[发明专利]使用深度学习技术自动校正X射线数据的受金属影响的体素表示

说明书

描述了一种用于校正受金属影响的X射线数据的体素表示的计算机实现的方法，该受金属影响的X射线数据表示由X射线成像仪成像的组织的体积中的金属或含金属的对象引起的X射线数据中的伪影，其中，该方法包括：第一3D深度神经网络在其输入处接收受金属影响的X射线数据的初始体素表示并且在其输出处生成体素图，体素图识别初始体素表示的属于受金属影响的体素的区域的体素；以及第二3D深度神经网络在其输入处接收所述初始体素表示和由第一3D深度神经网络生成的体素图，并生成校正后的体素表示，所述校正后的体素表示包括针对由所述体素图识别为受金属影响的区域的部分的体素的体素估计，第一3D深度神经基于训练数据和参考数据被训练，训练数据和参考数据包括患者的预定身体部位的临床X射线数据的体素表示。

技术领域

本发明涉及使用深度学习技术自动校正X射线数据的受金属影响的体素表示，并且特别地但非排他地涉及使用深度学习技术校正X射线数据的受金属影响的体素表示的方法和系统、用于训练深度神经网络系统以校正受金属影响的X射线的体素表示的方法以及用于执行此类方法的计算机程序产品。

背景技术

在CT扫描期间，通过预定强度的X射线辐射束,组织的不同区域以不同的角度暴露，同时传感器阵列测量行进通过组织的X射线束的强度。基于传感器测量的衰减的辐射束，可以确定X射线辐射在组织中的不同区域处的吸收。在扫描期间获得的数据具有成组的具有不同幅度和相位的正弦波信号的形式，通常称为正弦图。重建算法可以使用正弦图来重建扫描的组织的2D或3D图像。这种重建算法通常称为反投影。

当组织包括具有明显偏离生物材料的吸收系数的高吸收系数的材料时，当试图基于使用反投影来重建图像时，可能出现问题。例如。在牙科领域，金属植入物和/或牙科填充物通常由吸收系数较高的相对较高密度的金属材料(例如，汞合金、金、银、钯、钛等)制成，其可能在构建的图像中引起不一致，例如看起来似乎缺失数据点或数据点不正确，它们不表示实际组织或所扫描的其他结构密度值。由高密度材料引起的这些不一致通常可以称为金属伪影或简称为伪影(请注意，在文献中经常使用“伪像(artifact)”而不是“伪影(artefact)”)。

伪影可能造成严重问题，因为它可能干扰诊断过程，例如：由医学专家或基于计算机的自动诊断系统执行的诊断过程。由于使用短波长电离辐射引起对潜在的健康危害的担忧的事实，因在CT检查中降低剂量的总体趋势，加剧了伪影问题。降低剂量的缺点是重建的CT图像中的噪声增加。此外，在诸如口腔外科、牙髓和正畸的医学领域中，越来越多地使用诸如锥束CT(CBCT)扫描仪等小型CT扫描仪。CBCT扫描仪是紧凑的低剂量扫描仪，其中，X射线束具有锥形的形状。尽管CBCT技术与常规CT扫描技术有许多相似之处，但也存在实质性差异。例如，由于CBCT使用传感器的2D阵列和锥形束成形的X射线束，因此锥形束重建算法与常规CT扫描仪的典型重建算法不同。此外，在CBCT扫描中，以亨氏(Hounsfield)单位(HU)测量的辐射密度是不一致的，因为扫描中的不同区域根据它们在被扫描器官中的相对位置而出现不同的灰度值。使用CBCT和医学级CT扫描仪从同一解剖区域测量的HUs不相同，因此对于确定特定于位置的放射成像识别的测量密度是不可靠的。由于这种差异，高密度材料的不利影响根据扫描仪的类型和反投影技术将在图像中以不同的方式出现。