【技术实现步骤摘要】
本专利技术涉及计算机断层扫描ct，尤其涉及一种基于双网络交互学习的低剂量ct图像重建方法。
技术介绍
1、计算机断层扫描(ct)技术应用广泛，但是其带来的x射线辐射问题包括遗传和癌症疾病等在生物医学界引起了普遍关注，因此越来越多的工作开始研究如何在降低x射线辐射剂量的同时又不损害重建ct图像的质量，也就是用低剂量ct图像(ldct)进行ct图像重建工作，这一课题近些年来已经成为重要的研究课题，具有重要的科学价值和临床意义。
2、传统的低剂量ct重建方法如分析法、统计迭代重建算法等往往存在着计算时间长、计算开销大的缺点。随着人工智能技术的发展，基于卷积神经网络(cnn)的深度学习技术在图像去噪、超分辨率重建等图像处理任务中得到了广泛的应用，这也为低剂量ct重建提供了新的思路，cnn可以通过分层多层的框架学习ldct到正常剂量的非线性映射关系，有效地重建图像。然而由于其固定大小的卷积核感受野和静态权重，cnn不能有效利用ldct图像中大区域之间的相似性，导致ldct图像中的细节被破坏，组织间的信息不能得到有效恢复；并且ct图像数据集由于涉及病人隐私问题不能轻易获取，与自然图像相比，ct图像中包含的信息更少，如何更充分地利用数据集中的信息也十分关键，而现有技术中缺乏相应的解决方案。
技术实现思路
1、本专利技术的目的是提供一种基于双网络交互学习的低剂量ct图像重建方法，该方法与现有低剂量ct重建方法相比，充分复用了ct图像信息，可以较好地恢复去噪后图像的细节和结构信息，而且稳
2、本专利技术的目的是通过以下技术方案实现的：
3、一种基于双网络交互学习的低剂量ct图像重建方法，所述方法包括：
4、步骤1、首先对收集到的原始ct数据进行预处理；
5、步骤2、建立两个相互辅助的同僚网络，即特征融合低剂量ct图像重建网络scred，并搭建双网络交互学习框架mfrd，用于交流融合两个网络学习到的知识，充分利用图像隐藏信息；
6、步骤3、将步骤1处理后的ct数据输入到步骤2建立的ct图像重建网络scred，并在双网络交互学习框架下对该ct图像重建网络scred进行训练；
7、步骤4、将低剂量ct图像输入到步骤4训练好的ct图像重建网络scred中，输出高质量ct图像。
8、由上述本专利技术提供的技术方案可以看出，上述方法与现有低剂量ct重建方法相比，充分复用了ct图像信息，可以较好地恢复去噪后图像的细节和结构信息，而且稳定可靠、可扩展性好，具有极大的推广价值及现实意义。
本文档来自技高网...【技术保护点】
1.一种基于双网络交互学习的低剂量CT图像重建方法，其特征在于，所述方法包括：
2.根据权利要求1所述基于双网络交互学习的低剂量CT图像重建方法，其特征在于，在步骤1中，对收集到的原始CT数据进行预处理的过程具体为：
3.根据权利要求1所述基于双网络交互学习的低剂量CT图像重建方法，其特征在于，在步骤2中，所建立的CT图像重建网络SCRED的输入为低剂量CT图像，输出为重建后的CT图像，其中图像需要经过三个部分的处理，具体来说：
4.根据权利要求1所述基于双网络交互学习的低剂量CT图像重建方法，其特征在于，在步骤3中，所搭建的双网络交互学习框架MFRD采用两个完全相同的网络作为两个同僚网络，即第一学生网络和第二学生网络，两个学生网络进行相互学习指导，相对于其中一个学生网络，另一个学生网络在学习时作为它的老师，用自己对知识理解对其进行指导，即教师监督，具体过程为：
【技术特征摘要】
1.一种基于双网络交互学习的低剂量ct图像重建方法，其特征在于，所述方法包括：
2.根据权利要求1所述基于双网络交互学习的低剂量ct图像重建方法，其特征在于，在步骤1中，对收集到的原始ct数据进行预处理的过程具体为：
3.根据权利要求1所述基于双网络交互学习的低剂量ct图像重建方法，其特征在于，在步骤2中，所建立的ct图像重建网络scred的输入为低剂量ct图像，输出为重建后的...
【专利技术属性】
技术研发人员：王华锋，战欣茹，郭可信，刘万泉，刘伦莹，屠焕青，邢志强，高皓琪，李志强，李丹，林杰，张嘉豪，
申请(专利权)人：北方工业大学，
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。