[发明专利]锥束CT图像散射伪影校正处理方法及装置

权利要求书

1.一种锥束CT图像散射伪影校正处理方法，其特征在于，包括：

构建合成网络，所述合成网络至少包含两个生成器、两个判别器、两个CBCT图像域特征提取单元及两个pCT图像域特征提取单元，用于将CBCT图像转化为spCT图像；其中，CBCT为锥束CT，spCT为合成的pCT，pCT为计划CT；

分别对CBCT图像及spCT图像进行正向投影，得到CBCT投影及spCT投影，根据CBCT投影及spCT投影确定残差投影；

在所述残差投影中提取散射伪影及图像细节，从所述残差投影中去除所述图像细节，保留所述散射伪影；

从所述CBCT投影中减去所述散射伪影，生成校正后的投影；

对所述校正后的投影进行重建，得到校正后的CBCT图像。

2.根据权利要求1所述的方法，其特征在于，所述合成网络包括：生成器G、生成器F、判别器D_pCT、判别器D_CBCT、第一CBCT图像域特征提取单元、第二CBCT图像域特征提取单元、第一pCT图像域特征提取单元及第二pCT图像域特征提取单元。

3.根据权利要求2所述的方法，其特征在于，生成器G用于从真实CBCT图像生成为spCT图像；

生成器F用于从真实pCT图像生成CBCT图像；

判别器D_pCT用于区分输入图像来自生成器G生成的spCT图像还是真实pCT图像；

判别器D_CBCT用于区分输入图像来自生成器F生成的CBCT图像还是真实CBCT图像。

4.根据权利要求2所述的方法，其特征在于，第一CBCT图像域特征提取单元及第二CBCT图像域特征提取用于提取CBCT图像中的图像域特征；

第一pCT图像域特征提取单元及第二pCT图像域特征提取单元用于提取spCT图像的图像域特征。

5.根据权利要求1所述的方法，其特征在于，所述合成网络的损失函数至少包含对抗性损失、PatchNCE损失及一致性损失。

6.根据权利要求5所述的方法，其特征在于，在所述合成网络中，生成器G的对抗性损失表示为：

L_GAN(G,D_pCT,CBCT,pCT)＝E_pct～pCT[logD_pCT(pct)]+E_cbct～CBCT[log(1-D_pCT(G(cbct)))]

生成器F的对抗性损失表示为：

L_GAN(F,D_CBCT,CBCT,pCT)＝E_cbct～CBCT[logD_CBCT(cbct)]+E_pct～pCT[log(1-D_CBCT(G(pct)))]

其中，L_GAN为对抗性损失；

G和F为生成器；

D_CBCT和D_pCT为判别器；

CBCT为CBCT图像数据集；

pCT为pCT图像数据集；

cbct代表CBCT的图像个体；

pct代表pCT的图像个体；

E_cbct～CBCT表示数学期望，其中cbct服从CBCT的概率分布；

E_pct～pCT表示为数学期望，其中pct服从pCT的概率分布。