一种双视角跨模态重建CT影像的方法技术

本发明专利技术提出了一种双视角跨模态重建CT影像的方法，涉及医学CT影像领域。该方法将扩散模型和GAN网络结合在一起，可以在保持生成高质量CT影像和多样性的前提下，提高生成速度，减少模型训练难度。本发明专利技术能够充分利用双视角影像的优势，并在重建过程中有效融合它们的信息，从而提高重建CT影像的质量和准确性。同时，针对原有三维投影损失函数存在的问题，本发明专利技术设计了一种改进的三维投影损失函数，通过使用Charbonnier损失替代原本的L1损失，重建的CT影像在感官上更加真实，并且避免了过度平滑的问题，有效提高了三维物体的重建精度。本发明专利技术可以大大减少获取高质量CT影像过程中的受辐射剂量，在医学影像重建领域具有广泛的应用前景。

【技术实现步骤摘要】

本专利技术涉及医学ct影像领域，尤其涉及一种双视角跨模态重建ct影像的方法。

技术介绍

1、ct图像在介入手术治疗及放射性治疗中有着重要的临床价值。而常规剂量ct（normal dose ct，ndct）检查过程中会产生辐射，会对人体造成不可忽视的伤害。因此，在临床上通常采用如：降低管电压、管电流、曝光时间等方法获得低剂量ct影像（low dosect，ldct）。但低剂量ct影像常伴随着条纹伪影及斑点噪声，可能会影响医生的诊断，甚至造成误诊、漏诊等严重医疗事故。

2、相比于传统重建方法，深度学习方法的研究重点是追求低辐射剂量、高图像质量和快速重建速度的有机统一。深度学习方法通过深度神经网络直接或间接的学习低剂量ct图到正常剂量ct图之间的映射，主要解决的是同一维度的数据迁移，本质为将ldct重建为ndct或对初步重建后的图像进行去噪处理。这需要大量的ldct和ndct图像进行配对，将数据输入到深度神经网络中进行模型训练，ldct和ndct图像如图1所示；

3、现今主流的ct重建框架解决的是同一维度的数据迁移问题，本质是将ct重建过本文档来自技高网...

【技术保护点】

1.一种双视角跨模态重建CT影像的方法，其特征在于，包含以下步骤：

2.根据权利要求1所述的一种双视角跨模态重建CT影像的方法，其特征在于，、和分别设置为0.1、10、10；为0.000001。

【技术特征摘要】

1.一种双视角跨模态重建ct影像的方法，其特征在于，包含以下步骤：

2.根据权利要求1所述的...

【专利技术属性】
技术研发人员：蒲立新，李明欣，曲建明，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：