基于结构增强与伪影估计的稀疏角度CT图像伪影抑制方法技术

本发明专利技术公开了基于结构增强与伪影估计的稀疏角度CT图像伪影抑制方法，属于计算机断层成像技术领域。本发明专利技术包括：构建针对稀疏角度CT图像处理的结构增强伪影抑制网络，主要包括两个相同网络架构的伪影特征提取子网络和结构特征提取子网络；之后构建图像复原损失函数和结构损失函数并联合训练各子网络，并形成训练好的结构增强伪影抑制网络；最后用户输入待处理的稀疏角度CT图像到训练好的结构增强伪影抑制网络中，输出抑制伪影后的CT图像。本发明专利技术针对稀疏角度CT图像伪影复杂，常规处理易丢失组织结构信息这一问题，采用伪影提取与结构增强相结合的策略，可提高稀疏角度CT图像处理的效果，获得包含更多组织结构信息的高准确度CT图像。CT图像。CT图像。

【技术实现步骤摘要】
基于结构增强与伪影估计的稀疏角度CT图像伪影抑制方法


[0001]本专利技术属于计算机断层成像
，更具体地说，涉及基于结构增强与伪影估计的稀疏角度CT图像伪影抑制方法。

技术介绍

[0002]1895年，德国科学家伦琴首次发现了能够穿透物体的X射线，从此开创了使用X射线进行医学诊断的放射学。1972年首台计算机断层扫描(Computed Tomography,CT)设备被研制成功，并辅助医生完成临床的诊断。如今，CT成像技术越来与成熟，使用也越来越广泛，已成为医学诊疗中不可或缺的一部分。然而X射线被人体部分吸收，会对组织器官造成一定伤害，并可能导致遗传或癌症疾病的产生。
[0003]通常，减少CT扫描中X射线辐射剂量有两种主要途径，降低管电流和稀疏角度扫描。降低管电流不可避免地导致较低的有效光子和投影数据(或正弦图)中的噪声增加，从而降低重建图像的质量。目前已有大量针对低管电流CT成像的研究，并取得优异效果。而稀疏角度扫描作为另一种有效降低辐射剂量措施，与降低管电流方法相比具有一定优势，如，简单容易执行，适应场景多，数据量少，计算速度快。但稀疏角度扫描会导致投影角度缺失，进而造成重建图像中充满星条状伪影，影响医师的诊断。
[0004]在不改变原硬件条件下，提高稀疏角度扫描下的成像效果主要有这三种途径：一、从CT投影数据角度出发，对原始数据或对数变换后的投影数据进行处理，以复原缺失投影数据，可获得高一致性的原始数据。但投影数据敏感性较高，信号的补充容易出现偏差，导致重建图像出现错误信息，这也导致该类方法效果有限。二、从图像重建算法角度出发：如基于先验信息约束的统计迭代类重建算法，具有较好的稀疏角度重建效果。但是这类算法存在超参数多，算法复杂度高，先验信息不稳定，泛化能力差等不足，使得其实际临床应用场景少。三、从CT图像数据角度出发：使用图像处理技术，以抑制稀疏角度CT图像中的条状伪影，可获得高信噪比和高对比度图像。但在处理过程中，易出现过平滑、细节信息丢失及对比度下降等情况。虽然“稀疏角度CT成像”中仍存有诸多问题，但这些都将是未来CT研究领域的重要指标，也是X射线成像发展的主要方向。
[0005]随着计算能力的提升与大规模数据的产生，基于数据驱动的学习型算法在众多领域中表现出优异的性能，这也为医学图像重建算法的发展带来了新的契机。在影像大数据环境下，基于深度学习的方法也是稀疏角度CT成像发展的主要方向，如为提高条纹伪影的抑制和去除效果，人们设计了大量的深度神经网络。该类方法主要是通过样本训练构造网络，在特征识别、分类和图像复原等领域中受到广泛关注。然而，常规的卷积神经网络在低层数据处理过程中，其特征提取类别有限，如组织结构信息与干扰的伪影信息如何区分，如何保证在抑制伪影信息的同时不损失结构信息，这是稀疏角度CT图像处理过程中的关键问题。为此本专利技术提出的基于结构增强与伪影估计的稀疏角度CT图像伪影抑制方法，可较好的平衡伪影的抑制与组织细节的保留。
[0006]经检索，中国专利申请号为202110331020.7的申请案公开了一种基于小波多尺度
卷积特征编码的稀疏角度CT重建方法，该方法通过高质量CT图像的小波多尺度卷积特征编码先验信息，来引导和约束迭代重建结果，提高稀疏角度CT重建图像质量，在实施例中取得较好的图像结果。但该专利技术方法属于迭代重建类方法，具有较多的参数调节，此外所利用的样本数据量有限。而本专利技术方法实现了端到端的图像数据之间的映射，不依赖与扫描的原始投影数据，具有灵活程度高，参数少效率高易应用等优势。

技术实现思路

[0007]1.专利技术要解决的技术问题
[0008]本专利技术的目的在于克服现有技术对稀疏角度CT图像处理后组织细节丢失、伪影残留多、对比度低及图像总体质量不高等问题，拟提供基于结构增强与伪影估计的稀疏角度CT图像伪影抑制方法，并构建一种专用于稀疏角度CT图像伪影抑制的网络，称之为结构增强伪影抑制网络(StructureEnhanced Artifact Suppression Network,简称SEAS
‑
Net)。本专利技术网络是在U型结构的基础上，采用多个尺度的稀疏编码和解码模块提取不同类型的特征信息，并采用特征融合策略和混合损失训练模式，在提高伪影抑制性能上尽可能的保留原组织结构信息，处理后图像的准确性，提高稀疏角度CT图像质量，最终为患者降低额外辐射，增加诊疗收益。
[0009]2.技术方案
[0010]为达到上述目的，本专利技术提供的技术方案为：
[0011]本专利技术的基于结构增强与伪影估计的稀疏角度CT图像伪影抑制方法，包括以下步骤：
[0012]步骤1、收集高质量CT图像数据，将收集到的高质量CT图像u
f
采用仿真软件获得稀疏角度CT图像u
s
，对收集到的高质量CT图像u
f
采用高斯滤波器提取边缘结构，获得边缘结构图像u
e
，形成数据组{u
s
,u
f
,u
e
}，最后将收集到的数据组按比例随机分为训练集和测试集；
[0013]步骤2、构建针对稀疏角度CT图像处理的结构增强伪影抑制网络，该网络主要包括伪影特征提取子网络和结构特征提取子网络，作用是输入所述稀疏角度CT图像u
s
生成抑制伪影的CT图像u
r
；
[0014]步骤3、构建图像复原损失函数和结构损失函数并进行联合，形成联合损失函数，以提高伪影抑制和结构细节保持能力；
[0015]步骤4、利用所述训练集数据及联合损失函数训练结构增强伪影抑制网络，获得训练好的网络参数；
[0016]步骤5、用户输入测试集中的稀疏角度CT图像到所述训练好的结构增强伪影抑制网络中，输出抑制伪影的CT图像，并与高质量CT图像进行对比。
[0017]更进一步的，步骤1中的高质量CT图像u
f
和采用仿真软件获得的稀疏角度CT图像u
s
大小相等，位置匹配，仅稀疏角度CT图像u
s
的扫描角度少，收集到的数据组按比例随机分为训练集和测试集，训练集中数据组的数量不低于总量的90％，测试集中数据组的数量不高于总量的10％。
[0018]更进一步的，步骤2中，结构增强伪影抑制网络架构流程为：首先，伪影特征提取子网络用于提取伪影特征信息；设计结构特征提取子网络用于提取稀疏角度CT图像中的组织结构特征信息；然后，将伪影特征信息与组织结构特征信息联合，并通过卷积操作获得伪影
Reconstruction，简称WMCR))相比，所得重建图像具有较好的视觉效果与对比度，在伪影抑制及解剖组织边界保存方面都取得了较满意的效果，在临床筛查、诊断及治疗等应用中具有较大优势，可提高检查效率，降低病人辐射伤害。
附图说明
[0032]图1为本专利技术实施例的基于结构增强与伪影估计的稀疏角度CT图像伪影抑制方法的总体流程图；
[003本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于结构增强与伪影估计的稀疏角度CT图像伪影抑制方法，其特征在于，包括以下步骤：步骤1、收集高质量CT图像数据，将收集到的高质量CT图像u
f
采用仿真软件获得稀疏角度CT图像u
s
，对收集到的高质量CT图像u
f
采用滤波器提取边缘结构，获得边缘结构图像u
e
，形成数据组{u
s
,u
f
,u
e
}，最后将收集到的数据组随机分为训练集和测试集；步骤2、构建针对稀疏角度CT图像处理的结构增强伪影抑制网络，该网络包括伪影特征提取子网络和结构特征提取子网络，作用是输入所述稀疏角度CT图像u
s
生成抑制伪影的CT图像u
r
；步骤3、构建图像复原损失函数和结构损失函数并进行联合，形成联合损失函数，以提高伪影抑制和结构细节保持能力；步骤4、利用所述训练集数据及联合损失函数训练结构增强伪影抑制网络，获得训练好的网络参数；步骤5、用户输入测试集中的稀疏角度CT图像到所述训练好的结构增强伪影抑制网络中，输出抑制伪影的CT图像，并与高质量CT图像进行对比。2.根据权利要求1所述的基于结构增强与伪影估计的稀疏角度CT图像伪影抑制方法，其特征在于：步骤1中的高质量CT图像u
f
和稀疏角度CT图像u
s
的大小相等，位置匹配，仅稀疏角度CT图像u
s
的扫描角度少；最后将收集到的数据组按比例随机分为训练集和测试集，训练集中数据组的数量不低于总量的90％，测试集中数据组的数量不高于总量的10％。3.根据权利要求1所述的基于结构增强与伪影估计的稀疏角度CT图像伪影抑制方法，其特征在于：步骤2中，结构增强伪影抑制网络架构流程为：首先，设计伪影特征提取子网络用于提取伪影特征信息；设计结构特征提取子网络用于提取稀疏角度CT图像中的组织结构特征信息；然后，将伪影特征信息与组织结构特征信息联合，并通过卷积操作获得伪影组织结构成分；最后，通过残差跳跃连接，将原稀疏角度CT图像与伪影组织结构成分相加，得到抑制伪影的CT图像。4.根据权利要求3所述的基于结构增强与伪影估计的稀疏角度CT图像伪影抑制方法，其特征在于：步骤2中的伪影特征提取子网络与结构特征提取子网络的网络架构相同。5.根据权利要求4所述的基于结构增强与伪影估计的稀疏角度CT图像伪影抑制方法，其特征在于：步骤2中的伪影特征提取子网络采用U型结构，包括4个特征尺度，左侧由稀疏编码模块构成，右侧由稀疏编码模块与解码模块共同组成。6.根据权利要求5所述的基于结构...

【专利技术属性】
技术研发人员：刘进，亢艳芹，吴凡，孙宇，晏宇豪，刘涛，
申请(专利权)人：安徽工程大学，
类型：发明
国别省市：