一种CT图像环状伪影抑制方法、装置、设备和存储介质制造方法及图纸

本发明专利技术提供一种CT图像环状伪影抑制方法、装置、设备和存储介质，通过获取初始CT图像，并根据初始CT图像制作数据集；构建RAS_UNet网络模型，并为RAS_UNet网络模型设计损失函数；再将初始CT图像的数据集输入RAS_UNet网络模型中，RAS_UNet网络模型能够抑制初始CT中的伪影，并输出伪影抑制处理后的第一CT图像和第二CT图像，实现对环状伪影的去除，最后将第一CT图像和第二CT图像中的有效信息进行融合，输出融合后的最终CT图像，融合后的最终CT图像的细节和结构能够得到有效地恢复，信噪比能够得到明显的提高。明显的提高。明显的提高。

【技术实现步骤摘要】
一种CT图像环状伪影抑制方法、装置、设备和存储介质


[0001]本专利技术涉及计算机成像
，尤其涉及一种CT图像环状伪影抑制方法、装置、设备和存储介质。

技术介绍

[0002]作为医疗及工业领域常用的无损检测技术，X射线计算机断层扫描成像技术可以高分辨率重建物体的内部信息，极大的方便了有关人员对目标物体内部结构、材质、密度及缺陷信息的判读。然而，因实际成像系统中硬件设备的制造等问题，重建后的断层图像中常会出现以固定点为圆心、亮度不同的同心圆环，即环状伪影。环状伪影的产生原因不唯一，如探测器像元损坏、探测器通道响应不一致、数据采集系统故障、X射线光子不足等均会产生环状伪影。如何有效抑制环状伪影，提高X射线断层图像的像质，具有重要的理论和实际意义。
[0003]在相关技术中，关于环状伪影抑制方面的研究可分为两类:基于投影域的伪影抑制和基于图像域的伪影抑制。如早期Raven在投影图域中，基于傅里叶变换设计了一种数值滤波器，有效的减弱了环状伪影对图像像质的影响，但滤波后图像中仍存在肉眼可见的伪影痕迹；Titarenko利用压缩感知理论，通过最小化Tikhonov泛函修正正弦图数据，该方法抑制伪影效果明显，重建后的图像中基本看不见环状伪影，图像的质量得到较大幅度提高，但该算法复杂度高，计算量大，且部分参数的设置需要根据图像特点进行调节；Sun等人通过对正弦图进行“插值
‑
重建
‑
滤波
‑
重建”，在抑制环状伪影的同时保持了图像的细节，所提算法对大面积探测元损坏导致的严重环形伪影具有很好的校正效果，但该算法中的插值和滤波过程会改变图像的原有信息，降低图像的信噪比。
[0004]综上所述，对于CT图像中的环状伪影的抑制问题，传统算法存在伪影去除不彻底、图像信噪比降低等问题。

技术实现思路

[0005]本专利技术提供一种CT图像环状伪影抑制方法、装置、设备和存储介质，用以解决现有技术中对CT图像的伪影去除不彻底、图像信噪比低等缺陷，实现在保护CT图像结构信息的同时最大程度地抑制环状伪影，同时使CT图像的信噪比得到明显提高的效果。
[0006]本专利技术提供一种CT图像环状伪影抑制方法，包括：
[0007]获取初始CT图像的数据集；
[0008]构建RAS_UNet网络模型；
[0009]为所述RAS_UNet网络模型设计损失函数；
[0010]将所述数据集输入所述RAS_UNet网络模型中，输出伪影抑制处理后的第一CT图像和第二CT图像；
[0011]将所述第一CT图像和所述第二CT图像中的有效信息进行融合，输出融合后的最终CT图像。
[0012]根据本专利技术提供的一种CT图像环状伪影抑制方法，所述损失函数包括图像域中的损失函数和投影域中的损失函数；所述第一CT图像为在所述图像域中抑制伪影后的CT图像，所述第二CT图像为在所述投影域中抑制伪影后的CT图像。
[0013]根据本专利技术提供的一种CT图像环状伪影抑制方法，所述RAS_UNet网络模型采用UNet网络作为模型框架，所述RAS_UNet网络模型的下采样部分包括用于提取不同尺度的伪影特征的1个双卷积模块和4个Inception模块，上采样部分包括用于识别并处理伪影的4个上采样模块和3个残差模块，还包括1个卷积核。
[0014]根据本专利技术提供的一种CT图像环状伪影抑制方法，为所述RAS_UNet网络模型设计损失函数，具体包括；
[0015]同时使用前向差分和后向差分计算所述初始CT图像的梯度，取前向差分和后向差分的最大值作为所述初始CT图像的梯度：
[0016][0017]其中，I代表所述初始CT图像，(i,j)代表图像中像素的坐标，G1代表由前向差分计算得到的图像梯度，G2代表由后向差分计算得到的图像梯度，max代表取最大值，Gsin为正弦图中最终的图像梯度；
[0018]先对Gsin按行求均值，得到Gmean,再以Gmean为权重对Gsin在正弦图域中对梯度进行加权：
[0019][0020]其中，WG
sin
(i,j)代表正弦图图像梯度加权系数；
[0021]在切片图域中对梯度进行加权:
[0022][0023]其中，ε取正实数以免分母为0，R(p)表示所述初始CT图像中以像素p为中心的局部区域窗口，q为所述局部区域窗口中的像素点，g
p,q
为以p为中心的高斯分布的权重系数，G
img
为切片图中的图像梯度，WG
img
是图像梯度加权系数，表示对I沿着图像中的列方向求偏微分；
[0024]将加权梯度作为正则项，以结构相似系数作为保真项，计算所述图像域和所述投影域中的损失函数：
[0025][0026]其中，Loss
sin
为所述投影域的损失函数，Loss
img
为所述图像域的损失函数；SSIM为保真项，代表结构相似性系数；λ1、λ2∈[0,1]。
[0027]根据本专利技术提供的一种CT图像环状伪影抑制方法，将所述第一CT图像和所述第二CT图像中的有效信息进行融合，输出融合后的最终CT图像，具体包括：
[0028]利用非下采样轮廓波变换算法对所述第一CT图像和所述第二CT图像进行分解，得到所述第一CT图像的多个待融合子图像和所述第二CT图像的多个待融合子图像；
[0029]计算两两对应的所述待融合子图像的残差，在所述残差超过设定的残差阈值的情况下，将对比度较小的所述待融合子图像的像素值作为融合结果，输出融合后的子图像；在所述残差未超过设定的残差阈值的情况下，将对比度较大的所述待融合子图像的像素值作为融合结果，输出融合后的子图像；
[0030]将融合后的多个所述子图像进行组合，输出最终CT图像。
[0031]根据本专利技术提供的一种CT图像环状伪影抑制方法，所述待融合子图像包括低频子带图像和高频子带图像。
[0032]根据本专利技术提供的一种CT图像环状伪影抑制方法，所述残差为两个所述待融合子图像的灰度值之差的绝对值；所述残差阈值为两个所述待融合子图像的灰度值之和与比率值的乘积。
[0033]本专利技术还提供一种CT图像环状伪影抑制装置，包括：
[0034]数据收集模块，用于获取初始CT图像的数据集；
[0035]模型构建模块，用于构建RAS_UNet网络模型；
[0036]函数设计模块，用于为所述RAS_UNet网络模型设计损失函数；
[0037]伪影处理模块，用于将所述数据集输入所述RAS_UNet网络模型中，输出伪影抑制处理后的第一CT图像和第二CT图像。
[0038]图像融合模块，用于将所述第一CT图像和所述第二CT图像中的有效信息进行融合，输出融合后的最终CT图像。
[0039]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种CT图像环状伪影抑制方法，其特征在于，包括：获取初始CT图像的数据集；构建RAS_UNet网络模型；为所述RAS_UNet网络模型设计损失函数；将所述数据集输入所述RAS_UNet网络模型中，输出伪影抑制处理后的第一CT图像和第二CT图像；将所述第一CT图像和所述第二CT图像中的有效信息进行融合，输出融合后的最终CT图像。2.根据权利要求1所述的CT图像环状伪影抑制方法，其特征在于，所述损失函数包括图像域中的损失函数和投影域中的损失函数；所述第一CT图像为在所述图像域中抑制伪影后的CT图像，所述第二CT图像为在所述投影域中抑制伪影后的CT图像。3.根据权利要求1所述的CT图像环状伪影抑制方法，其特征在于，所述RAS_UNet网络模型采用UNet网络作为模型框架，所述RAS_UNet网络模型的下采样部分包括用于提取不同尺度的伪影特征的1个双卷积模块和4个Inception模块，上采样部分包括用于识别并处理伪影的4个上采样模块和3个残差模块，还包括1个卷积核。4.根据权利要求2所述的CT图像环状伪影抑制方法，其特征在于，为所述RAS_UNet网络模型设计损失函数，具体包括；同时使用前向差分和后向差分计算所述初始CT图像的梯度，取前向差分和后向差分的最大值作为所述初始CT图像的梯度：其中，I代表所述初始CT图像，(i,j)代表图像中像素的坐标，G1代表由前向差分计算得到的图像梯度，G2代表由后向差分计算得到的图像梯度，max代表取最大值，Gsin为正弦图中最终的图像梯度；先对Gsin按行求均值，得到Gmean,再以Gmean为权重对Gsin在正弦图域中对梯度进行加权:其中，WG
sin
(i,j)代表正弦图梯度加权系数；在切片图域中对梯度进行加权:
其中，ε取正实数以免分母为0，R(p)表示所述初始CT图像中以像素p为中心的局部区域窗口，q为所述局部区域窗口中的像素点，g
p,q
为以p为中心的高斯分布的权重系数，G
img
为切片图中的图像梯度，WG
img
是图像梯度加权系数，表示对I沿着图像中的列方向求偏微分；将加权梯度作为正则项，以结构相似系数作为保真项，计算所述图像域...

【专利技术属性】
技术研发人员：杨民，谭大龙，海潮，吴雅朋，刘海鹏，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：