【技术实现步骤摘要】
鲁棒的低剂量CT成像算法、装置
[0001]本专利技术涉及人工智能
，尤其涉及一种鲁棒的低剂量CT成像算法、装置。
技术介绍
[0002]随着医疗技术的提升，人们对CT成像算法的研究也日益深入。为了减少CT的辐射，降低癌症病人的病变程度，需要一种低剂量的CT成像算法，降低CT辐射值，同时呈现稳定性好的高清成像。
[0003]现有的低剂量CT成像算法大多基于高训练数据下的深度学习网络，训练难度大，耗时高，成本昂贵。实际应用中，基于高训练数据下的深度学习网络计算结果具有很强的不确定性，不仅成像清晰度低，且建造起来耗时多，人力、物力成本昂贵，可移植性能差，从而造成CT成像算法鲁棒性不够，实际生活中难以使用。
技术实现思路
[0004]本专利技术提供一种鲁棒的低剂量CT成像算法、装置，其主要目的在于解决低剂量CT成像算法稳定性较低的问题。
[0005]为实现上述目的，本专利技术提供的一种鲁棒的低剂量CT成像算法，包括：
[0006]获取预设的待成像低剂量CT投影数据，对所述待成像低剂量C...
【技术保护点】
【技术特征摘要】
1.一种鲁棒的低剂量CT成像算法，其特征在于，所述方法包括：获取预设的待成像低剂量CT投影数据，对所述待成像低剂量CT投影数据进行一维傅立叶变换，得到投影信号；利用预设的非局部均值滤波对所述投影信号进行滤波处理，得到滤波信号，对所述滤波信号进行傅立叶逆变换，得到重建投影数据；将所述重建投影数据在预设的投影空间中进行重建，得到低剂量CT图像；获取预设的电子噪声数据的噪声均值以及噪声方差，根据所述噪声均值以及噪声方差建立混合噪声模型，获取预设的真实投影数据，将所述真实投影数据带入所述混合噪声模型，根据所述混合噪声模型以及预设的贝叶斯公式构建标准成像模型；利用预设的优化算法获取所述标准投影模型中的最优参数，将所述最优参数带入所述标准成像模型，得到高质量投影图像；将所述低剂量CT图像与高质量投影图像进行融合，得到高清CT图像，实现高鲁棒性的低剂量CT成像。2.如权利要求1所述的鲁棒的低剂量CT成像算法，其特征在于，所述对所述待成像低剂量CT投影数据进行一维傅立叶变换，得到投影信号，包括：利用如下傅立叶变换公式对所述待成像低剂量CT投影数据进行一维傅立叶变换：其中，X
l
为所述投影信号，N为所述待成像低剂量CT投影数据的个数，m为所述所述待成像低剂量CT投影数据的计数，i为所述所述待成像低剂量CT投影数据的另一不同于m的计数，e为参数，x为待成像低剂量CT投影数据，l为所述快速傅里叶变换公式的维数。3.如权利要求1所述的鲁棒的低剂量CT成像算法，其特征在于，所述利用预设的非局部均值滤波对所述投影信号进行滤波处理，得到滤波信号，包括：在所述投影信号中随机选取两个不相同的点为两个中点；围绕两个中点在四周划取预设行数和列数围成的区域为两个邻域块；计算所述两个邻域块的均方误差；利用预设的非局部均值滤波公式以及所述均方误差对所述像素值进行均值滤波，得到滤波信号。4.如权利要求1所述的鲁棒的低剂量CT成像算法，其特征在于，所述根据所述噪声均值以及噪声方差建立混合噪声模型，包括：利用如下噪声公式根据所述噪声均值以及噪声方差建立混合噪声模型：Y＝Poisson(O)+Gaussian(μ,δ2)其中，Y是噪声基准，O为CT投影时的光子数均值，Poisson(O)为将光子数均值进行泊松分布，μ为所述噪声均值，δ为所述噪声方差，Gaussian(μ,δ2)为将噪声均值与噪声方差进行高斯分布。5.如权利要求1所述的鲁棒的低剂量CT成像算法，其特征在于，所述将所述真实投影数据带入所述混合噪声模型，根据所述混合噪声模型以及预设的贝叶斯公式构建标准成像模
型，包括；将真实投影数据替换所述混合噪声模型中的噪声基准；将替换掉的混合噪声模型与所述贝叶斯公式进行联立，得到联立公式；将所述联立公式进行化简求值，得到标准成像模型。6.如权利要求5所述的鲁棒的低剂量CT成像算法，其特征在于，所述将替换掉的混合噪声模型与所述贝叶斯公式...
【专利技术属性】
技术研发人员：周冠群，李泽洲，张志诚，周昊天，
申请(专利权)人：深圳扬奇医芯智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。