[发明专利]心脏图像的运动伪影校正方法、系统、存储介质和设备

说明书

本申请涉及一种心脏图像的运动伪影校正方法、系统、可读存储介质和设备，属于医疗影像技术领域，在扫描过程中，获取扫描对象的心脏扫描数据，根据心脏扫描数据获取扫描对象的心脏重建图像；将心脏重建图像输入至预设的深度学习网络，获取深度学习网络输出的心脏运动伪影校正图像；利用深度学习网络的分析学习能力可以对心脏图像的特征的变换进行训练，从而达到心脏运动伪影校正的能力，而且通过深度学习网络实现对整个心脏重建图像的端对端校正，有效避免校正误差。

技术领域

本申请涉及医疗影像技术领域，特别是涉及一种心脏图像的运动伪影校正方法、系统、可读存储介质和设备。

背景技术

一般情况下，采用医学影像设备(如CT(Computed Tomography，电子计算机断层扫描)、PET(Positron Emission Computed Tomography，正电子发射型计算机断层显像)、MR(Magnetic Resonance，磁共振)对被检测者的某一扫描区域扫描过程中，被检测者可能存在自主或不自主的运动(如被检测者自主的呼吸运动、不自主的心脏搏动和胃肠蠕动等)，这些自主或不自主的运动就会在重建图像上形成运动伪影，降低图像质量甚至影响诊断。

例如，在CT扫描过程中，被检测者不自主的心脏搏动会形成运动伪影，目前一般是在图像上先进行冠脉提取，再对提取的冠脉进行运动配准从而得到配准后的运动场，利用运动场进行运动伪影补偿；还有利用运动场信息加入到反投影算法中，直接在数据上进行运动伪影补偿。

目前针对相关技术中，无论哪种算法，由于都需要进行图像配准以及运动场的估计，所以计算时间都很长，且效果决定于冠脉分割，配准以及运动场的估计和补偿，任何一步不准确都会带来结果上的很大差异，导致图像的运动伪影校正效果差，对此尚未提出有效的解决方案。

发明内容

基于此，有必要针对传统的医学设备扫描过程中心脏运动伪影校正方式效果差的问题，提供一种心脏图像的运动伪影校正方法、系统、可读存储介质和设备。

第一方面，本申请提供了一种心脏图像的运动伪影校正方法，方法包括以下步骤：

获取扫描对象的心脏扫描数据，根据心脏扫描数据获取扫描对象的心脏重建图像；

将心脏重建图像输入至预设的深度学习网络；

获取深度学习网络输出的心脏运动伪影校正图像。

在其中一个实施例中，深度学习网络包括非刚性空间变换网络或刚性空间变换网络；所述非刚性空间变换网络或刚性空间变换网络用于对所述心脏重建图像进行空间变换。

在其中一个实施例中，心脏图像的运动伪影校正方法还包括以下步骤：

获取多个第一心脏扫描数据，根据所述多个第一心脏扫描数据获取多个第一心脏重建图像，对所述多个第一心脏重建图像进行运动伪影校正后获取第一目标图像；

将所述多个第一心脏重建图像作为训练输入样本，以所述第一目标图像作为训练目标样本，对初始化的深度学习网络进行训练；

在经过多组所述训练输入样本和所述训练目标样本的训练后，得到所述预设的深度学习网络。

在其中一个实施例中，根据所述多个第一心脏扫描数据获取多个第一心脏重建图像的步骤包括以下步骤：

对连续时间点下获取的多个第一心脏扫描数据进行重建，获得重建后的多个第一心脏重建图像。

在其中一个实施例中，根据多个所述第一心脏重建图像获取对应的心脏运动伪影校正的第一目标图像的步骤包括以下步骤：

采用心脏运动伪影校正算法对多个所述第一心脏重建图像进行处理，获得对应的心脏运动伪影校正的第一目标图像；