[发明专利]基于深度学习的快速流水线计算机断层成像方法

说明书

本发明公开一种基于深度学习的快速流水线计算机断层成像(Computed Tomography,CT)方法，步骤为：将多个物体放置于流水线CT检台上，进行基于稀疏采样的同步CT扫描，得到流水线CT稀疏投影序列；将流水线CT稀疏投影序列插值成信息缺失的完备投影序列；利用深度学习技术处理信息缺失的投影序列，补充投影信息，得到信息、尺寸均完备的投影序列；对完备投影序列进行分割处理，获得每个物体相对应的投影序列；使用滤波反投影重建算法对每个物体的投影序列分别进行重建，获得最终的断层重建图像。本发明将成像时间大幅缩短；同时保证快速流水线CT成像技术的重建质量，使之满足高质、高效的工业无损检测需求。

技术领域

本发明涉及X射线计算机断层成像和人工智能技术领域，尤其涉及一种基于深度学习的快速流水线计算机断层成像方法。

背景技术

在X射线计算机断层成像(Computed tomography,CT)系统中，X射线源发出X射线，从不同角度穿过被测物体的某一区域，放置于射线源对面的探测器在相应角度接受，然后根据各角度射线不同程度的衰减，利用一定的重建算法和计算机进行运算，重建出物体被扫描区域的射线线衰减系数分布映射图像，从而实现由投影重建图像，无损地再现物体在该区域内的介质密度、成分和结构形态等特征。

成像效率一直是制约CT广泛应用的主要因素之一。它主要由扫描时间和图像重建时间决定。目前，由于图像处理单元GPU及其相应并行运算架构CUDA的广泛使用，图像重建时间已得到大幅提高。因此，为进一步改进成像效率，需要开发快速的扫描技术。

然而，快速扫描技术通常会导致投影信息缺失。目前，最常用的重建算法是滤波反投影(Filtered Back Projection,FBP)算法，将其应用于完备数据时，FBP重建速度快且获得的图像质量好。但当投影数据不完备时，对应的FBP重建结果就会存在严重的伪影和噪声。

发明内容

本发明技术解决问题：克服现有技术的不足，提供一种基于深度学习的快速流水线计算机断层成像方法，通过流水线CT架构和稀疏采样策略实现快速流水线CT扫描，将成像时间大幅缩短；同时，利用深度学习技术保证快速流水线CT成像技术的重建质量，使之满足高质高效的工业无损检测需求。

本发明技术解决方案：一种基于深度学习的快速流水线计算机断层成像方法其，包括以下步骤：

步骤1、将多个物体放在流水线CT成像检台上，进行同步稀疏采样扫描，得到流水线CT稀疏投影序列；所述流水线CT成像检台上配置多个平行探测器方向的独立转台，可对多个物体进行独立成像，使其投影序列互不串扰；

步骤2、将流水线CT稀疏投影序列插值成信息缺失的完备投影序列；所述信息缺失是由于稀疏角扫描丢失了部分角度的投影数据，插值近似可以改变投影序列的尺寸但无法补充投影信息；

步骤3、利用深度学习技术对所述信息缺失的投影序列进行处理，补充投影信息，获得投影信息完整、准确的完备投影序列；所述投影信息完整、准确的完备投影序列是利用深度学习技术对信息缺失投影序列进行处理，得到的投影序列的重建图像不再存在稀疏扫描伪影，所述深度学习技术是指基于卷积神经网络的流水线CT稀疏投影序列的优化技术；

步骤4、对上述经过处理后的投影序列进行分割，获得每个物体的独立投影序列；所述独立投影序列是由于流水线CT同时对多个物体成像，其投影序列包括多个物体的投影，需计算各物体对应于投影序列中的位置并进行投影分割；

步骤5、使用滤波反投影重建算法对上述每个物体的投影序列分别进行重建，获得最终的断层重建图像。

进一步地，步骤1所述的流水线CT成像不同于常规的多物体CT成像中多个物体绕一个公共旋转轴旋转，而是各物体都配有独立旋转轴；此外，稀疏采样扫描使CT成像时间进一步减少。