[发明专利]一种使用深度学习的CBCT去伪影方法

摘要

本发明公开了一种使用深度学习的CBCT去伪影方法，首先体配准对整体的CBCT‑CT数据集进行预处理，使得两种数据的数量相等，再通过精配准之后送入深层卷积神经网络进行残差学习，得到伪影图，最后将CBCT与伪影图的做残差，实现CBCT的伪影去除。优点：本发明在实用IGRT图像库真实数据的基础上，通过二次配准对数据预处理，引接下来通过深层卷积神经网络结构框架进行残差学习伪影分布；同时采用GPU加速，缩短了训练的时间，加速了实验的训练过程，有效地去除CBCT的亮暗不均匀伪影及条纹状伪影，有利于进一步发挥CBCT系统的优势与潜力。

主权项

1.一种使用深度学习的CBCT去伪影方法，其特征是，包括如下步骤：(1)从IGRT系统获取CBCT图像和CT图像对，组成CBCT‑CT数据集，对CBCT‑CT数据集进行基于互信息的配准，提高同一个病人相同部位CBCT和CT的匹配度，并解决由CBCT、CT切片厚度不同导致两种数据数量不同的问题；(2)将匹配过的CBCT‑CT数据集进一步划分成子图像块，对相同位置的CBCT‑CT子图进行二次配准，得到CBCT‑CT子块组；(3)将两次配准之后的子块组通过一个深度神经网络进行残差学习，估计出CBCT图像与对应位置的CT图像之间的残差分布；(4)根据模型求出待测CBCT的残差图，并用CBCT减去残差图得到去除伪影的CBCT图像。