[发明专利]一种基于张量补全的多能CT成像方法、装置及其存储设备

说明书

本发明公开了一种基于张量补全的多能CT成像方法、装置及其存储设备，该方法及系统，首先需使用FDK算法，对得到的所述每段窄束能谱的投影值，分别进行处理后，得到每个能量段的重建图像；然后，对所得的每个能量段的重建图像建模为3阶张量，其中，建立张量核范数和全变分正则化的最小化模型，提高各能量段重建图像的精度；最后，将建模所得张量中的每一个切片按加权融合算法进行优化加权，得到最终的成像图像。实施本发明的有益效果是，通过基于GATE的多能CT模拟系统采集数据，通过将CT问题固有的多维性质与张量结合起来，更加精确的重建了CT扫描的图像。

技术领域

本发明涉及断层影像(CT)成像系统以及成像方法，更具体地说，涉及一种基于张量补全的多能CT成像方法及系统。

背景技术

CT成像基本原理是用X线束对人体检查部位一定厚度的层面进行扫描，由探测器接收透过该层面的X线，转变为可见光后，由光电转换器转变为电信号，再经模拟/数字转换器(analog/digital converter)转为数字信号，输入计算机处理。

为了进一步的深入研究，人们运用虚拟仿真技术，借助模拟软件，如：Geant4、SimSet等实现CT成像系统的仿真模拟。当前基于光子计数探测器的CT成像 (PhotonCounting Computed Tomography，PCCT)仿真技术主要包括解析仿真算法和蒙特卡洛仿真方法。上述技术的研究均基于GATE(Geant4Application for Tomographic Emission)仿真软件，此仿真软件具有准确的物理模型，友好的用户界面，灵活的使用方法等特点。本发明根据光子计数探测器的能谱滤波分离成像原理，搭建了基于GATE的多能CT虚拟平台。

对于多能谱CT问题，最近，在基于低秩、稀疏分解或者低秩假设的张量或者矩阵的恢复已经做了大量的工作。利用CT问题固有的张量性质，可以使用更广泛的工具来分析这些结构。如今，张量分解工具如CP分解、Tucker分解已经用于化学分析、神经科学、计算机视觉和数据挖掘。高阶奇异值分解 (High Order Singular Value Decomposition，HOSVD)分解也可以看作多维奇异值分解，已经应用于图像处理应用，如面部识别。尽管这些工具处理多维数据很有效，但是要找到这些解，需要解决一个复杂的非凸优化问题，该问题同时具有较差的收敛性。此外，对于CP和Tucker方法，需要已知成分个数，因此考虑使用一种替代方法进行进一步的分析。

发明内容

本发明要解决的技术问题在于，针对现有技术的缺陷，提供一种基于张量补全的多能CT成像方法及系统。

本发明解决其技术问题所采用的技术方案是：构造一种基于张量补全的多能CT成像方法，具有如下步骤：

S1、构建基于GATE的多能CT模拟系统；所述多能CT模拟系统包括光源模块、模体和探测器；所述光源模块用于发射X射线到模体，其中，发射到模体上的X射线将进一步穿过模体，通过探测器对其进行接收并探测当前X射线的强度，通过所述X射线的强度生成对应的投影值；

S2、确定一定电压下的连续X射线能谱，并对所述连续X射线谱抽样得到若干段相邻的窄束能谱，其中，将每段窄束能谱输入到步骤S1构建的多能CT 模拟系统中，通过所述探测器模拟得到每段窄束能谱对应的投影值；

S3、使用FDK算法，对步骤S2得到的所述每段窄束能谱的投影值，分别进行预加权、一维滤波和反投影处理后，得到每个能量段的重建图像；

S4、将步骤S3所得的每个能量段的重建图像建模为3阶张量，建立张量核范数和全变分正则化的最小化模型，其中，所述最小化模型用于修复在投影过程中由于存在外界因素的干扰而引起失真的数据，提高各能量段重建图像的精度；

S5、在能量维度下，将步骤S4建模所得张量中的每一个切片按加权融合算法进行优化加权，得到最终的成像图像。