[发明专利]能谱CT的材料分解方法、装置、存储介质及电子设备

权利要求书

1.一种能谱CT的材料分解方法，其特征在于，包括：

采集初始图像，对所述初始图像的像素值进行通道分解，得到模拟材料基；

基于预设规则，根据模拟材料基生成模拟多能谱样本数据；

构建初始能谱分解模型；

基于所述模拟多能谱样本数据和所述模拟材料基对所述初始能谱分解模型进行训练，调节所述初始能谱分解模型的网络参数，生成能谱分解模型；

获取多能谱CT投影数据；

将所述多能谱CT投影数据输入至预先训练的能谱分解模型中，根据所述能谱分解模型的输出结果，得到各材料基的CT图像，其中，所述能谱分解模型用于同步对所述多能谱CT投影数据进行图像重建和能谱分解；

其中，所述初始能谱分解模型包括多通道网络模型；

对于第一通道网络模型，所述第一通道网络模型包括依次连接的投影域子模型、数据转换模块和图像域子模型；其中，

所述第一通道网络模型的投影域子模型还与第二通道网络模型的投影域子模型进行连接，用于提取输入数据的第一特征信息，将所述第一特征信息与所述第二通道网络模型中投影域子模型提取的第二特征信息进行交互，并将所述第一特征信息与第二特征信息进行融合；

数据转换模块用于将所述投影域子模型输出的投影数据转换为CT图像；

所述第一通道网络模型的图像域子模型还与第二通道网络模型的图像域子模型连接，用于提取CT图像的第三特征信息，所述第三特征信息与所述第二通道网络模型中图像域子模型提取的第四特征信息进行交互，并将所述第三特征信息与第四特征信息进行融合，生成材料基的CT图像。

2.根据权利要求1所述的方法，其特征在于，对所述初始图像的像素值进行通道分解，得到模拟材料基，包括：

提取所述初始图像中R通道、G通道和B通道的像素值，基于任一通道的像素值生成对应的归一化灰度图像，将所述归一化灰度图像与所述归一化灰度图像的关联灰度图像作为模拟材料基，其中，所述关联灰度图像的像素点的像素值根据数值1与归一化灰度图像中对应像素点的像素值的差值确定。

3.根据权利要求1所述的方法，其特征在于，所述投影域子模型包括第一信息提取模块、第一信息交互模块和第一信息融合模块；其中，

所述第一信息提取模块用于对输入的能谱CT投影数据进行特征提取，生成第一特征信息，所述第一信息交互模块与第二通道网络模型中的投影域子模型连接，用于将提取的第一特征信息发送至所述第二通道网络模型，所述第一信息融合模块用于接收第二通道网络模型中的投影域子模型发送的第二特征信息，并将所述第一特征信息与所述第二特征信息进行融合；

所述图像域子模型包括第二信息提取模块、第二信息交互模块和第二信息融合模块；其中，

所述第二信息提取模块用于对输入的CT图像进行特征提取，生成第三特征信息，所述第二信息交互模块与第二通道网络模型中的图像域子模型连接，用于将提取的第三特征信息发送至所述第二通道网络模型，所述第二信息融合模块用于接收第二通道网络模型中的图像域子模型发送的第四特征信息，并将所述第三特征信息与所述第四特征信息进行融合，生成材料基的CT图像。

4.根据权利要求1所述的方法，其特征在于，构建初始能谱分解模型，包括：

确定材料基迭代函数，根据所述材料基迭代函数的组成结构进行函数划分，得到各组成部分；

根据所述组成部分构建数据处理模块；

根据所述各组成部分之间的关联关系确定各数据处理模块的连接关系，生成所述初始能谱分解模型的任一网络层，其中，所述初始能谱分解模型包括多通道子模型，任一通道子模型包括预设数量的网络层，各网络层的网络结构相同。

5.根据权利要求4所述的方法，其特征在于，

任一所述材料基迭代函数包括分母部分、分子中的输入数据处理部分和分子中的先验函数部分；

相应的，任一网络层中的数据处理模块包括第一数据模块Denoninator-b_k、第二数据模块Numerator-b_k和卷积网络模块CNN-b_k,其中，所述第二数据模块与前一网络层中各通道的输出端连接，用于对各通道输出的材料基数据进行融合，其中，b_k是编号为k的材料基，k是大于等于2的整数。