[发明专利]一种由单能CT图像生成双能CT图像的方法在审
| 申请号： | 201910368259.4 | 申请日： | 2019-05-05 |
| 公开（公告）号： | CN110176045A | 公开（公告）日： | 2019-08-27 |
| 发明（设计）人： | 陈阳;吕天翎;罗立民;李松毅;鲍旭东 | 申请（专利权）人： | 东南大学 |
| 主分类号： | G06T11/00 | 分类号： | G06T11/00;G06N3/04 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 康燕文 |
| 地址： | 211102 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 去噪 低能图像 卷积神经网络 二维卷积 高能图像 神经网络 低能级 高能级 临床诊断 图像差异 输出 网络 | ||
1.一种由单能CT图像生成双能CT图像的方法，其特征在于，包括以下步骤：
(1)获取双能CT图像组IDE，每个图像组包括一张低能图像ILE和一张对应的高能图像IHE；
(2)利用去噪卷积神经网络模型MDenoise对低能图像ILE和高能图像IHE进行预处理，得到去噪后的低能图像ILED和去噪后的高能图像IHED；
(3)计算去噪后的低能图像ILED和去噪后的高能图像IHED的差Idif；
(4)利用去噪后的低能图像ILED和对应的差Idif训练二维卷积神经网络Nest，得到二维模型Mest；
(5)获得单能CT图像ISE；
(6)利用去噪卷积神经网络模型MDenoise对单能CT图像ISE进行预处理，得到去噪后的单能CT图像ISED；
(7)将去噪后的单能CT图像ISED输入到训练好的二维模型Mest中，得到估计的高低能图像差IS_dif；
(8)计算单能CT图像ISE和估计的高低能图像差IS_dif的和，即估计的高能图像ISHE；
(9)将单能CT图像ISE和估计的高能CT图像ISHE组合，得到最终估计的双能CT图像组IDEE。
2.根据权利要求1所述的一种由单能CT图像生成双能CT图像的方法，其特征在于，步骤(1)所述的低能图像ILE与步骤(5)所述的单能CT图像ISE在相同能级下扫描得到。
3.根据权利要求1所述的一种由单能CT图像生成双能CT图像的方法，其特征在于，步骤(2)所述的去噪卷积神经网络模型MDenoise是全卷积神经网络，且由低剂量和正常剂量CT图像训练得到。
4.根据权利要求1所述的一种由单能CT图像生成双能CT图像的方法，其特征在于，步骤(3)所述的ILED、IHED的Idif大小和分辨率相同。
5.根据权利要求1所述的一种由单能CT图像生成双能CT图像的方法，其特征在于，步骤(4)所述的二维卷积神经网络Nest为二维全卷积神经网络。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于东南大学，未经东南大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910368259.4/1.html，转载请声明来源钻瓜专利网。
