[发明专利]运动补偿方法、装置、CT设备及CT系统

说明书

本发明实施例提供一种运动补偿方法、装置、CT设备及CT系统。本发明实施例通过根据预设的运动向量场模型，在预设运动范围内确定M个初始运动向量场，针对目标重建位置，分别根据每个初始运动向量场，对待处理的心脏CT扫描数据进行运动补偿后进行图像重建，得到M幅初步重建图像，利用已训练好的分类模型对M幅初步重建图像进行分类，根据分类结果选择运动伪影小于预设阈值的至少一幅图像，根据至少一幅图像，确定目标运动向量场，根据目标运动向量场，对心脏CT扫描数据进行运动补偿，得到目标数据，通过分类模型筛选出运动伪影小于预设阈值的图像用于进行运动伪影的估计，提高了运动向量场的有效性，进而提高了运动补偿的准确性。

技术领域

本发明涉及医学图像处理技术领域，尤其涉及一种运动补偿方法、装置、CT设备及CT系统。

背景技术

CT(Computed Tomography，电子计算机断层扫描)冠状动脉血管成像是目前临床应用广泛的安全无创的影像学技术，能够准确诊断心脏血管相关疾病，是心脏成像中热门的研究方向。心脏成像的难点是在CT扫描时，心脏一直处于运动状态，因此获取到的图像中往往包含运动伪影，影响了图像质量。

针对运动伪影，相关技术中采用心脏冠脉运动补偿技术来重建，这种技术根据冠脉运动向量场(简称运动场)进行运动补偿后再进行图像重建。

发明内容

为克服相关技术中存在的问题，本发明提供了一种数据重建方法、装置、CT设备及CT系统，提高运动补偿的准确性。

根据本发明实施例的第一方面，提供一种运动补偿方法，包括：

根据预设的运动向量场模型，在预设运动范围内确定M个初始运动向量场；M为自然数；

针对目标重建位置，分别根据所述M个初始运动向量场中的每个初始运动向量场，对待处理的心脏CT扫描数据进行运动补偿后进行图像重建，得到M幅初步重建图像；

利用已训练好的分类模型对所述M幅初步重建图像进行分类，根据分类结果从所述M幅初步重建图像中选择运动伪影小于预设阈值的至少一幅图像；所述分类模型为深度学习网络模型；

根据所述至少一幅图像，确定目标运动向量场；

根据所述目标运动向量场，对所述心脏CT扫描数据进行运动补偿，得到目标数据。

根据本发明实施例的第二方面，提供一种运动补偿装置，包括：

初始场确定模块，用于根据预设的运动向量场模型，在预设运动范围内确定M个初始运动向量场；M为自然数；

初步重建模块，用于针对目标重建位置，分别根据所述M个初始运动向量场中的每个初始运动向量场，对待处理的心脏CT扫描数据进行运动补偿后进行图像重建，得到M幅初步重建图像；

分类及选择模块，用于利用已训练好的分类模型对所述M幅初步重建图像进行分类，根据分类结果从所述M幅初步重建图像中选择运动伪影小于预设阈值的至少一幅图像；所述分类模型为深度学习网络模型；

目标场确定模块，用于根据所述至少一幅图像，确定目标运动向量场；

补偿模块，用于根据所述目标运动向量场，对所述心脏CT扫描数据进行运动补偿，得到目标数据。

根据本发明实施例的第三方面，提供一种CT设备，包括：内部总线，以及通过内部总线连接的存储器、处理器和外部接口；其中，所述外部接口，用于连接CT系统的探测器，所述探测器包括多个探测器室及相应的处理电路；

所述存储器，用于存储图像重建的控制逻辑对应的机器可读指令；

所述处理器，用于读取所述存储器上的所述机器可读指令，并执行如下操作：