低剂量的数字乳腺断层摄影方法、装置及乳腺成像设备制造方法及图纸

本发明专利技术适用生物医学工程技术领域，提供了一种低剂量的数字乳腺断层摄影(DBT)方法及装置、乳腺成像设备，该方法包括：将数字乳腺断层摄影原投影数据转换为具有几何结构关系的新投影数据；对所述新投影数据进行数据插值得到插值投影数据；采用人工智能算法对插值投影数据进行增强得到增强投影数据；对所述新投影数据与所述增强投影数据进行图像重建及图像整合，构建DBT三维图像。由于采用人工智能算法对所述插值投影数据进行增强，在减少扫描曝光次数的同时，有效保证了图像质量。有效保证了图像质量。有效保证了图像质量。

【技术实现步骤摘要】
低剂量的数字乳腺断层摄影方法、装置及乳腺成像设备


[0001]本专利技术属于生物医学工程
，尤其涉及一种低剂量的数字乳腺断层摄影方法、装置及乳腺成像设备。

技术介绍

[0002]DBT(Digital Breast Tomosynthesis，数字乳腺断层摄影)是一种新型乳腺成像设备，在多个国家的乳腺癌筛查指南中列为推荐手段。然而，DBT要采用类似CT(计算机断层成像)的X射线旋转扫描方式，对女性身体产生电离辐射伤害。根据乳腺癌筛查指南，40岁以上女性每年应接受1次检查，多年累积电离辐射伤害严重。
[0003]因此，在保持图像质量满足诊断要求的情况下，降低DBT扫描辐射剂量，减少电离辐射对患者的伤害将成为亟待解决的技术问题。

技术实现思路

[0004]本专利技术的目的在于提供一种低剂量的数字乳腺断层摄影方法、装置及乳腺成像设备，旨在解决现有技术中无法在保持图像质量满足诊断要求的情况下，降低DBT扫描辐射剂量的技术问题。
[0005]第一方面，本专利技术提供了一种低剂量的数字乳腺断层摄影方法，包括：
[0006]将数字乳腺断层摄影(DBT)原投影数据转换为具有几何结构关系的新投影数据；
[0007]对所述新投影数据进行数据插值得到插值投影数据；
[0008]采用人工智能算法对所述插值投影数据进行增强得到增强投影数据；
[0009]对所述新投影数据与所述增强投影数据进行图像重建及图像整合，构建DBT三维图像。
[0010]可选的，所述将DBT原投影数据转换为具有几何结构关系的新投影数据的步骤包括：
[0011]设定虚拟探测器，该所述虚拟探测器与射线源等中心同步旋转且垂直于每个投影角；
[0012]在每个投影角上将DBT原投影数据映射到所述虚拟探测器，得到具有几何结构关系的新投影数据。
[0013]可选的，所述对所述新投影数据与所述增强投影数据进行图像重建及图像整合，构建DBT三维图像的步骤包括：
[0014]采用图像重建算法对所述增强投影数据与所述新投影数据一起进行图像重建，得到三维图像；
[0015]采用像素合并、断层重排算法对所述三维图像进行图像整合，构建DBT三维图像。
[0016]可选的，所述采用人工智能算法对所述插值投影数据进行增强得到增强投影数据的步骤包括：
[0017]将所述插值投影数据输入至预先训练的深度学习模型中；
[0018]采用人工智能算法将所述插值投影数据在所述深度学习模型中进行运算，输出经过增强的增强投影数据。
[0019]可选的，所述方法还包括：
[0020]预先收集不同的投影数据及相应的插值投影数据；
[0021]采用人工智能算法将所述投影数据及相应的插值投影数据进行迭代运算，建立所述投影数据与插值投影数据之间的映射关系；
[0022]将所述映射关系确定为深度学习模型。
[0023]可选的，采用人工智能算法将所述投影数据及相应的插值投影数据进行迭代运算时，所述投影数据与所述插值投影数据以配对、部分配对或非配对的方式输入。
[0024]可选的，所述人工智能算法包括监督学习算法、半监督学习算法、非监督学习算法。
[0025]第二方面，本专利技术还提供了一种低剂量的数字乳腺断层摄影装置，包括：
[0026]数据转换模块，用于将DBT原投影数据转换为具有几何结构关系的新投影数据；
[0027]数据插值模块，用于对所述新投影数据进行数据插值得到插值投影数据；
[0028]数据增强模块，用于采用人工智能算法对所述插值投影数据进行增强得到增强投影数据；
[0029]图像重建模块，用于采用图像重建算法对所述新投影数据与所述增强投影数据进行图像重建，构建三维图像；
[0030]图像整合模块，用于采用像素合并、断层重排算法对所述三维图像进行图像整合，构建DBT三维图像。
[0031]第三方面，本专利技术还提供了一种乳腺成像设备，包括：
[0032]处理器；以及
[0033]与所述处理器通讯连接的存储器；其中，
[0034]所述存储器存储有可读性指令，所述可读性指令被所述处理器执行时实现如第一方面所述的方法。
[0035]第四方面，本专利技术提供了一种计算机可读性存储介质，其上存储有计算机程序，所述计算机程序在被执行时实现如第一方面的方法。
[0036]本专利技术提供的低剂量的数字乳腺断层摄影方法及装置、乳腺成像设备中，由于采用人工智能算法对经过数据插值后的插值投影数据进行增强，最终进行图像重建、图像整合后而构建DBT三维图像，在减少扫描曝光次数的同时，有效保证了图像质量。
附图说明
[0037]图1是根据实施例一示出的一种低剂量的数字乳腺断层摄影方法的实现流程图。
[0038]图2是根据实施例一示出的乳腺成像设备的一种成像结构图。
[0039]图3是根据实施例一示出的一种乳腺成像设备图。
[0040]图4是根据实施例一示出的一种低剂量的数字乳腺断层摄影方法中的一种虚拟探测器示意图。
[0041]图5是根据实施例一示出的一种低剂量的数字乳腺断层摄影方法中U
‑
net算法的结构示意图。
[0042]图6是根据实施例一示出的一种低剂量的数字乳腺断层摄影方法中基于U
‑
net算法的成像方法示意图。
[0043]图7是根据实施例一示出的一种低剂量的数字乳腺断层摄影方法中基于U
‑
net算法的训练方法示意图。
[0044]图8是根据实施例一示出的一种低剂量的数字乳腺断层摄影方法中cycleGAN算法的结构示意图。
[0045]图9是根据实施例一示出的一种低剂量的数字乳腺断层摄影方法中cycleGAN算法的生成器结构示意图。
[0046]图10是根据实施例一示出的一种低剂量的数字乳腺断层摄影方法中基于cycleGAN算法的成像方法示意图。
[0047]图11是根据实施例一示出的一种低剂量的数字乳腺断层摄影方法中基于cycleGAN算法的训练方法示意图。
[0048]图12是根据实施例二示出的一种低剂量的数字乳腺断层摄影装置的框图。
具体实施方式
[0049]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0050]以下结合具体实施例对本专利技术的具体实现进行详细描述：
[0051]实施例一：
[0052]图1是实施例一示出的低剂量的数字乳腺断层摄影方法的实现流程图。实施例一示出的低剂量的数字乳腺断层摄影方法适用于乳腺成像设备中，乳腺成像设备中设置有处理器，在低剂量采集乳腺的投影数据后，采用人工智能算法对插值后的插值投影数据进行增强，在减少扫描曝光次数的同时，构建高精度的DBT三维图像。...

【技术保护点】

【技术特征摘要】
1.一种低剂量的数字乳腺断层摄影方法，其特征在于，所述方法包括：将数字乳腺断层摄影(DBT)原投影数据转换为具有几何结构关系的新投影数据；对所述新投影数据进行数据插值得到插值投影数据；采用人工智能算法对所述插值投影数据进行增强得到增强投影数据；对所述新投影数据与所述增强投影数据进行图像重建及图像整合，构建DBT三维图像。2.如权利要求1所述的方法，其特征在于，所述将DBT原投影数据转换为具有几何结构关系的新投影数据的步骤包括：设定虚拟探测器，该所述虚拟探测器与射线源等中心同步旋转且垂直于每个投影角；在每个投影角上将DBT原投影数据映射到所述虚拟探测器，得到具有几何结构关系的新投影数据。3.如权利要求1所述的方法，其特征在于，所述对所述新投影数据与所述增强投影数据进行图像重建及图像整合，构建DBT三维图像的步骤包括：采用图像重建算法对所述增强投影数据与所述新投影数据一起进行图像重建，得到三维图像；采用像素合并、断层重排算法对所述三维图像进行图像整合，构建DBT三维图像。4.如权利要求1所述的方法，其特征在于，所述采用人工智能算法对所述插值投影数据进行增强得到增强投影数据的步骤包括：将所述插值投影数据输入至预先训练的深度学习模型中；采用人工智能算法将所述插值投影数据在所述深度学习模型中进行运算，输出经过增强的增强投影数据。5.如权利要求1所述的方法，其特征在于，所述方法还包括：预先收集不同的投影数据及相应的插值投影数据；采用人工智能算法将所述投影...

【专利技术属性】
技术研发人员：刘仰川，朱叶晨，高欣，
申请(专利权)人：中国科学院苏州生物医学工程技术研究所，
类型：发明
国别省市：