[发明专利]基于神经网络的螺旋CT图像重建方法和设备及存储介质

权利要求书

1.一种基于神经网络的螺旋CT图像重建设备，其中，包括：

存储器，用于存储指令和来自螺旋CT设备对被检查对象的三维投影数据，所述被检查对象被预设为多层截面；

处理器，配置为执行所述指令，以便：

分别对各层截面进行图像重建，对于每层截面的重建，包括：输入所述与待重建截面相关的三维投影数据至经训练的神经网络模型，得到截面重建图像；

根据多层截面的重建图像形成三维重建图像。

2.根据权利要求1所述的基于神经网络的螺旋CT图像重建设备，其中，所述神经网络模型包括：

投影域子网络，用于处理输入的与截面相关的三维投影数据，得到二维投影数据。

3.根据权利要求2所述的基于神经网络的螺旋CT图像重建设备，其中，所述神经网络模型还包括：

域转换子网络，用于对所述二维投影数据进行解析重建，得到图像域截面图像。

4.根据权利要求3所述的基于神经网络的螺旋CT图像重建设备，其中，所述神经网络模型还包括：

图像域子网络，用于输入所述图像域截面图像，经过包含若干层的卷积神经网络作用，提取数据在图像域的特征并对图像特征进行进一步的耦合，最终得到截面重建图像。

5.根据权利要求1所述的基于神经网络的螺旋CT图像重建设备，其中，所述神经网络模型输入的待重建截面相关的三维投影数据为从螺旋CT设备全部投影数据中选取的与待重建截面相关并进行重排后的投影数据。

6.根据权利要求1所述的基于神经网络的螺旋CT图像重建设备，其中，存入所述存储器被检查对象的三维投影数据为螺旋CT设备全部投影数据进行过插值预处理后的数据。

7.根据权利要求1所述的基于神经网络的螺旋CT图像重建设备，其中，所述训练采用的学习数据包括：模拟数据和/或实际数据，所述模拟数据包括使用数值仿真被扫描物体进行螺旋投影得到的数据，以及该被扫描物体的图像真值作为标签；所述实际数据包括螺旋CT设备扫描物体获得的螺旋投影数据和根据该投影数据进行迭代重建获得的标签图像；或者已知材料和结构的实际模体进行螺旋扫描得到投影数据，用已知的材料和结构信息形成标签图像。

8.根据权利要求2所述的基于神经网络的螺旋CT图像重建设备，其中，所述投影域子网络为卷积神经网络结构，该部分网络以三维投影数据作为输入，此部分网络用于估计设定截面内线衰减系数的扇束和/或平行束投影，该扇束和/或平行束投影作为投影域子网络的输出。

9.根据权利要求4所述的基于神经网络的螺旋CT图像重建设备，其中，所述图像域子网络为卷积神经网络结构，该部分网络以域转换子网络的输出作为输入，输出优化的重建图像。

10.一种螺旋CT图像重建方法，其中，包括：

被检查对象被预设为多层截面；

分别对各层截面进行图像重建，对于每层截面的重建，包括：输入所述与待重建截面相关的三维投影数据至经训练的神经网络模型，得到截面重建图像；

根据多层截面的重建图像形成三维重建图像。

11.根据权利要求10所述的方法，其中，所述神经网络模型包括：

投影域子网络，用于处理与待重建截面相关的三维投影数据，得到二维投影数据；

域转换子网络，用于对二维投影数据进行解析重建，得到图像域截面图像；

图像域子网络，用于输入所述图像域截面图像，经过包含若干层的卷积神经网络作用，提取数据在图像域的特征，对图像特征进行进一步的优化，得到待重建截面的精确重建图像。

12.根据权利要求10所述的方法，其中，还包括：

由CT扫描设备获取衰减信号数据，并对衰减信号数据进行处理后得到三维投影数据；

从全部三维投影数据中选取与待重建截面相关并进行重排后的投影数据，作为神经网络模型的输入。