本發(fā)明涉及醫(yī)療影像處理領(lǐng)域，特別涉及一種的偽影校正方法及系統(tǒng)。

背景技術(shù)：

ct自上世紀(jì)70年代問世以來，不斷獲得改進(jìn)，從第一代到第五代，不斷縮短掃描時(shí)間和提高圖像質(zhì)量。ct已廣泛應(yīng)用于醫(yī)學(xué)診斷的諸多領(lǐng)域。ct通過測量x射線在各個(gè)方向上透過人體斷層時(shí)的累積衰減系數(shù)(或稱投影)，再由計(jì)算機(jī)計(jì)算出整個(gè)斷面上x射線衰減系數(shù)的分布，最后以圖像形式顯示出來，用以協(xié)助臨床進(jìn)行疾病的診斷。由于其能夠提供比普通x射線成像更高的軟組織分辨力，并解決了三維結(jié)構(gòu)重疊的問題，使其在醫(yī)學(xué)成像上具有劃時(shí)代意義。而在ct的發(fā)展過程中，偽影一直是制約ct的重要因素。所謂偽影，是指實(shí)際物體被掃描時(shí)，重建圖像中出現(xiàn)的實(shí)物中不存在的成分，它是造成ct重建圖像失去診斷意義的重要因素之一。環(huán)狀偽影是影響ct重建圖像像質(zhì)的一類重要偽影，反映在形貌上，是以重建中心為圓心且灰度區(qū)別于周圍像素的一系列同心圓環(huán)，屬于ct重建圖像中的一種典型偽影。環(huán)狀偽影降低了ct重建圖像的質(zhì)量，影響圖像后續(xù)處理和量化分析。環(huán)狀偽影的形成，主要是因?yàn)樘綔y器探元對射線場強(qiáng)響應(yīng)的不一致性造成。環(huán)狀偽影的形成，也有可能是因?yàn)樘綔y器的安裝位置偏差對掃描帶來的影響，以及信號串?dāng)_對掃描帶來的影響。在臨床上由于偽影與病理組織交疊容易造成圖像模糊導(dǎo)致誤診或漏診，因此校正或最大程度的減少這種偽影是十分必要的。研究環(huán)狀偽影及其相應(yīng)解決辦法是目前ct成像問題的重點(diǎn)和熱點(diǎn)之一。

目前，大部分環(huán)狀偽影校正方法都是基于偽影產(chǎn)生的某一個(gè)因素，在成像影像中利用校正算法進(jìn)行校正，減小或消除該因素對圖像帶來偽影的影響。

但在成像影像中利用校正算法對圖像的環(huán)狀偽影進(jìn)行校正存在如下問題：

1.對影響圖像環(huán)狀偽影的所有因素不能同時(shí)被校正或大部分被校正；

2.校正精確度取決于校正算法的適用性，不同的校正算法會(huì)導(dǎo)致校正效果和精確度不高。

技術(shù)實(shí)現(xiàn)要素：

針對上述在成像影像中利用校正算法對圖像的環(huán)狀偽影進(jìn)行校正存在的問題，本發(fā)明的目的在于提高環(huán)狀偽影校正的校正效果和精確度，解決現(xiàn)有技術(shù)ct設(shè)備中對影響圖像環(huán)狀偽影的所有因素不能同時(shí)被校正或大部分被校正的問題。

為達(dá)到上述發(fā)明目的，本發(fā)明提供的技術(shù)方案如下：

一種偽影校正方法，其特征在于，該方法包括：掃描模體，通過探測器獲取所述模體的第一投影數(shù)據(jù)；對所述模體的第一投影數(shù)據(jù)進(jìn)行處理或通過模擬得到所述模體的第二投影數(shù)據(jù)；構(gòu)建神經(jīng)網(wǎng)絡(luò)模型，利用所述模體的第一投影數(shù)據(jù)和第二投影數(shù)據(jù)對所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到校正系數(shù)；以及利用所述校正系數(shù)對待校正的檢測目標(biāo)的第三投影數(shù)據(jù)進(jìn)行校正，并利用校正后的投影數(shù)據(jù)重建所述檢測目標(biāo)的醫(yī)學(xué)圖像。

在本發(fā)明中，所述利用所述模體的第一投影數(shù)據(jù)和第二投影數(shù)據(jù)對所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到校正系數(shù)，包括：將多組不同掃描條件下的所述模體的第一投影數(shù)據(jù)和第二投影數(shù)據(jù)輸入到所述神經(jīng)網(wǎng)絡(luò)模型中，得到所述多組不同掃描條件對應(yīng)的校正系數(shù)。

在本發(fā)明中，所述對所述模體的第一投影數(shù)據(jù)進(jìn)行處理，得到所述模體的第二投影數(shù)據(jù)，包括：對所述模體的第一投影數(shù)據(jù)進(jìn)行重建，得到所述模體的第一圖像；對所述模體的第一圖像進(jìn)行平滑處理，得到所述模體的第二圖像；以及對所述模體的第二圖像進(jìn)行正投影，得到所述模體的第二投影數(shù)據(jù)

在本發(fā)明中，所述掃描條件包括：所述模體的大小、掃描協(xié)議和/或所述模體的偏心設(shè)置。

在本發(fā)明中，所述深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的優(yōu)化目標(biāo)是期望輸出的校正系數(shù)接近于已知的校正系數(shù)。

在本發(fā)明中，所述利用所述模體的第一投影數(shù)據(jù)和第二投影數(shù)據(jù)對所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到校正系數(shù)，還包括：獲取初始校正參數(shù)，并利用所述初始校正參數(shù)初始化所述神經(jīng)網(wǎng)絡(luò)模型。

在本發(fā)明中，所述對所述模體的第一投影數(shù)據(jù)進(jìn)行處理，得到所述模體的第二投影數(shù)據(jù)，包括：對所述模體的第一投影數(shù)據(jù)進(jìn)行平滑處理，得到所述模體的第二投影數(shù)據(jù)。

在本發(fā)明中，所述利用所述校正系數(shù)對待校正的檢測目標(biāo)的第三投影數(shù)據(jù)進(jìn)行校正，包括：根據(jù)所述校正系數(shù)，構(gòu)建校正模型；以及將所述第三投影數(shù)據(jù)輸入所述校正模型，得到校正后的投影數(shù)據(jù)。

在本發(fā)明中，所述校正模型包含探測器響應(yīng)的一階導(dǎo)和/或二階導(dǎo)。

為達(dá)到上述目的，本發(fā)明還提供了另一種偽影校正方法，所述方法包括：獲取至少一個(gè)訓(xùn)練樣本，每個(gè)訓(xùn)練樣本包括模體的第一投影數(shù)據(jù)和第二投影數(shù)據(jù)，所述第一投影數(shù)據(jù)通過掃描所述模體得到，所述第二投影數(shù)據(jù)基于所述模體的第一投影數(shù)據(jù)得到；構(gòu)建神經(jīng)網(wǎng)絡(luò)模型，利用所述至少一個(gè)訓(xùn)練樣本對所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到校正參數(shù)；利用所述校正參數(shù)對待校正的掃描對象的投影數(shù)據(jù)進(jìn)行校正，得到校正后的投影數(shù)據(jù)；以及利用所述校正后的投影數(shù)據(jù)重建所述掃描對象的醫(yī)學(xué)圖像。

為達(dá)到上述目的，本發(fā)明還提供了一種偽影校正系統(tǒng)，所述裝置包括：至少一個(gè)包含探測器的設(shè)備，所述設(shè)備用于掃描模體，通過探測器獲取所述模體的第一投影數(shù)據(jù)；一個(gè)處理器，通過網(wǎng)絡(luò)與所述至少一個(gè)設(shè)備連接，所述處理器可以用于：根據(jù)所述模體的第一投影數(shù)據(jù)得到所述模體的第二投影數(shù)據(jù)；構(gòu)建神經(jīng)網(wǎng)絡(luò)模型，利用所述模體的第一投影數(shù)據(jù)和第二投影數(shù)據(jù)對所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到校正系數(shù)；以及利用所述校正系數(shù)對待校正的檢測目標(biāo)的第三投影數(shù)據(jù)進(jìn)行校正，并利用校正后的投影數(shù)據(jù)重建所述檢測目標(biāo)的醫(yī)學(xué)圖像。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果表現(xiàn)如下：

1.綜合考慮影響圖像環(huán)狀偽影的多個(gè)因素，并同時(shí)對這些影響因素進(jìn)行校正。

2.基于神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)的方法，利用大數(shù)據(jù)的訓(xùn)練，提高校正的精確性，獲得較好的環(huán)狀偽影校正效果。

附圖說明

圖1是根據(jù)本發(fā)明提供的一種偽影校正系統(tǒng)的示意圖；

圖2是根據(jù)本發(fā)明提供的一種處理器的示意圖；

圖3是根據(jù)本發(fā)明提供的一種獲取參數(shù)模型的示例性流程圖；

圖4是根據(jù)本發(fā)明提供的一種對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練的示意圖；

圖5是根據(jù)本發(fā)明提供的一種神經(jīng)網(wǎng)絡(luò)模型的示意圖；

圖6是根據(jù)本發(fā)明提供的一種獲取檢測目標(biāo)的環(huán)狀偽影校正后數(shù)據(jù)的示例性流程圖；

圖7是根據(jù)本發(fā)明提供的方法獲得的水模環(huán)狀偽影校正效果；以及

圖8是根據(jù)本發(fā)明提供的方法獲得的人體圖像偽影校正效果。

圖1標(biāo)記：110是處理器，120是網(wǎng)絡(luò)，130是設(shè)備；

圖2標(biāo)記：210為數(shù)據(jù)采集模塊，220是數(shù)據(jù)處理模塊，230是訓(xùn)練模塊，240是輸出模塊。

具體實(shí)施方式

為使本發(fā)明的上述目的、特征和優(yōu)點(diǎn)能夠更為明顯易懂，下面結(jié)合附圖和實(shí)施例對本發(fā)明的具體實(shí)施方式做詳細(xì)的說明。

圖1是根據(jù)本發(fā)明提供的一種偽影校正系統(tǒng)100的示意圖。偽影校正系統(tǒng)100可以包括一個(gè)處理器110、一個(gè)網(wǎng)絡(luò)120和一個(gè)設(shè)備130。處理器110和設(shè)備130可以通過網(wǎng)絡(luò)120連接或通信。在一些實(shí)施例中，偽影校正系統(tǒng)100可以包括一個(gè)成像系統(tǒng)。偽影校正系統(tǒng)100可以對所述成像系統(tǒng)的成像數(shù)據(jù)進(jìn)行偽影校正，所述偽影包括但不限于環(huán)狀偽影。成像系統(tǒng)可為單模態(tài)成像系統(tǒng)，包括：dsa系統(tǒng)、磁共振成像(mri)系統(tǒng)，計(jì)算機(jī)斷層掃描血管造影系統(tǒng)(cta)，正電子發(fā)射斷層成像(pet)系統(tǒng)、單光子發(fā)射計(jì)算機(jī)斷層成像(spect)系統(tǒng)、計(jì)算機(jī)斷層成像(ct)系統(tǒng)、數(shù)字x線攝影(dr)系統(tǒng)等。在一些實(shí)施例中，成像系統(tǒng)可為多模態(tài)成像系統(tǒng)，包括：正電子發(fā)射斷層成像-計(jì)算機(jī)斷層成像(pet-ct)系統(tǒng)、正電子發(fā)射斷層成像-磁共振成像(pet-mri)系統(tǒng)、單光子發(fā)射計(jì)算機(jī)斷層成像-正電子發(fā)射斷層成像(spect-pet)系統(tǒng)，數(shù)字減影血管造影-磁共振成像(dsa-mri)系統(tǒng)等。應(yīng)當(dāng)注意的是，下面所述的偽影校正系統(tǒng)100僅用于說明目的，并且不限制本發(fā)明的范圍。

處理器110是一個(gè)對接收數(shù)據(jù)進(jìn)行處理，并輸出處理結(jié)果的設(shè)備。處理器110可以接收設(shè)備130的數(shù)據(jù)，并基于該數(shù)據(jù)，獲得設(shè)備配置信息以及掃描信息。例如，處理器110可以獲取設(shè)備130的探測器掃描的信息，并對其進(jìn)行下一步處理。對于掃描數(shù)據(jù)進(jìn)行重建，校正等。在一些實(shí)施例中，處理器110可以是一臺(tái)計(jì)算機(jī)，一部智能手機(jī)，一個(gè)筆記本電腦，一個(gè)智能醫(yī)療儀器等具備cpu功能的電子設(shè)備。

網(wǎng)絡(luò)120可以是任何連接兩個(gè)或多個(gè)設(shè)備的連接方式。例如，網(wǎng)絡(luò)120可以是有線網(wǎng)絡(luò)或者無線網(wǎng)絡(luò)。在一些實(shí)施例中，網(wǎng)絡(luò)120可以是單一網(wǎng)絡(luò)，也可以是多種網(wǎng)絡(luò)的組合。例如，所述網(wǎng)絡(luò)120可以包括局域網(wǎng)、廣域網(wǎng)、公用網(wǎng)絡(luò)、專用網(wǎng)絡(luò)、無線局域網(wǎng)、虛擬網(wǎng)絡(luò)、公用電話網(wǎng)絡(luò)、內(nèi)聯(lián)網(wǎng)、zigbee網(wǎng)絡(luò)、近場通信網(wǎng)絡(luò)、光纖網(wǎng)絡(luò)、因特網(wǎng)等中的一種或幾種的組合。偽影校正系統(tǒng)100中的各模塊或單元可以通過連接網(wǎng)絡(luò)120實(shí)現(xiàn)信息的交互。例如，在環(huán)狀偽影校正系統(tǒng)100中，處理器110可以通過網(wǎng)絡(luò)120連接到多個(gè)醫(yī)療設(shè)備，并對同時(shí)接收來自多個(gè)設(shè)備的掃描數(shù)據(jù)。

設(shè)備130可以是對檢測目標(biāo)進(jìn)行數(shù)據(jù)采集的設(shè)備。所述設(shè)備可以包括掃描裝置、成像裝置、病床裝置等。在一些實(shí)施例中，設(shè)備130可以掃描檢測目標(biāo)，并將掃描數(shù)據(jù)通過網(wǎng)絡(luò)120發(fā)送給處理器110。設(shè)備130可以包括ct裝置、mri裝置、spect裝置、pet裝置、cta裝置、dr裝置、pet-ct裝置、pet-mri裝置、spect-pet裝置等中的一個(gè)或多個(gè)。在一些實(shí)施例中，掃描數(shù)據(jù)可以是檢測目標(biāo)的原始投影數(shù)據(jù)，并被發(fā)送給處理器110，進(jìn)行下一步數(shù)據(jù)處理和操作。

在一些實(shí)施例中，處理器110可以直接和設(shè)備130之間進(jìn)行通信，而不需要通過網(wǎng)絡(luò)120。在一些實(shí)施例中，該偽影校正系統(tǒng)100可以進(jìn)一步包括一個(gè)顯示設(shè)備和/或監(jiān)控設(shè)備。

圖2是根據(jù)本發(fā)明提供的一種處理器110的示意圖。處理器110可以包括數(shù)據(jù)采集模塊210、數(shù)據(jù)處理模塊220、訓(xùn)練模塊230、輸出模塊240。系統(tǒng)內(nèi)各模塊之間的連接可以是有線的，無線的，或兩者的結(jié)合。任何一個(gè)模塊都可以是本地的，遠(yuǎn)程的，或兩者的結(jié)合。模塊間的對應(yīng)關(guān)系可以是一對一的，或一對多的。

數(shù)據(jù)采集模塊210可以采集掃描信息。所述掃描信息可以包括檢測目標(biāo)的原始投影數(shù)據(jù)或者原始圖像數(shù)據(jù)。在一些實(shí)施例中，數(shù)據(jù)采集模塊210可以通過設(shè)備130上的一個(gè)或多個(gè)檢測器，對檢測目標(biāo)進(jìn)行掃描，并獲取其掃描信息。掃描的信息是探測器掃描視野內(nèi)所有目標(biāo)的掃描后得到的數(shù)據(jù)，包括掃描視野內(nèi)的病床、患者以及其他設(shè)備等。在一些實(shí)施例中，數(shù)據(jù)采集模塊210可以通過探測器采集水模的原始投影數(shù)據(jù)。并將采集到的水模的原始投影數(shù)據(jù)發(fā)送到數(shù)據(jù)處理模塊220，進(jìn)行下一步處理。

數(shù)據(jù)處理模塊220可以對采集到的信息進(jìn)行處理。例如，數(shù)據(jù)處理模塊220可以將采集到的多個(gè)數(shù)據(jù)進(jìn)行分類或合并等。又如，數(shù)據(jù)處理模塊220可以對數(shù)據(jù)或信號進(jìn)行分析、篩選、分類、過濾、去噪等操作。在一些實(shí)施例中，數(shù)據(jù)處理模塊220可以對采集到的水模的原始投影數(shù)據(jù)進(jìn)行處理，得到水模經(jīng)處理的投影數(shù)據(jù)。得到的水模原始投影數(shù)據(jù)和經(jīng)處理的投影數(shù)據(jù)可以作為神經(jīng)網(wǎng)絡(luò)模型的輸入，并發(fā)送到訓(xùn)練模塊230進(jìn)行下一步操作。在一些實(shí)施例中，數(shù)據(jù)處理模塊220可以將數(shù)據(jù)信息顯示在用戶操作界面上。在一些實(shí)施例中，數(shù)據(jù)處理模塊220可以包括一個(gè)或多個(gè)相互連接的處理單元。其中，所述一個(gè)或多個(gè)處理單元，可以與偽影校正裝置中的一部分或全部模塊或設(shè)備進(jìn)行通信或連接。

訓(xùn)練模塊230可以對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行學(xué)習(xí)訓(xùn)練，并將訓(xùn)練結(jié)果輸出。在一些實(shí)施例中，訓(xùn)練模塊230使用多組水模的投影數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行學(xué)習(xí)訓(xùn)練，經(jīng)過神經(jīng)網(wǎng)絡(luò)模型的學(xué)習(xí)訓(xùn)練，得到訓(xùn)練結(jié)果。所述訓(xùn)練結(jié)果可以應(yīng)用于新的檢測目標(biāo)的掃描及其環(huán)狀偽影的校正。在一些實(shí)施例中，神經(jīng)網(wǎng)絡(luò)模型可以包括但不僅限于bp神經(jīng)網(wǎng)絡(luò)、反饋神經(jīng)網(wǎng)絡(luò)、徑向基神經(jīng)網(wǎng)絡(luò)、自組織神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、感知器神經(jīng)網(wǎng)絡(luò)、線性神經(jīng)網(wǎng)絡(luò)等。

輸出模塊240可以將訓(xùn)練模塊230的訓(xùn)練結(jié)果從處理器中輸出，或?qū)斡靶Ｕ到y(tǒng)100生成的信息發(fā)送給用戶。在一些實(shí)施例中，輸出模塊240輸出的信息可以包括文本、表格、圖像、聲音、代碼等。例如，輸出模塊240可以輸出偽影校正系統(tǒng)100的訓(xùn)練結(jié)果、重建結(jié)果、指令等。在一些實(shí)施例中，輸出模塊240還可以包括一個(gè)或多個(gè)物理元件或設(shè)備，如觸摸顯示屏、led指示燈、揚(yáng)聲器、麥克風(fēng)等。

本領(lǐng)域內(nèi)技術(shù)人員應(yīng)當(dāng)理解，上述模塊圖僅是對投影值進(jìn)行校正的示例性說明，還可以有其他變化。例如，在一些實(shí)施例中，可以添加一個(gè)存儲(chǔ)模塊。另外，各個(gè)模塊之間的信息交流和傳遞方式并不唯一。

圖3是根據(jù)本發(fā)明提供的一種獲取校正系數(shù)的示例性流程圖300。

在步驟310中，處理器可以通過設(shè)備上的探測器采集水模的第一投影數(shù)據(jù)。所述水模的第一投影數(shù)據(jù)可以是水模的原始投影數(shù)據(jù)。在一些實(shí)施例中，處理器可以選取多種不同尺寸的水模進(jìn)行掃描，也可以選取一種尺寸的水模設(shè)置不同的偏心進(jìn)行掃描。當(dāng)水模的原始投影數(shù)據(jù)采集完后，需要對其進(jìn)行處理。

在步驟320中，處理器可以對采集的多組水模的第一投影數(shù)據(jù)進(jìn)行處理得到水模的第二投影數(shù)據(jù)。所述水模的第二投影數(shù)據(jù)可以是水模的理想投影數(shù)據(jù)。在一些實(shí)施例中，水模的理想投影數(shù)據(jù)可以是通過傳統(tǒng)校正方法對水模的第一投影數(shù)據(jù)進(jìn)行校正獲得，也可以通過物理模擬獲得。由于水模的結(jié)構(gòu)和形態(tài)固定，且是已知的，可以通過計(jì)算或者模擬，校正掃描得到的原始投影數(shù)據(jù)中的偽影，得到其理想的水模投影數(shù)據(jù)。

在一些實(shí)施例中，水模的第二投影數(shù)據(jù)可以由多種方法獲得。例如：獲取原始投影數(shù)據(jù)，重建后對圖像進(jìn)行平滑處理，最后正投影得到理想投影數(shù)據(jù)；由于模體結(jié)構(gòu)一般比較簡單，可以對模體進(jìn)行建模處理，通過引入x射線傳輸過程的解析方程，計(jì)算得到理想投影數(shù)據(jù)；也可以將模體的結(jié)構(gòu)數(shù)值化，通過模擬x射線光子的傳輸路徑，比如蒙特卡洛模擬得到理想投影數(shù)據(jù)；甚至可以直接對原始投影數(shù)據(jù)進(jìn)行平滑處理等。需要注意的是，基于水模的原始投影數(shù)據(jù)獲得水模的理想投影數(shù)據(jù)的方法不僅限于所述例子中的方法。

在步驟330中，利用多組水模的第一投影數(shù)據(jù)和第二投影數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練學(xué)習(xí)，經(jīng)過大數(shù)據(jù)的訓(xùn)練，輸出訓(xùn)練結(jié)果。在步驟340中，輸出參數(shù)模型。在一些實(shí)施例中，神經(jīng)網(wǎng)絡(luò)模型的初始模型是參數(shù)初始化的神經(jīng)網(wǎng)絡(luò)模型，例如，所述參數(shù)可以是隨機(jī)初始化。對神經(jīng)網(wǎng)絡(luò)的初始模型進(jìn)行訓(xùn)練，是將訓(xùn)練樣本輸入到神經(jīng)網(wǎng)絡(luò)初始模型中，神經(jīng)網(wǎng)絡(luò)初始模型經(jīng)過運(yùn)算后得到輸出。然后使用優(yōu)化函數(shù)對模型的當(dāng)前參數(shù)進(jìn)行反向調(diào)整。在一些實(shí)施例中，所述對模型的反向調(diào)整過程可以是一個(gè)迭代的過程。每次使用訓(xùn)練樣本訓(xùn)練后，神經(jīng)網(wǎng)絡(luò)模型中的參數(shù)都會(huì)發(fā)生變化，作為下一次輸入訓(xùn)練樣本進(jìn)行訓(xùn)練的“初始化參數(shù)”。例如，在一些實(shí)施例中，可以使用優(yōu)化函數(shù)對模型的參數(shù)進(jìn)行反向調(diào)整。優(yōu)化函數(shù)的目標(biāo)是調(diào)整模型的參數(shù)，使模型的實(shí)際輸出值與期望輸出值差值最小。當(dāng)使用多個(gè)訓(xùn)練樣本進(jìn)行訓(xùn)練后，模型中的參數(shù)值可以達(dá)到最優(yōu)，即實(shí)際輸出值與期望輸出值差值最小，訓(xùn)練完成。神經(jīng)網(wǎng)絡(luò)初始模型訓(xùn)練完成后，得到參數(shù)模型，其中的參數(shù)值固定。

本發(fā)明描述的偽影校正過程，是直接在原始投影數(shù)據(jù)上進(jìn)行的，假定原始投影數(shù)據(jù)為x，則校正后的投影數(shù)據(jù)y可以通過下式獲得：

其中ai，bi，ci為校正系數(shù)，dx為探測器響應(yīng)的一階導(dǎo)數(shù)，d²x為探測器響應(yīng)的二階導(dǎo)數(shù)，m,n,p為校正階數(shù)，根據(jù)校正效果確認(rèn)，一般不超過三階。如上式所示，只要得到校正系數(shù)，就可以根據(jù)該式子得到校正后的投影數(shù)據(jù)。經(jīng)過大數(shù)據(jù)的訓(xùn)練，神經(jīng)網(wǎng)絡(luò)模型可以通過水模的理想投影數(shù)據(jù)和實(shí)測投影數(shù)據(jù)獲得校正系數(shù)，從而獲得較好的環(huán)狀偽影校正效果。

在一些實(shí)施例中，公式①中的探測器響應(yīng)的一階導(dǎo)數(shù)dx可以理解為基于檢測器位置的數(shù)據(jù)校正，探測器響應(yīng)的二階導(dǎo)數(shù)d²x可以理解為基于干擾信號串?dāng)_的數(shù)據(jù)校正。公式①中，得到的校正后的投影數(shù)據(jù)y是綜合考慮了探測器性質(zhì)因素，探測器位置因素，信號串?dāng)_因素等對環(huán)狀偽影產(chǎn)生造成的影響，并對這些因素進(jìn)行了校正，最后得到的校正后的數(shù)據(jù)。其多變量校正方法可以更好獲得環(huán)狀偽影校正效果。

圖4是根據(jù)本發(fā)明提供的一種對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練的示意圖。在401中，掃描某一種或幾種尺寸的水模，在405中獲得水模的投影數(shù)據(jù)。在402中重建該投影數(shù)據(jù)，在406中獲得水模原始圖像。在403中，對原始圖像進(jìn)行平滑處理，在407中獲得不含環(huán)狀偽影的理想水模圖像。在404中，再對理想水模圖像正投影，在408獲得理想的水模投影數(shù)據(jù)。在409中，水模的原始投影數(shù)據(jù)和理想投影數(shù)據(jù)共同輸入到參數(shù)模型神經(jīng)網(wǎng)絡(luò)中，通過神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的訓(xùn)練，在410中，輸出探測器相關(guān)的參數(shù)(即，校正系數(shù))。為了保證校正系數(shù)的準(zhǔn)確性，可以選取多種不同尺寸的水模進(jìn)行，也可以選擇一種尺寸的水模設(shè)置不同的偏心獲得。

校正系數(shù)的獲得可以如下式所示：

[ai,bi,ci,…]＝f(rawm,rawideal,kv,…)公式②

其中ai，bi，ci為校正系數(shù)，函數(shù)f是經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型，rawm是掃描得到的原始水模投影數(shù)據(jù)，rawideal是計(jì)算得到的理想水模投影數(shù)據(jù)，kv是掃描條件。在多組不同掃描條件下得到的水模原始投影數(shù)據(jù)，以及計(jì)算得到的對應(yīng)多組理想水模投影數(shù)據(jù)，輸入神經(jīng)網(wǎng)絡(luò)模型中，通過神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練學(xué)習(xí)，輸出校正系數(shù)。再將得到的校正系數(shù)應(yīng)用于新的檢測目標(biāo)的掃描校正，在同一臺(tái)ct中完成掃描檢測。利用檢測目標(biāo)的新的掃描得到的投影數(shù)據(jù)，基于公式①，計(jì)算得到環(huán)狀偽影校正后的投影數(shù)據(jù)。

圖5是根據(jù)本發(fā)明提供的一種神經(jīng)網(wǎng)絡(luò)的模型500示意圖。如圖所示，輸入端輸入內(nèi)容是原始投影數(shù)據(jù)rawm、理想投影數(shù)據(jù)rawideal以及掃描條件kv等，經(jīng)過多個(gè)相互連接的神經(jīng)元節(jié)點(diǎn)的相互加權(quán)，并通過一個(gè)函數(shù)(本發(fā)明中該函數(shù)為公式②中的函數(shù))轉(zhuǎn)化，最后在輸出端輸出校正系數(shù)集合{coefi}。神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練集是多個(gè)協(xié)議下得到的理想校正系數(shù)。理想校正系數(shù)可以通過傳統(tǒng)校正方法獲得，也可以通過物理模擬獲得。經(jīng)過大數(shù)據(jù)的訓(xùn)練，神經(jīng)網(wǎng)絡(luò)模型可以通過理想投影數(shù)據(jù)和實(shí)測投影值獲得校正系數(shù)，從而獲得較好的環(huán)狀偽影校正效果。該神經(jīng)網(wǎng)絡(luò)模型的優(yōu)化目標(biāo)是min‖{coefi}-{coefi}ideal‖，其中{coefi}是神經(jīng)網(wǎng)絡(luò)模型輸出的校正系數(shù)集合，{coefi}ideal是已知的理想校正系數(shù)。在一些實(shí)施例中，所述神經(jīng)網(wǎng)絡(luò)模型的優(yōu)化目標(biāo)可以是最常見的最小二乘法，∑|coefi-coefideal|或者∑(coefi-coefideal)²；優(yōu)化目標(biāo)也可以帶有正則項(xiàng)，比如在滿足上式的同時(shí)，要求所有的系數(shù)都必須介于一定的數(shù)值范圍；優(yōu)化目標(biāo)也可以帶有權(quán)重，以保證特定的系數(shù)優(yōu)先滿足，比如∑w*(coefi-coefideal)²。需要注意的是，所述優(yōu)化目標(biāo)不僅限于上述的實(shí)施例中提到的。該神經(jīng)網(wǎng)絡(luò)模型期望輸出的校正系數(shù)越接近于理想的校正系數(shù)，則校正效果越好。

在一些實(shí)施例中，神經(jīng)網(wǎng)絡(luò)模型的獲得可以通過下述方式獲得。首先獲取訓(xùn)練樣本集，本領(lǐng)域內(nèi)技術(shù)人員應(yīng)當(dāng)理解，對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練需要大量訓(xùn)練樣本。訓(xùn)練樣本集中包含多個(gè)訓(xùn)練樣本，在本發(fā)明中，訓(xùn)練樣本應(yīng)該包括水模的原始投影數(shù)據(jù)和計(jì)算得到的理想的水模的理想投影數(shù)據(jù)。然后從訓(xùn)練樣本集中獲取一個(gè)訓(xùn)練樣本，其期望輸出值已知。將該訓(xùn)練樣本的輸入值輸入到神經(jīng)網(wǎng)絡(luò)初始模型，神經(jīng)網(wǎng)絡(luò)初始模型對該訓(xùn)練樣本的輸入值進(jìn)行運(yùn)算處理，包括特征提取與特征識(shí)別等過程，最后得到一組輸出值。在訓(xùn)練過程中，使用優(yōu)化函數(shù)對模型的參數(shù)進(jìn)行反向調(diào)整。例如，在一些實(shí)施例中，可以使用優(yōu)化函數(shù)min‖{coefi}-{coefi}ideal‖對模型的參數(shù)進(jìn)行反向調(diào)整，其中{coefi}是神經(jīng)網(wǎng)絡(luò)的實(shí)際輸出值，{coefi}ideal是訓(xùn)練樣本的期望輸出值。該優(yōu)化函數(shù)的目標(biāo)是反向調(diào)整模型的參數(shù)，使神經(jīng)網(wǎng)絡(luò)模型的實(shí)際輸出值與期望輸出值差值最小。每次訓(xùn)練后，神經(jīng)網(wǎng)絡(luò)模型中的參數(shù)都會(huì)發(fā)生變化，作為下一次輸入訓(xùn)練樣本進(jìn)行訓(xùn)練的“初始化參數(shù)”。最后，判斷訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型是否滿足預(yù)設(shè)條件。其中預(yù)設(shè)條件可以由用戶確定。例如，在一些實(shí)施例中，預(yù)設(shè)條件可以是已經(jīng)訓(xùn)練的訓(xùn)練樣本數(shù)量達(dá)到預(yù)設(shè)值；在另一些實(shí)施例中，預(yù)設(shè)條件可以是對訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行測試，測試結(jié)果合格。如果判斷結(jié)果為“是”，則直接得到參數(shù)模型，并將參數(shù)模型輸出給用戶或者存儲(chǔ)于處理器中。如果判斷結(jié)果為“否”，則重復(fù)獲取訓(xùn)練樣本進(jìn)行訓(xùn)練，之后步驟和上述一樣。

圖6是根據(jù)本發(fā)明提供的一種獲取檢測目標(biāo)的環(huán)狀偽影校正后數(shù)據(jù)的示例性流程圖600。在步驟610中，探測器獲取檢測目標(biāo)的第三投影數(shù)據(jù)，所述第三投影數(shù)據(jù)可以是檢測目標(biāo)的原始投影數(shù)據(jù)，并發(fā)送給處理器。在步驟620中，處理器基于上述神經(jīng)網(wǎng)絡(luò)模型獲得的校正系數(shù)，通過公式①對檢測目標(biāo)的第三投影數(shù)據(jù)進(jìn)行計(jì)算。在步驟630中，輸出檢測目標(biāo)的校正后的第三投影數(shù)據(jù)。在一些實(shí)施例中，處理器可以進(jìn)一步對得到的檢測目標(biāo)的校正后的投影數(shù)據(jù)進(jìn)行重建，得到檢測目標(biāo)的校正后的圖像，并反饋給用戶，方便醫(yī)生對患者進(jìn)行診斷。

圖7是根據(jù)本發(fā)明提供的方法獲得的水模環(huán)狀偽影校正效果；圖8是根據(jù)本發(fā)明提供的方法獲得的人體圖像偽影校正效果。在圖7和圖8中，(a)圖像是原始的帶有環(huán)狀偽影的原始圖像；(b)圖像是經(jīng)過上述模型對原始圖像校正后的圖像?？梢悦黠@看出，(b)中的圖像的環(huán)狀偽影已經(jīng)被校正。從圖7和圖8可以看出，水模的環(huán)狀偽影校正效果和人體圖像的環(huán)狀偽影校正效果非常接近。由此可以得出，通過模體的原始投影數(shù)據(jù)和理想投影數(shù)據(jù)，借由神經(jīng)網(wǎng)絡(luò)訓(xùn)練出偽影相關(guān)的所有校正系數(shù)，利用這些校正系數(shù)進(jìn)行人體投影數(shù)據(jù)的處理，可以有效地校正人體圖像中的環(huán)狀偽影。

以上所述僅為本發(fā)明的優(yōu)選實(shí)施而已，并不用于限制本發(fā)明，對于本領(lǐng)域的技術(shù)人員來說，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。