[发明专利]用于图像重建的系统和方法

权利要求书

1.一种图像重建方法，包括：

获取待处理的初始图像；以及

对所述初始图像执行多次迭代步骤生成重建图像，其中，所述多次迭代步骤中的每一次包括：

所述迭代步骤包括第一优化操作和至少一个第二优化操作，

依次执行所述第一优化操作和所述至少一个第二优化操作，

所述第一优化操作包括：

接收所述迭代步骤中待处理的图像；以及

通过初步优化所述待处理的图像确定更新图像；以及

所述至少一个第二优化操作包括：

通过减少所述更新图像的干扰信息，确定优化图像；以及

将优化图像指定为下一次迭代步骤中下一个待处理的图像。

2.如权利要求1所述方法，其特征在于，所述通过初步优化待处理的图像确定更新图像包括：

对所述迭代步骤中所述待处理的图像执行正向投影变换，确定正向投影数据；以及

至少部分地基于所述正向投影数据和初始采集的投影数据之间的加权误差的反向投影数据，确定所述更新图像，所述初始采集的投影数据与所述初始图像相关。

3.根据权利要求2所述方法，其特征在于，所述至少部分地基于正向投影数据和初始采集的投影数据之间的加权误差的反向投影数据，确定更新图像包括：

确定与所述初始采集的投影数据相关的第一质量权重；

基于所述第一质量权重、所述正向投影数据和所述初始采集的投影数据，确定所述正向投影数据与所述初始采集的投影数据之间的所述加权误差；

对所述加权误差进行反向投影变换，确定所述加权误差的所述反向投影数据；以及

根据所述加权误差的所述反向投影数据，确定所述更新图像。

4.根据权利要求1所述方法，其特征在于，根据牛顿法或梯度下降法执行所述第一优化操作。

5.如权利要求1所述方法，其特征在于，所述通过减少更新图像的干扰信息，确定优化图像包括：

基于优化模型减少所述更新图像的干扰信息，确定所述优化图像，所述优化模型包括机器学习模型。

6.根据权利要求5所述方法，其特征在于，所述基于优化模型减少更新图像的干扰信息，确定优化图像包括：

确定所述更新图像的质量特征；

将所述更新图像和所述质量特征输入所述优化模型；以及

基于所述优化模型的输出，确定所述优化图像。

7.如权利要求6所述方法，其特征在于，所述质量特征包括所述更新图像的噪声特征、伪影特征、灰度分布、全局灰度、分辨率和/或对比度中的至少一个。

8.如权利要求7所述方法，其特征在于，

所述噪声特征包括噪声分布、全局噪声强度和/或噪声率中的至少一个；和/或

所述伪影特征包括伪影分布、全局伪影强度和/或伪影率中的至少一个。

9.根据权利要求5所述方法，其特征在于，所述优化模型是通过训练过程获得的，所述训练过程包括：

获取多组训练样本，所述多组训练样本中的每一个包括样本图像和所述样本图像的样本质量特征；以及

基于所述多组训练样本训练初始优化模型，获得所述优化模型，其中，所述优化模型的损失函数与第二质量权重正相关，所述第二质量权重基于所述样本质量特征确定。