[发明专利]一种基于深度学习的X射线吸收衬度计算机断层成像不完备数据重建方法

权利要求书

1.一种基于深度学习的X射线吸收衬度计算机断层成像不完备数据重建方法，其特征在于，包括如下步骤：

步骤1、使用滤波反投影FBP重建算法对X射线吸收衬度CT计算机断层成像系统所获得的不完备吸收衬度投影序列进行重建，获得初始重建图像；所述初始重建图像是由于投影序列不完备，在FBP初始重建结果中存在伪影和噪声；

步骤2、利用前向投影算子对所述的初始重建图像进行前向投影，获得被伪影污染的完备投影序列；所述被伪影污染的完备投影序列是通过前向投影操作，将图像结构信息以及伪影一起前向投影到投影序列中，序列数量满足完备性条件，即满足奈奎斯特采样定理；

步骤3、利用深度学习技术对所述的被伪影污染的完备投影序列进行处理，获得不含伪影的完备投影序列；所述不含伪影的完备投影序列是利用深度学习技术对被伪影污染的完备投影序列进行处理，得到的投影序列已不再包含伪影，且序列数量满足完备性条件；

步骤4、利用FBP重建算法对所述的不含伪影的完备投影序列进行重建，获得最终重建图像。

2.根据权利要求1所述的基于深度学习的X射线吸收衬度计算机断层成像不完备数据重建方法，其特征在于，

所述的不完备的投影序列是由于各种成像条件限制或特殊需要所导致的不完备数据，包括稀疏角数据和有限角数据。

3.根据权利要求1所述的基于深度学习的X射线吸收衬度计算机断层成像不完备数据重建方法，其特征在于，

步骤1使用如公式(1)所示FBP重建算法产生初始重建图像：

其中，β(r,θ)代表重建结果，(r，θ)代表极坐标，U代表成像系统权重矩阵，P(ω,φ)代表投影序列，D代表射线源到成像系统旋转中心的距离，h代表滤波器的傅里叶反变换，ω代表探测器上的探元位置，φ代表成像的旋转角度。

4.根据权利要求1所述的基于深度学习的X射线吸收衬度计算机断层成像不完备数据重建方法，其特征在于，

步骤2对初始重建图像使用如公式(2)所示前向算子产生投影：

其中，P(ω,φ)为所述的被伪影污染的完备投影序列，其包含图像结构信息以及伪影，序列数量与完备数据相同，β(r,θ)为初始重建图像，l为投影路径。

5.根据权利要求1所述的基于深度学习的X射线吸收衬度计算机断层成像不完备数据重建方法，其特征在于，

步骤3所使用的深度学习技术是对所述的被伪影污染的投影序列进行处理，而不是处理初始重建结果。