【技术实现步骤摘要】
本申请涉及辐射成像，特别涉及一种基于深度学习的多源ct散射校正方法及装置。
技术介绍
1、x射线ct成像系统在医疗、安检、工业无损检测等领域中广泛应用，其中，通过单一射线源和围绕物体的探测器，采集各方向的投影数据，可以实现物体内部结构的重建，但成像速度较慢，十分受限。
2、相关技术中，可以多个射线源同时进行出束扫描成像，不论是射线源数目较少的双源ct和三源ct，还是射线源数目较多的静态ct(射线源与探测器排列一周，通过射线源的快速切换，获得不同角度下的投影)，都可以使用多源同时出束的出束模式，以充分发挥多源ct的成像速度潜力。
3、然而，相关技术中，由于多源同时出束，导致探测器接收的散射信号包括前向散射信号和交叉散射信号，严重影响重建图像的质量。且利用核方法校正多源ct散射可能导致数值误差较大，利用蒙特卡罗方法运算量较大，无法准确展现散射信号的低频特性，导致估算的散射信号包含较大噪声，同时难以对前向散射和交叉散射进行估计，容易产生高频伪影，亟待改进。
技术实现思路
...
【技术保护点】
1.一种基于深度学习的多源CT散射校正方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述从所述多源CT扫描数据的总信号中学习得到相应的低频的多源交叉散射场，以校正交叉散射信号，包括：
3.根据权利要求2所述的方法，其特征在于，所述学习得到相应的大角散射信号，包括：
4.根据权利要求1所述的方法，其特征在于，所述预设的前向散射网络表达为：
5.一种基于深度学习的多源CT散射校正装置，其特征在于，包括：
6.根据权利要求5所述的装置，其特征在于，所述学习模块包括：
7.根...
【技术特征摘要】
1.一种基于深度学习的多源ct散射校正方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述从所述多源ct扫描数据的总信号中学习得到相应的低频的多源交叉散射场，以校正交叉散射信号，包括：
3.根据权利要求2所述的方法，其特征在于，所述学习得到相应的大角散射信号，包括：
4.根据权利要求1所述的方法，其特征在于，所述预设的前向散射网络表达为：
5.一种基于深度学习的多源ct散射校正装置，其特征在于，包括：
6.根据权利要求5所述的装置，其特征在于，所述学习模块包括：
7.根据权利要求6所述的装置，其特征在于，所述学习单元包括：
【专利技术属性】
技术研发人员：高河伟，陈志强，夏颖贤，张丽，邢宇翔，李亮，王振天，邓智，
申请(专利权)人：清华大学，
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。