应用于锥束CT稀疏采样的成像方法及装置制造方法及图纸

本公开提供了一种应用于锥束CT稀疏采样的成像方法、装置、介质及程序产品。其中，应用于锥束CT稀疏采样的成像方法包括：确定多个当前成像目标；通过多个当前成像目标分别对应的多个当前采样率要求将原始投影数据拆分为多个原始投影子数据；以及利用深度神经网络模型根据多个原始投影子数据进行对应多个当前成像目标中的每个当前成像目标的成像。相对于现有的通过循环插值方式会造成误差放大问题的传统方案，可以直接对细分位置投影进行扩增，同时联合残差与结构相似度双约束式的神经网络模型，强化扩增投影图像的保真度，极大提升成像速度和图像处理速度，在满足低剂量辐照的情况下，显著提高重建图像信噪比、结构相似性和整体图像质量。和整体图像质量。和整体图像质量。

【技术实现步骤摘要】
应用于锥束CT稀疏采样的成像方法及装置


[0001]本公开涉及医学成像
，尤其涉及一种应用于锥束CT稀疏采样的成像方法、装置、介质及程序产品。

技术介绍

[0002]计算机断层成像(Computed tomography，CT)是医学成像领域中关键的成像技术之一，广泛应用于放射检查、口腔成像、图像引导手术、图像引导放射治疗等领域。CT成像需借助X射线，过量的X射线辐射会给人体健康带来安全风险，因此低剂量CT有着巨大的健康卫生意义，也是目前CT技术发展的重要方向之一。
[0003]放疗加速器机载锥束CT(Cone
‑
Beam Compute Tomography，简称CBCT)作为图像引导放疗(Image
‑
guided Radio Therapy，简称IGRT)的关键支撑技术，不仅能够快速给出患者的三维断层图像，还可以通过六维(6Degree
‑
of
‑
Freedom，简称6DoF)配准技术实现在线定量位置验证。因此，CBCT技术的出现，极大提升了患者治疗的体位一致性，目前已成为IGRT临床在线位置验证的“金标准”。
[0004]通常，放疗处方剂量分次交付，在治疗全流程中，患者需接受多次CBCT位置验证。患者成像剂量累积所带来的辐射远期随机性效应风险升高问题，特别是儿童等长生存期患者的二次患癌风险问题，成为辐射剂量学研究的重点关注问题。尽管降低CBCT成像频率可以有效减少累受剂量，但体位偏差修正不足所造成的剂量交付偏差、进而出现的肿瘤局控率下降风险，是临床无法接受的。为达到对精确成像和减少患者辐射剂量的兼顾，现有技术中已出现通过利用一个或多个训练好的插值神经网络复原相邻两幅投影图像之间的一幅或多幅投影图像。但是，这种技术方案处理图像处理速度仍然较慢，且难以兼顾对患者不同身体部位的成像进行较快的处理。

技术实现思路

[0005](一)要解决的技术问题
[0006]为解决现有技术中机载CBCT低剂量成像过程中所存在的技术问题至少之一，本公开提供了一种应用于锥束CT稀疏采样的成像方法、装置、介质及程序产品，保证放疗患者的成像精确前提下，减少患者成像累受剂量，进而降低辐射所带来的远期随机性效应风险，同时还能够进一步提高成像速度以及图像处理速度，成为机载CBCT低剂量研究的核心临床驱动力。
[0007](二)技术方案
[0008]本公开的第一方面提供了一种应用于锥束CT稀疏采样的成像方法，其中，包括：确定多个当前成像目标；通过多个当前成像目标分别对应的多个当前采样率要求将原始投影数据拆分为多个原始投影子数据；以及利用深度神经网络模型根据多个原始投影子数据进行对应多个当前成像目标中的每个当前成像目标的成像。
[0009]根据本公开的实施例，在确定多个当前成像目标中，包括：获取成像需求数据；根
据成像需求数据确定多个当前成像目标。
[0010]根据本公开的实施例，在通过多个当前成像目标分别对应的多个当前采样率要求将原始投影数据拆分为多个原始投影子数据之前，还包括：按照原始采样位置顺序执行CT扫描检测，获取原始投影数据。
[0011]根据本公开的实施例，在通过多个当前成像目标分别对应的多个当前采样率要求将原始投影数据拆分为多个原始投影子数据中，包括：分析多个当前成像目标，确定多个当前成像目标中每个当前成像目标的对应当前采样率要求；根据当前采样率要求对原始投影数据执行拆分，获取对应当前成像目标的原始投影子数据。
[0012]根据本公开的实施例，在利用深度神经网络模型根据多个原始投影子数据进行成像之前，还包括：根据多个历史成像目标和对应的多个历史采样率要求，对历史投影数据执行分组，生成多个历史投影子数据；根据多个历史子数据中的每个历史投影子数据构建对应每个历史成像目标的训练数据集；基于建立的网络模型参数，利用训练数据集训练对应每个历史成像目标的深度神经网络模型。
[0013]根据本公开的实施例，在基于建立的网络模型参数，利用训练数据集训练对应每个历史成像目标的深度神经网络模型中，包括：通过基网络、多个子网络和输出层建立深度神经模型的初始架构；以网络模型参数对初始架构对应的深度神经网络模型进行初始化；通过训练数据集对执行初始化的深度神经网络模型进行训练。
[0014]根据本公开的实施例，在通过训练数据集对执行初始化的深度神经网络模型进行训练中，包括：当对深度神经网络模型的训练判定收敛时，完成训练过程；其中，当训练数据集中的扩增投影图像与设定第一真值之间的误差小于预设第一阈值时，且当扩增投影图像与设定第二真值之间的平均结构相似性大于预设第二阈值时，判定深度神经网络模型的训练收敛。
[0015]根据本公开的实施例，在根据多个历史子数据中的每个历史投影子数据构建对应每个历史成像目标的训练数据集中，包括：按照对应每个历史成像目标的历史采样率要求对历史投影子数据进行降采样处理，以确定降采样处理过程中的每两幅连续的历史投影图像以及位于两幅连续的历史投影图像之间的至少一个历史扩增投影图像；将每两幅连续的历史投影图像和至少一个历史扩增投影图像作为真值输入深度神经网络模型，构成训练数据集。
[0016]根据本公开的实施例，在利用深度神经网络模型根据多个原始投影子数据执行对应多个当前成像目标中的每个当前成像目标的成像中，包括：根据目标采样率要求，利用深度神经网络模型对原始投影子数据进行投影扩增，获取对应当前成像目标的当前扩增投影图像数据；将当前扩增投影图像数据和原始投影子数据进行整合，生成当前密集投影图像数据；对当前密集投影图像数据执行对应当前成像目标的三维重建，以完成成像。
[0017]本公开的第二方面提供了一种应用于锥束CT稀疏采样的成像装置，其中，包括目标确定模块、数据拆分模块以及成像执行模块。目标确定模块用于确定多个当前成像目标；数据拆分模块用于通过多个当前成像目标分别对应的多个当前采样率要求将原始投影数据拆分为多个原始投影子数据；以及成像执行模块用于利用深度神经网络模型根据多个原始投影子数据执行对应多个当前成像目标中的每个当前成像目标的成像。
[0018]本公开的第三方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于
存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得一个或多个处理器执行上述应用于锥束CT稀疏采样的成像方法。
[0019]本公开的第四方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述应用于锥束CT稀疏采样的成像方法。
[0020]本公开的第五方面还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述应用于锥束CT稀疏采样的成像方法。
[0021](三)有益效果
[0022]本公开提供了一种应用于锥束CT稀疏采样的成像方法、装置、介质及程序产品。其中，应用于锥束CT稀疏采样的成像方法包括：确定多个当前成本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用于锥束CT稀疏采样的成像方法，其中，包括：确定多个当前成像目标；通过多个当前成像目标分别对应的多个当前采样率要求将原始投影数据拆分为多个原始投影子数据；以及利用深度神经网络模型根据所述多个原始投影子数据进行对应多个当前成像目标中的每个当前成像目标的成像。2.根据权利要求1所述的方法，其中，在确定多个当前成像目标中，包括：获取成像需求数据；根据成像需求数据确定所述多个当前成像目标。3.根据权利要求1所述的方法，其中，在通过多个当前成像目标分别对应的多个当前采样率要求将原始投影数据拆分为多个原始投影子数据之前，还包括：按照原始采样位置顺序执行CT扫描检测，获取原始投影数据。4.根据权利要求3所述的方法，其中，在通过多个当前成像目标分别对应的多个当前采样率要求将原始投影数据拆分为多个原始投影子数据中，包括：分析所述多个当前成像目标，确定所述多个当前成像目标中每个当前成像目标的对应当前采样率要求；根据当前采样率要求对所述原始投影数据执行拆分，获取对应所述当前成像目标的原始投影子数据。5.根据权利要求3所述的方法，其中，在所述利用深度神经网络模型根据所述多个原始投影子数据进行成像之前，还包括：根据多个历史成像目标和对应的多个历史采样率要求，对历史投影数据执行分组，生成多个历史投影子数据；根据所述多个历史子数据中的每个历史投影子数据构建对应每个历史成像目标的训练数据集；基于建立的网络模型参数，利用所述训练数据集训练对应每个历史成像目标的所述深度神经网络模型。6.根据权利要求5所述的方法，其中，在所述基于建立的网络模型参数，利用所述训练数据集训练对应每个历史成像目标的所述深度神经网络模型中，包括：通过基网络、多个子网络和输出层建立所述深度神经模型的初始架构；以所述网络模型参数对所述初始架构对应的深度神经网络模型进行初始化；通过训练数据集对执行初始化的所述深度神经网...

【专利技术属性】
技术研发人员：杜乙，王若曦，赵旭之，岳海振，李丹妮，朱向高，吴昊，彭亚辉，
申请(专利权)人：北京肿瘤医院北京大学肿瘤医院，
类型：发明
国别省市：