[发明专利]基于截断数据外推网络的CT局部重建方法

说明书

本发明涉及一种基于截断数据外推网络的CT局部重建方法，该方法利用投影正弦图的分布特征和截断数据外推网络的特征提取能力完成投影正弦图的数据补全，首先将截断后的投影正弦图输入截断数据外推网络，然后利用截断数据外推网络提取截断数据的分布特征，通过截断数据外推网络的拟合特性，完成投影正弦图截断数值的外推，截断数据外推网络经过训练后获得特征参数，利用所得参数可以快速准确的完成投影正弦图截断数据的补全，将补全后的正弦图进行滤波及FBP重建，得到清晰的CT图像，有效的抑制了截断伪影的出现。

技术领域

本发明涉及CT图像局部重建技术领域，具体涉及一种基于截断数据外推网络的CT局部重建方法。

背景技术

计算机断层成像技术(CT)是一种X光显影技术，以其无损、可视化等优点广泛应用于医疗诊断、工业无损探伤等领域。虽然CT技术已经发展得相当成熟，但受到现有成像方法的制约，在高分辨率成像、大物体成像和减少辐射剂量等方面仍然存在一定的问题。

一方面，医疗领域中通常只对人体的某个发生病变的器官或部位感兴趣，另一方面，实际的工程应用中，由于物体结构、尺寸的约束，不能进行全角度的扫描。以上情况均会造成投影数据的截断，若使用传统重建算法如滤波反投影算法(FBP)进行重建，图像就会出现明显的截断伪影。为消除截断伪影，可以采用投影数据外推延拓的方法对投影数据进行补全，再用FBP算法进行重建。

现有数据外推方法主要是通过插值或空间变换迭代来实现。例如，常量外推法：以边界点的投影值作为缺失的数据值向两侧外延数据；曲线拟合法：利用最小二乘法对采样点进行曲线拟合，再利用这条曲线外推出其他投影值。这些外推方法只利用投影边缘数据进行补全，没有有效利用投影数据间的冗余性，其精确度较低。

发明内容

本发明为解决CT图像局部重建出现截断伪影的问题，提供一种基于截断数据外推网络的CT局部重建方法，通过N张同一物体的CT图像及截断图像获得训练样本数据集，利用基于U-net网络的截断数据外推网络通过训练样本数据集进行深度学习，得到一个能够较好的补全截断投影数据的神经网络，将待重建截断图像输入截断数据外推网络，对待重建截断图像进行补全，最终在得到补全后的完整数据后进行FBP重建，从而解决截断伪影的问题。

本发明的技术方案是：

基于截断数据外推网络的CT局部重建方法，所述方法包括：

步骤1：基于投影图像特征，制作匹配的训练样本数据集；

步骤2：基于投影图像特点，计算截断数据外推网络损失；

步骤3：利用截断数据外推网络损失作为约束对截断数据外推网络的构建进行优化、并通过训练样本数据集对截断数据外推网络进行训练；

对特征图进行融合完成对截断区域信息的补全，获得修补后的投影正弦图；

步骤4：对截断数据外推网络补全后的投影正弦图进行FBP重建。

进一步地，所述步骤1具体包括：

步骤1.1：获取N张同类物体的不同角度的完整CT图像、并对N张所述完整CT图像分别进行随机像素的上下截断处理，得到N张与完整CT图像对应的截断图像；

步骤1.2：将截断图像的被截断部分投影数据置零，获得截断图像的投影正弦图，同时获得完整CT图像的投影正弦图；

步骤1.3：构建完整CT图像的投影正弦图与截断图像的投影正弦图一一对应的图像对、并将所述图像对整合建立训练样本数据集。

进一步地，所述步骤2具体包括：

步骤2.1：在截断处理区域将L2损失函数作为外推网络的损失约束条件，按照公式(1)进行截断数据外推网络损失计算：