[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

说明书

本公开提供一种基于神经网络的螺旋CT图像重建设备和方法。其中，该设备包括：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。本公开的设备通过结合深度神经网络优势和螺旋CT成像问题的特殊性，能够将三维数据投影数据重建为信息更多噪声更少的三维重建图像。

技术领域

本公开涉及辐射成像，具体涉及一种基于神经网络的螺旋CT图 像重建方法和设备以及存储介质。

背景技术

X射线CT(Computed-Tomography)成像系统在医疗、安检、工 业无损检测等领域中都有着广泛的应用。射线源和探测器按照一定的 轨道采集一系列的投影数据，经过图像重建算法的复原可以得到物体 在该射线能量下的线性衰减系数的三维空间分布。CT图像重建是从 探测器采集到的投影数据中恢复线性衰减系数分布，是CT成像的核 心步骤。目前，在实际应用中主要使用滤波反投影(Filtered Back-Projection，FBP)、Feldkmap-Davis-Kress(FDK)类的解析重建算法 和Algebra Reconstruction Technique(ART)、Maximum APosterior(MAP) 等迭代重建方法。

随着人们对辐射剂量这一问题愈发重视，如何在低剂量、快速扫 描的条件下获得常规质量或更高质量图像成为领域内研究的热门。在 重建方法方面，解析重建速度快，但局限于传统的系统架构，且不能 很好地解决数据缺失、噪声大等问题。与解析算法相比，迭代重建算 法在系统架构方面的适用条件广泛，对于各种非标准扫描轨道、低剂 量大噪声、投影数据缺失等问题都能取得较好的重建结果。但是迭代 重建算法往往要求多次迭代，重建耗时较长。对于数据规模更大的三 维螺旋CT更是难以实际运用。对于医疗和工业上广泛应用的螺旋 CT，增大螺距可以减少扫描时间，提高扫描效率，降低辐射剂量。 然而，增大螺距意味着有效数据的减少。利用常规解析重建方法得到 的图像质量较差；而迭代重建方法由于耗时较长，难以实际应用。

深度学习在计算机视觉、自然语言处理等方面取得了重大发展， 尤其是卷积神经网络因为其网络结构的简洁、特征提取的有效、参数 空间的压缩等多个方面的优势成为图像分类、检测等应用的主流网络 结构。但目前未有相关的应用神经网络来进行螺旋CT图像重建的研 究。

发明内容

根据本公开实施例，提出了一种螺旋CT图像重建方法和设备以 及存储介质。

根据本公开的一方面，提供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。

根据本公开的另一方面，提供一种螺旋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。

根据本公开的再一方面，提供一种用于训练神经网络的方法，所 述神经网络包括：