[发明专利]图像重建方法、装置、设备、系统及计算机可读存储介质

说明书

本申请实施例公开了图像重建方法、装置、设备、系统及计算机可读存储介质，该方法包括：利用所获取的已测样本图像对所构建的目标网络模型进行训练，其中，所述目标网络模型包括具有固定网络参数的第一网络结构以及含有多层卷积层的第二网络结构，利用所述第一网络结构按照预设算法对所获取的待测数据集进行图像重建处理以得到第一重建图像，所述待测数据集包括在多个不同投影角度下采集到的目标对象的投影数据；利用训练后的所述第二网络结构对所述第一重建图像进行去噪处理以得到第二重建图像。通过利用本申请实施例提供的技术方案，可以提高重建图像的质量及数据处理速度。

技术领域

本申请涉及图像处理技术领域，特别涉及一种图像重建方法、装置、设备、系统及计算机可读存储介质。

背景技术

在临床实践中，在利用计算机断层成像(Computed Tomography，简称CT)、正电子发射断层成像(Positron Emission Tomography，简称PET)等医疗设备对病人进行扫描检查后，通常需要对扫描数据进行图像重建，以获得可供医生查看的图像。

目前，实现图像重建的方法有很多，例如，直接反投影法、滤波反投影法(FilteredBack Projection，简称FBP)或傅立叶直接变换法等解析方法，这些方法的实质是利用所采集的投影数据求解图像矩阵中的像素值以重新构造图像。

在实现本申请过程中，发明人发现现有技术中至少存在如下问题：

(1)FBP等解析方法对投影数据要求较高，并且通过该方法获得的重建图像分辨率较低；

(2)现有的迭代方法对系统要求高，处理过程中的系统响应矩阵较大，收敛速度慢，并且迭代次数有一定的随机性，因而导致数据处理速度较慢。

发明内容

本申请实施例的目的是提供一种图像重建方法、装置、设备、系统及计算机可读存储介质，以解决现有技术中存在的至少一种问题。

为了解决上述技术问题，本申请实施例提供了一种图像重建方法，该图像重建方法包括：

利用所获取的已测样本图像对所构建的目标网络模型进行训练，其中，所述目标网络模型包括具有固定网络参数的第一网络结构以及含有多层卷积层的第二网络结构，

利用所述第一网络结构按照预设算法对所获取的待测数据集进行图像重建处理以得到第一重建图像，所述待测数据集包括在多个不同投影角度下采集到的目标对象的投影数据；

利用训练后的所述第二网络结构对所述第一重建图像进行去噪处理以得到第二重建图像。

可选地，利用所获取的已测样本图像对所构建的目标网络模型进行训练的步骤包括：

对所获取的所述已测样本图像进行拉东变换处理以获得对应的样本数据集，所述样本数据集包括所述已测样本图像在多个不同特定角度下所对应的投影数据，并且所述样本数据集与所述待测数据集相匹配；

利用所获得的所述样本数据集对所构建的所述目标网络模型进行训练。

可选地，利用训练后的所述第二网络结构对所述第一重建图像进行去噪处理以得到第二重建图像的步骤包括：

利用所述第二网络结构中的第一卷积层提取出所述第一重建图像中的浅层特性信息；

利用所述第二网络结构中的残差模块从所述浅层特性信息中提取出深层特性信息；

利用所述第二网络结构中的第二卷积层对所述浅层特性信息和所述深层特性信息进行处理以得到第二样本图像。

可选地，所述预设算法包括直接反投影法或滤波反投影法。

可选地，所述投影数据包括CT图像数据、PET图像数据或PET/CT图像数据。