基于人工智能的CBCT图像增强方法、装置和存储介质制造方法及图纸

本发明专利技术提供一种基于人工智能的CBCT图像增强方法、装置和存储介质，本发明专利技术的CBCT图像增强方法包括如下步骤：S1：准备成对的CBCT与CT训练图像数据；S2：使用准备好的成对CBCT与CT训练图像数据训练学习网络，以得到将CBCT图像转换成CT图像的网络模型；S3：将CBCT图像输入网络模型，以得到增强后的CBCT图像。通过本发明专利技术方法增强的CBCT图像噪声更小、对比度高、CT值更准确，可以有效提高临床医生摆位精度和摆位速度，而且通过本方法处理后的CBCT图像，更有利于自适应计划的制作，进一步提高放疗效果。果。果。

【技术实现步骤摘要】
基于人工智能的CBCT图像增强方法、装置和存储介质


[0001]本专利技术涉及图像处理
，尤其涉及一种基于人工智能的CBCT图像增强方法、装置和存储介质。

技术介绍

[0002]为满足物理师和技师在放疗患者临床摆位验证方面的需求，可采用锥形束电子计算机断层扫描(Cone Beam Computed Tomography，CBCT)技术获取治疗室内患者的三维容积影像，然后与计划CT影像进行三维配准确定患者摆位偏差，至此医护人员可根据该摆位偏差修正患者的摆位。
[0003]与诊断用CT相比，CBCT球管的电流和曝光时间相对较小，机架旋转一圈探测器的采样次数更少，且CBCT探测器与CT探测器相比，受散射影响更大，灵敏度低。因此CBCT图像比CT图像噪声大、对比度低，这将影响医生摆位的精度，为了解决此问题，需要对CBCT图像进行增强。
[0004]现有技术中，通常采用如下方法对CBCT图像进行增强：
[0005]1、在图像空间域使用各种卷积算子进行图像降噪和边缘增强，例如高斯算子、canny算子、拉普拉斯算子等；
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的CBCT图像增强方法，其特征在于，包括如下步骤：S1：准备成对的CBCT与CT训练图像数据；S2：使用准备好的成对CBCT与CT训练图像数据训练学习网络，以得到将CBCT图像转换成CT图像的网络模型；S3：将CBCT图像输入网络模型，以得到增强后的CBCT图像。2.根据权利要求1所述的方法，其特征在于，步骤S1包括：S11：使用配准框架对CBCT图像与CT图像进行配准；S12：对配对好的CBCT图像与CT图像进行像素归一化以及灰度值归一化处理。3.根据权利要求2所述的方法，其特征在于，步骤S11包括：S111：对CBCT图像与CT图像进行刚性配准，以矫正全局大尺度偏移；S112：在进行刚性配准后，对CBCT图像与CT图像进一步进行弹性配准，以保证两组图像中体内组织一一对应。4.根据权利要求1所述的方法，其特征在于，在步骤S2中，基于pix2pix
‑
gans模型来进行深度学习，pix2pix
‑
gans模型包括生成器和判别器，生成器基于输入的CBCT图像生成伪CT图像，判别器用于区分CBCT图像与伪CT图像。5.根据权利要求4所述的方法，其特征在于，所述生成器采用U
‑
Net结构，所述判别器使用PatchGAN结构。6.根据权利要求5所述的方法，其特征在于，所述U
‑
Net结构采用将输入图像先降采样到低维度，再升采样到原始分辨率的结构...

【专利技术属性】
技术研发人员：费旋珈，姚毅，
申请(专利权)人：苏州雷泰医疗科技有限公司，
类型：发明
国别省市：