结合姿态判断网络和块采样神经辐射场的X光新视图重建方法技术

本发明专利技术涉及一种结合姿态判断网络和块采样神经辐射场的X光新视图重建方法，其中，该方法包括：采集原始CT三维数据，构建X射线投影数据集；构建基于块采样神经辐射场网络的生成器，实现全局特征和局部特征的学习，完成坐标域和值域的映射；构建鉴别器模块，对数据增强的真实数据集以及神经辐射场生成的图像进行特征提取、重建以及分类；构建姿态判断网络对采集的X光图像进行信息的提取，获得先验信息，在推理阶段完成姿态修正任务。本发明专利技术还涉及一种相应的系统、装置、处理器及其计算机可读存储介质。采用了本发明专利技术的该方法、系统、装置、处理器及其计算机可读存储介质，相较于基线模型，具有更好的从极稀疏X光图像重建新视角图像的能力。

【技术实现步骤摘要】

本专利技术涉及数字图像，尤其涉及计算机视觉，具体是指一种结合姿态判断网络和块采样神经辐射场的x光新视图重建方法、系统、装置、处理器及其计算机可读存储介质。

技术介绍

1、x射线成像是一种广泛应用于临床诊断、图像引导干预和决策的观察主体内部结构的方法。在不同视角下获得的x射线投影提供了患者解剖结构的补充信息，是主体立体或体积成像所必需的。现实中，多视点投影不可避免地增加了辐射剂量，使临床工作流程复杂化。因此急需一种从给定视角的x射线投影图像中获得新视角x射线投影图像的策略，以减轻实际投影测量的需要。然而，大多数现有的基于学习的方法往往需要较多的投影图像作为输入或者需要3d数据作为监督。比如：论文名为：《naf:neural attenuation fields forsparse-view cbct reconstruction》，其通过模拟x投影成像原理，构建神经衰减场完成新视图重建，尽管其采用哈希编码加快训练速度，但是其需要较多图像作为参考，并且每一个案列都要重新训练，不具备泛化性；《learning deep intensity field for e本文档来自技高网...

【技术保护点】

1.一种结合姿态判断网络和块采样神经辐射场的X光新视图重建方法，其特征在于，所述的方法包括以下步骤：

2.根据权利要求1所述的结合姿态判断网络和块采样神经辐射场的X光新视图重建方法，其特征在于，所述的步骤(1)具体包括以下步骤：

3.根据权利要求2所述的结合姿态判断网络和块采样神经辐射场的X光新视图重建方法，其特征在于，所述的步骤(2)包括以下步骤：

4.根据权利要求3所述的结合姿态判断网络和块采样神经辐射场的X光新视图重建方法，其特征在于，所述的步骤(3)具体包括如下步骤：

5.根据权利要求4所述的结合姿态判断网络和块采样神经辐射场的X光...

【技术特征摘要】

1.一种结合姿态判断网络和块采样神经辐射场的x光新视图重建方法，其特征在于，所述的方法包括以下步骤：

2.根据权利要求1所述的结合姿态判断网络和块采样神经辐射场的x光新视图重建方法，其特征在于，所述的步骤(1)具体包括以下步骤：

3.根据权利要求2所述的结合姿态判断网络和块采样神经辐射场的x光新视图重建方法，其特征在于，所述的步骤(2)包括以下步骤：

4.根据权利要求3所述的结合姿态判断网络和块采样神经辐射场的x光新视图重建方法，其特征在于，所述的步骤(3)具体包括如下步骤：

5.根据权利要求4所述的结合姿态判断网络和块采样神经辐射场的x光新视图重建方法，其特征在于，所述的步骤(4)具体包括以下步骤：

6.一种利用权利要求1至5中...

【专利技术属性】
技术研发人员：朱煜，李航宇，孙梦成，陈加昊，
申请(专利权)人：华东理工大学，
类型：发明
国别省市：