疗的最有效手段。相比核酸检查的种种受限，CT(computed tomography)检查及时、准确、快捷、阳性率高、肺部病变范围与临床症状密切相关，因此成为新型冠状病毒肺炎患者早期筛查与诊断的主要参考依据。根据新型冠状病毒肺炎诊疗方案(试行第六版)，新冠肺炎早期呈现多发小斑片影及间质改变，以肺外带明显。进而发展为双肺多发磨玻璃影、浸润影，严重者可出现肺实变，胸腔积液少见。患者从入院的CT扫描初评、到了解病变进展、直至治愈出院，少则2次CT检查，多则3～4次CT检查。由于存在电离辐射，儿童和孕妇等人群不适合做CT检查。磁共振成像(magnetic resonance imaging,MRI)具有软组织对比度高、无电离辐射、高分辨率和任意方向断层扫描等优点，是现代医学成像中的一项重要技术。MRI通常作为胸部平片和CT的重要补充，对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于MRI的CT图像重建方法，包括以下步骤：1)利用深度学习网络重建MRI，包括以下步骤：获取样本物体的全采样的线下k空间数据，所述全采样是指k空间数据采集满足奈奎斯特采样定理，可以通过全采样k空间数据恢复样本物体的图像，所述线下k空间数据是指从磁共振设备获取的k空间数据；对所述全采样的线下k空间数据进行逆傅里叶变换得到全采样的线下多对比度MRI，所述多对比度MRI是指用多种成像序列进行扫描，得到不同的对比度；在k空间对所述全采样的线下k空间数据进行欠采样，以获取欠采样的线下k空间数据，所述欠采样是指k空间数据采集不满足奈奎斯特采样定理，直接用来进行图像重建时会产生混叠伪影；根据所述欠采样的线下k空间数据和所述全采样的线下多对比度MRI，训练深度学习网络；获取待测物体的欠采样k空间数据；将所述待测物体的欠采样k空间数据输入至训练好的深度学习网络，以获取所述待测物体的线上MRI；2)利用双向生成对抗网络，由线上MRI重建CT图像；所述双向生成对抗网络由两个生成器和两个判别器构成，第一生成器G
A
为由线上MRI映射到CT图像，第二生成器G
B
为由CT图像映射到线上MRI，所述判别器包括CT判别器和MRI判别器，所述CT判别器D
CT
用于区分由第一生成器G
A
生成的CT图像和真实CT图像，MRI判别器D
MRI
用于区分由第二生成器G
B
生成的MRI和真实MRI。2.如权利要求1所述的基于MRI的CT图像重建方法，其特征在于：利用双向生成对抗网络由MRI重建CT图像包括以下步骤：分别获取未标记未配对的MRI和CT图像；真实MRI通过生成器G
A
转换为生成CT图像G
A
(I
MRI
)；生成CT图像G
A
(I
MRI
)再通过生成器G
B
转换为重建MRI；真实CT图像I
CT
通过生成器G
B
转换为生成MRI；生成MRI再通过生成器G
A
转换为重建CT图像G
A
(G
B
(I
CT
))；第一生成器G
A
和第二生成器G
B
组成的生成器网络与CT判别器和MRI判别器组成判别器网络相互对抗、不断调整参数，最终优化使得判别网络无法判断生成网络的输出结果是否真实，同时最小化重建损失||G
B
(G
A
(I
MRI
))
‑
I
MRI
||和||G
A
(G
B
(I
CT
))
‑
I
CT
||。3.如权利要求1所述的基于MRI的CT图像重建方法，其特征在于：在步骤2)中，所述双向生成对抗网络为Wasserstein双向生成对抗网络，用Wasserstein距离代替双向生成对抗网络中的Jensen
–
Shannon散度，损失函数为：λ1||G
B
(G
A
(I
MRI
))
‑
I
MRI
||+λ2||G
A
(G
B
(I
CT
))
‑
I
CT
||
‑

【专利技术属性】
技术研发人员：张鞠成，孙云，孙建忠，
申请(专利权)人：浙江大学，
类型：发明
国别省市：