System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及人工智能,尤其涉及一种双能锥束的低剂量扫描图像重建方法及装置。
技术介绍
1、锥形束cbct(cone-beam computed tomography)在口腔颌面影像检查中应用广泛,具有高分辨率和低辐射剂量的优点,然而,为了满足临床诊断所需的细节,仍然需要一定程度的辐射剂量。
2、特别是对于双能锥束ct,由于需要至少两种扫描能量条件,如果需要在总剂量不变的情况下控制辐射剂量,则需要在高能和低能采集过程中使用较低剂量扫描,但是剂量不足会导致难以获得较清晰的影像,因此,如何在保证扫描成像清晰度的同时降低辐射剂量,成了亟待解决的问题。
技术实现思路
1、本专利技术提供一种双能锥束的低剂量扫描图像重建方法、装置及计算机可读存储介质,其主要目的在于保证扫描成像清晰度的同时降低辐射剂量。
2、为实现上述目的,本专利技术提供的一种双能锥束的低剂量扫描图像重建方法,包括:
3、生成扫描物体的双能原始投影,对所述双能原始投影进行三维重建,得到所述双能原始投影的初始重建图像;
4、将所述初始重建图像输入至预先训练的低剂量后处理网络模型,利用所述预先训练的低剂量后处理网络模型生成所述初始重建图像的初始拼接图像;
5、对所述初始拼接图像进行降采样处理,得到所述初始拼接图像的编码尺度特征层;
6、根据所述编码尺度特征层生成所述初始拼接图像的解码尺度特征层;
7、建立所述编码尺度特征层与所述解码尺度特征层的跳跃
8、可选地,所述对所述双能原始投影进行三维重建,得到所述双能原始投影的初始重建图像,包括:
9、对所述双能原始投影进行衰减变换处理,得到所述双能原始投影的衰减变换投影;
10、对所述衰减变换投影进行滤波处理,得到所述衰减变换投影的滤波投影;
11、对所述滤波投影进行反投影处理,得到所述滤波投影的反投影重建图像,确定所述滤波投影的反投影重建图像为所述双能原始投影的初始重建图像。
12、可选地,所述对所述双能原始投影进行衰减变换处理,得到所述双能原始投影的衰减变换投影,包括:
13、利用预设的衰减变换算法对所述双能原始投影进行衰减变换处理,得到所述双能原始投影的衰减变换投影,其中,所述预设的衰减变换算法为:
14、
15、其中,f是所述双能原始投影的衰减变换投影,p0是射线入射光子强度,p是所述双能原始投影中每个像素所对应的投影射线光子强度,ln是自然对数。
16、可选地,在所述将所述初始重建图像输入至预先训练的低剂量后处理网络模型之前,还包括:
17、利用预设的编码器和预设的解码器构建所述扫描物体的初始处理网络模型;
18、在所述扫描物体的同一位置进行多次扫描,得到所述扫描物体的双能扫描图像集;
19、根据所述双能扫描图像集和预设的平均投影算法生成所述扫描物体的双能平均投影,其中,所述预设的平均投影算法为:
20、
21、其中,是所述扫描物体的双能平均投影,pi是所述双能扫描图像集中的第i组双能扫描图像,i是所述双能扫描图像的组别标识,n是所述双能扫描图像的组别总数;
22、根据所述扫描物体的双能平均投影和所述双能扫描图像集生成所述初始处理网络模型的模型训练集;
23、利用所述模型训练集对所述初始处理网络模型进行模型训练,得到训练完成的低剂量后处理网络模型。
24、可选地,所述利用所述预先训练的低剂量后处理网络模型生成所述初始重建图像的初始拼接图像,包括:
25、利用所述预先训练的低剂量后处理网络模型对所述初始重建图像进行维度判断,根据所述维度判断的判断结果对所述初始重建图像进行维度对齐处理,得到同维度重建图像;
26、对所述同维度重建图像进行通道数判断,根据所述通道数判断的判断结果对所述同维度重建图像进行通道数对齐处理,得到同通道数重建图像;
27、对所述同通道数重建图像进行图像拼接,得到所述同通道数重建图像的初始拼接图像。
28、可选地,所述对所述初始拼接图像进行降采样处理,得到所述初始拼接图像的编码尺度特征层,包括:
29、对所述初始拼接图像进行平均池化,得到所述初始拼接图像的一维特征序列;
30、对所述一维特征序列进行卷积处理,得到所述一维特征序列的一维卷积序列;
31、根据所述一维卷积序列生成所述初始拼接图像的通道差异化权重,利用所述通道差异化权重对所述初始拼接图像进行加权处理,得到所述初始拼接图像的加权特征;
32、对所述加权特征进行多层级最大值池化,得到所述初始拼接图像的编码尺度特征层。
33、可选地,所述根据所述编码尺度特征层生成所述初始拼接图像的解码尺度特征层,包括:
34、根据所述编码尺度特征层所对应的编码分辨率对所述编码尺度特征层的编码特征逐级进行反卷积处理,得到所述编码特征的层级反卷积特征;
35、确定所述反卷积特征的解码分辨率;
36、根据所述层级反卷积特征和所述解码分辨率生成所述初始拼接图像的解码尺度特征层。
37、可选地,所述建立所述编码尺度特征层与所述解码尺度特征层的跳跃连接,包括:
38、确定所述编码尺度特征层中层级编码特征所对应的编码分辨率;
39、建立所述解码尺度特征层中解码分辨率与所述编码分辨率的关联关系;
40、根据所述关联关系建立所述编码尺度特征层与所述解码尺度特征层的跳跃连接。
41、可选地,所述根据所述跳跃连接生成所述扫描物体的双能重建图像,包括:
42、根据所述跳跃连接对所述编码尺度特征层和所述解码尺度特征层进行特征融合,得到所述扫描物体的融合特征;
43、根据所述融合特征生成所述扫描物体的双通道图像;
44、根据所述双通道图像所对应的通道维度对所述双通道图像进行图像拆分,得到所述扫描物体的双能重建图像。
45、为了解决上述问题,本专利技术还提供一种双能锥束的低剂量扫描图像重建装置,其特征在于,所述装置包括:
46、投影三维重建模块,用于生成扫描物体的双能原始投影,对所述双能原始投影进行三维重建,得到所述双能原始投影的初始重建图像;
47、拼接图像生成模块,用于将所述初始重建图像输入至预先训练的低剂量后处理网络模型,利用所述预先训练的低剂量后处理网络模型生成所述初始重建图像的初始拼接图像;
48、图像降采样模块,用于对所述初始拼接图像进行降采样处理,得到所述初始拼接图像的编码尺度特征层;
49、解码特征生成模块,用于根据所述编码尺度特征层生成所述初始拼接图像的解码尺度特征层;
50、重建图像生成模块,用于建立所述编码尺度特征层与所述解码尺度本文档来自技高网...
【技术保护点】
1.一种双能锥束的低剂量扫描图像重建方法,其特征在于,所述方法包括:
2.如权利要求1所述的双能锥束的低剂量扫描图像重建方法,其特征在于,所述对所述双能原始投影进行三维重建,得到所述双能原始投影的初始重建图像,包括:
3.如权利要求2所述的双能锥束的低剂量扫描图像重建方法,其特征在于,所述对所述双能原始投影进行衰减变换处理,得到所述双能原始投影的衰减变换投影,包括:
4.如权利要求1所述的双能锥束的低剂量扫描图像重建方法,其特征在于,在所述将所述初始重建图像输入至预先训练的低剂量后处理网络模型之前,还包括:
5.如权利要求1所述的双能锥束的低剂量扫描图像重建方法,其特征在于,所述利用所述预先训练的低剂量后处理网络模型生成所述初始重建图像的初始拼接图像,包括:
6.如权利要求1至5中任一项所述的双能锥束的低剂量扫描图像重建方法,其特征在于,所述对所述初始拼接图像进行降采样处理,得到所述初始拼接图像的编码尺度特征层,包括:
7.如权利要求1述的双能锥束的低剂量扫描图像重建方法,其特征在于,所述根据所述编码尺度特征
8.如权利要求1述的双能锥束的低剂量扫描图像重建方法,其特征在于,所述建立所述编码尺度特征层与所述解码尺度特征层的跳跃连接,包括:
9.如权利要求1述的双能锥束的低剂量扫描图像重建方法,其特征在于,所述根据所述跳跃连接生成所述扫描物体的双能重建图像,包括:
10.一种双能锥束的低剂量扫描图像重建装置,其特征在于,所述装置包括:
...【技术特征摘要】
1.一种双能锥束的低剂量扫描图像重建方法,其特征在于,所述方法包括:
2.如权利要求1所述的双能锥束的低剂量扫描图像重建方法,其特征在于,所述对所述双能原始投影进行三维重建,得到所述双能原始投影的初始重建图像,包括:
3.如权利要求2所述的双能锥束的低剂量扫描图像重建方法,其特征在于,所述对所述双能原始投影进行衰减变换处理,得到所述双能原始投影的衰减变换投影,包括:
4.如权利要求1所述的双能锥束的低剂量扫描图像重建方法,其特征在于,在所述将所述初始重建图像输入至预先训练的低剂量后处理网络模型之前,还包括:
5.如权利要求1所述的双能锥束的低剂量扫描图像重建方法,其特征在于,所述利用所述预先训练的低剂量后处理网络模型生成所述初始重建图像的初始拼接图...
【专利技术属性】
技术研发人员:李华勇,范毅,刘金池,
申请(专利权)人:深圳市菲森科技有限公司,
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。