本發(fā)明涉及深度學(xué)習(xí)及計算機(jī)斷層掃描，特別涉及一種基于深度學(xué)習(xí)的ct全鏈條智能重建方法。

背景技術(shù)：

1、計算機(jī)斷層成像技術(shù)(ct)因具備非侵入性三維高分辨率成像能力被廣泛應(yīng)用于醫(yī)學(xué)成像、安全檢查、工業(yè)檢測等重要領(lǐng)域。但是，醫(yī)學(xué)ct成像過高的輻射劑量使得人們對x射線帶來的潛在癌癥風(fēng)險擔(dān)擾。在保證圖像質(zhì)量的前提下，盡可能低的輻射劑量原則成為大家共同追求的目標(biāo)。降低掃描劑量不可避免在重建圖像中引入嚴(yán)重的噪聲偽影，進(jìn)而影響臨床診斷性能。因此，提高低劑量ct圖像質(zhì)量一直是醫(yī)學(xué)成像領(lǐng)域研究的關(guān)鍵技術(shù)之一。

2、近年來，深度學(xué)習(xí)技術(shù)已廣泛應(yīng)用醫(yī)學(xué)圖像重建并取得了前所未有的成功?；谏疃葘W(xué)習(xí)的低劑量ct數(shù)據(jù)重建算法已經(jīng)被大量開發(fā)，通過數(shù)據(jù)驅(qū)動的方式學(xué)習(xí)ct重建管道中的關(guān)鍵模塊來增強(qiáng)圖像質(zhì)量，包括弦圖域網(wǎng)絡(luò)、圖像域網(wǎng)絡(luò)和雙域網(wǎng)絡(luò)。其中，弦圖域網(wǎng)絡(luò)直接恢復(fù)受噪聲影響的弦圖數(shù)據(jù)，再通過濾波反投影重建ct圖像；圖像域網(wǎng)絡(luò)屬于圖像后處理技術(shù)，通過學(xué)習(xí)低劑量圖像到目標(biāo)圖像的非線性映射實現(xiàn)噪聲的抑制；雙域網(wǎng)絡(luò)通過在弦圖域和圖像域之間構(gòu)建可微的濾波反投影層，實現(xiàn)弦圖子網(wǎng)絡(luò)和圖像子網(wǎng)絡(luò)的聯(lián)合優(yōu)化，充分利用弦圖數(shù)據(jù)的積分信息和圖像數(shù)據(jù)的組織結(jié)構(gòu)信息，進(jìn)一步提高圖像質(zhì)量。盡管上述方法均能較好地抑制圖像噪聲，但仍面臨著以下缺陷：第一，由于低劑量原始測量數(shù)據(jù)的隱私保護(hù)，現(xiàn)有方法都是基于對數(shù)變換后的弦圖數(shù)據(jù)進(jìn)行仿真和校正，沒有充分考慮低劑量原始測量數(shù)據(jù)統(tǒng)計特性，這極大限制了其在真實臨床場景下的成像性能；第二，現(xiàn)有模型沒有充分考慮商業(yè)ct重建管道的數(shù)據(jù)校正和重建過程，模型可解釋性較差，缺乏一個魯棒的ct全鏈條智能重建模型。

3、因此，針對現(xiàn)有技術(shù)不足，提供一種基于深度學(xué)習(xí)的ct全鏈條智能重建方法以解決現(xiàn)有技術(shù)不足甚為必要。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于避免現(xiàn)有技術(shù)的不足之處而提供一種基于深度學(xué)習(xí)的ct全鏈條智能重建方法。該基于深度學(xué)習(xí)的ct全鏈條智能重建方法能夠在降低掃描劑量的同時保證圖像質(zhì)量。

2、本發(fā)明的上述目的通過以下技術(shù)措施實現(xiàn)：

3、提供一種基于深度學(xué)習(xí)的ct全鏈條智能重建方法，包括如下步驟：

4、s1、將原始測量數(shù)據(jù)輸入訓(xùn)練后逐像素智能校正網(wǎng)絡(luò)通過校正處理，得到校正后測量數(shù)據(jù)；所述原始測量數(shù)據(jù)設(shè)置有二維投影數(shù)據(jù)和三維投影數(shù)據(jù)；

5、s2、將s1得到的校正后測量數(shù)據(jù)通過負(fù)對數(shù)變換處理，得到弦圖數(shù)據(jù)；

6、s3、將s2得到的弦圖數(shù)據(jù)輸入訓(xùn)練后逐角度智能濾波網(wǎng)絡(luò)通過濾波處理，得到濾波后弦圖數(shù)據(jù)；

7、s4、將s3得到的濾波后弦圖數(shù)據(jù)通過逐角度反投影處理，得到反投影張量數(shù)據(jù)；

8、s5、將s4得到的反投影張量數(shù)據(jù)通過角度方向排序處理，得到排序后反投影張量數(shù)據(jù)；

9、s6、將s5得到的排序后反投影張量數(shù)據(jù)輸入訓(xùn)練后反投影張量智能重建網(wǎng)絡(luò)進(jìn)行重建處理，得到最終ct重建圖像。

10、優(yōu)選的，上述校正處理由式(1)至式(4)表示；

11、σ＝pnet(i,θp)……式(1)；

12、k＝k(σ)……式(2)；

13、

14、其中，為二維投影數(shù)據(jù)，u為探測器通道的個數(shù)，v為投影角度的個數(shù)，i3d為三維投影數(shù)據(jù)，θp為逐像素智能校正網(wǎng)絡(luò)pnet的網(wǎng)絡(luò)參數(shù)，σ為逐像素高斯濾波核的標(biāo)準(zhǔn)差，k為高斯濾波核的窗寬映射函數(shù)，k為逐像素高斯濾波核的窗寬，為逐像素三維高斯濾波核，為校正后測量數(shù)據(jù)，x、y和z為空間坐標(biāo)，u為在探測器通道方向的坐標(biāo)，v為在角度方向的坐標(biāo)。

15、優(yōu)選的，上述負(fù)對數(shù)變換處理由式(5)表示；

16、

17、其中，s為弦圖數(shù)據(jù)。

18、優(yōu)選的，上述濾波處理由式(6)至式(9)表示；

19、

20、rv(w)＝hv(w).*r(w)……式(8)；

21、

22、其中，為弦圖數(shù)據(jù)沿探測器方向的一維傅里葉變換，θs為逐角度智能濾波網(wǎng)絡(luò)snet的網(wǎng)絡(luò)參數(shù)，hv(w)為弦圖數(shù)據(jù)濾波核的窗函數(shù)，p(w)為ramp濾波核，wm為ramp濾波核的帶寬，rv(w)為逐角度濾波核，為弦圖數(shù)據(jù)沿探測器方向的一維逆傅里葉變換，為濾波后弦圖數(shù)據(jù)，且

23、優(yōu)選的，上述逐角度反投影處理由式(10)表示；

24、

25、其中，為反投影張量數(shù)據(jù)，且i為圖像的寬，j為圖像的高，int為線性插值操作，θv為第v個角度投影對應(yīng)的旋轉(zhuǎn)角度，為反投影加權(quán)因子。

26、優(yōu)選的，上述角度方向排序處理為：將反投影張量數(shù)據(jù)在角度方向按照反投影張量數(shù)值由小到大進(jìn)行排序，由式(11)表示；

27、

28、其中，為排序后反投影張量數(shù)據(jù)，為排序操作，:為角度方向的所有反投影張量。

29、優(yōu)選的，上述重建處理由式(12)表示；

30、

31、其中，μ為最終ct重建圖像，且θr為反投影張量智能重建網(wǎng)絡(luò)rnet的網(wǎng)絡(luò)參數(shù)。

32、優(yōu)選的，上述逐像素智能校正網(wǎng)絡(luò)、所述逐角度智能濾波網(wǎng)絡(luò)和所述反投影張量智能重建網(wǎng)絡(luò)通過預(yù)先建立的訓(xùn)練數(shù)據(jù)庫通過端到端訓(xùn)練，得到訓(xùn)練后的逐像素智能校正網(wǎng)絡(luò)、訓(xùn)練后的逐角度智能濾波網(wǎng)絡(luò)和訓(xùn)練后的反投影張量智能重建網(wǎng)絡(luò)。

33、優(yōu)選的，上述訓(xùn)練數(shù)據(jù)庫設(shè)置有多對配對的正常劑量測量數(shù)據(jù)、低劑量測量數(shù)據(jù)，以及根據(jù)所述正常劑量測量數(shù)據(jù)進(jìn)行重建得到的正常劑量圖像數(shù)據(jù)，一個低劑量測量數(shù)據(jù)與一個正常劑量測量數(shù)據(jù)組成一個配對數(shù)據(jù)，且所述低劑量數(shù)據(jù)的劑量均低于所述正常劑量數(shù)據(jù)，其中每個低劑量測量數(shù)據(jù)包括有二維投影數(shù)據(jù)和三維投影數(shù)據(jù)，所有低劑量測量數(shù)據(jù)的劑量并不全部相同。

34、優(yōu)選的，上述端到端訓(xùn)練通過如下步驟進(jìn)行：首先經(jīng)第一訓(xùn)練方法對逐像素智能校正網(wǎng)絡(luò)進(jìn)行預(yù)訓(xùn)練，得到預(yù)訓(xùn)練逐像素智能校正網(wǎng)絡(luò)；然后根據(jù)所述預(yù)訓(xùn)練逐像素智能校正網(wǎng)絡(luò)及第二訓(xùn)練方法對逐角度智能濾波網(wǎng)絡(luò)進(jìn)行預(yù)訓(xùn)練，得到預(yù)訓(xùn)練逐角度智能濾波網(wǎng)絡(luò)；再根據(jù)所述預(yù)訓(xùn)練逐像素智能校正網(wǎng)絡(luò)和所述預(yù)訓(xùn)練逐角度智能濾波網(wǎng)絡(luò)及第三訓(xùn)練方法對反投影張量智能重建網(wǎng)絡(luò)進(jìn)行預(yù)訓(xùn)練，得到預(yù)訓(xùn)練反投影張量智能重建網(wǎng)絡(luò)；最后通過第四訓(xùn)練方法對所述預(yù)訓(xùn)練逐像素智能校正網(wǎng)絡(luò)、所述預(yù)訓(xùn)練逐角度智能濾波網(wǎng)絡(luò)和預(yù)訓(xùn)練反投影張量智能重建網(wǎng)絡(luò)進(jìn)行再訓(xùn)練，得到訓(xùn)練后的逐像素智能校正網(wǎng)絡(luò)、訓(xùn)練后的逐角度智能濾波網(wǎng)絡(luò)和訓(xùn)練后的反投影張量智能重建網(wǎng)絡(luò)。

35、優(yōu)選的，上述第一訓(xùn)練方法通過如下步驟進(jìn)行：

36、a1、將所述訓(xùn)練數(shù)據(jù)庫中同一低劑量測量數(shù)據(jù)的二維投影數(shù)據(jù)和三維投影數(shù)據(jù)輸入逐像素智能校正網(wǎng)絡(luò)通過校正處理，得到校正后測量數(shù)據(jù)；

37、a2、通過第一損失函數(shù)對a1的逐像素智能校正網(wǎng)絡(luò)的參數(shù)進(jìn)更新，所述第一損失函數(shù)由式(13)表示；

38、

39、在式(13)中，lossp為第一損失函數(shù)的損失值，n為訓(xùn)練樣本數(shù)量，為a1得到的校正后測量數(shù)據(jù)，為同一配對數(shù)據(jù)中的正常劑量測量數(shù)據(jù)；

40、a3、判斷訓(xùn)練epoch是否達(dá)到ω1次，當(dāng)是時，進(jìn)入a4；當(dāng)否時返回a1，且ω1為大于2的整數(shù)；

41、a4、lossp的最小值作為預(yù)訓(xùn)練逐像素智能校正網(wǎng)絡(luò)的參數(shù)，結(jié)束訓(xùn)練。

42、優(yōu)選的，上述第二訓(xùn)練方法通過如下步驟進(jìn)行：

43、b1、將所述訓(xùn)練數(shù)據(jù)庫中的低劑量測量數(shù)據(jù)的二維投影數(shù)據(jù)和三維投影數(shù)據(jù)輸入所述預(yù)訓(xùn)練逐像素智能校正網(wǎng)絡(luò)通過校正處理，得到校正后測量數(shù)據(jù)；

44、b2、將b1得到的校正后測量數(shù)據(jù)通過負(fù)對數(shù)變換處理，得到弦圖數(shù)據(jù)；

45、b3、將b2得到的弦圖數(shù)據(jù)輸入逐角度智能濾波網(wǎng)絡(luò)通過濾波處理，得到濾波后弦圖數(shù)據(jù)；

46、b4、通過第二損失函數(shù)對b3的逐角度智能濾波網(wǎng)絡(luò)的參數(shù)進(jìn)更新，所述第二損失函數(shù)由式(14)表示；

47、

48、在式(14)中，losss為第二損失函數(shù)的損失值，為b3得到弦圖數(shù)據(jù)，為正常劑量濾波后的弦圖數(shù)據(jù)；

49、b5、判斷訓(xùn)練epoch是否達(dá)到ω2次，當(dāng)是時，進(jìn)入b6；當(dāng)否時返回b1，且ω2為大于2的整數(shù)；

50、b6、將所有損失值losss中最小值作為預(yù)訓(xùn)練逐角度智能濾波網(wǎng)絡(luò)的參數(shù)，結(jié)束訓(xùn)練。

51、優(yōu)選的，上述第三訓(xùn)練方法通過如下步驟進(jìn)行：

52、c1、將所述訓(xùn)練數(shù)據(jù)庫中的低劑量測量數(shù)據(jù)的二維投影數(shù)據(jù)和三維投影數(shù)據(jù)輸入所述預(yù)訓(xùn)練逐像素智能校正網(wǎng)絡(luò)通過校正處理，得到校正后測量數(shù)據(jù)；

53、c2、將c1得到的校正后測量數(shù)據(jù)通過負(fù)對數(shù)變換處理，得到弦圖數(shù)據(jù)；

54、c3、將c2得到的弦圖數(shù)據(jù)輸入所述逐角度智能濾波網(wǎng)絡(luò)通過濾波處理，得到濾波后弦圖數(shù)據(jù)；

55、c4、將c3得到的濾波后弦圖數(shù)據(jù)通過逐角度反投影處理，得到反投影張量數(shù)據(jù)；

56、c5、將c4得到的反投影張量數(shù)據(jù)通過角度方向排序處理，得到排序后反投影張量數(shù)據(jù)；

57、c6、將c5得到的排序后反投影張量數(shù)據(jù)輸入反投影張量智能重建網(wǎng)絡(luò)進(jìn)行重建，得到ct重建圖像；

58、c7、通過第三損失函數(shù)對c6的反投影張量智能重建網(wǎng)絡(luò)的參數(shù)進(jìn)更新，所述第三損失函數(shù)由式(15)表示；

59、

60、在式(15)中，lossr為第三損失函數(shù)的損失值，為c6得到的ct重建圖像，為同一配對數(shù)據(jù)中正常劑量測量數(shù)據(jù)對應(yīng)的正常劑量圖像數(shù)據(jù)；

61、c8、判斷訓(xùn)練epoch是否達(dá)到ω3次，當(dāng)是時，進(jìn)入c9；當(dāng)否時返回c1，且ω3為大于2的整數(shù)；

62、c9、將所有損失值lossr中最小值作為預(yù)訓(xùn)練反投影張量智能重建網(wǎng)絡(luò)的參數(shù)，結(jié)束訓(xùn)練。

63、優(yōu)選的，上述第四訓(xùn)練方法通過如下步驟進(jìn)行：

64、d1、將所述訓(xùn)練數(shù)據(jù)庫中的低劑量測量數(shù)據(jù)的二維投影數(shù)據(jù)和三維投影數(shù)據(jù)輸入所述預(yù)訓(xùn)練逐像素智能校正網(wǎng)絡(luò)通過校正處理，得到校正后測量數(shù)據(jù)；

65、d2、將d1得到的校正后測量數(shù)據(jù)通過負(fù)對數(shù)變換處理，得到弦圖數(shù)據(jù)；

66、d3、將d2得到的弦圖數(shù)據(jù)輸入所述預(yù)訓(xùn)練逐角度智能濾波網(wǎng)絡(luò)通過濾波處理，得到濾波后弦圖數(shù)據(jù)；

67、d4、將d3得到的濾波后弦圖數(shù)據(jù)通過逐角度反投影處理，得到反投影張量數(shù)據(jù)；

68、d5、將d4得到的反投影張量數(shù)據(jù)通過角度方向排序處理，得到排序后反投影張量數(shù)據(jù)；

69、d6、將d5得到的排序后反投影張量數(shù)據(jù)輸入所述預(yù)訓(xùn)練反投影張量智能重建網(wǎng)絡(luò)進(jìn)行重建，得到ct重建圖像；

70、d7、通過第四損失函數(shù)分別對d1的預(yù)訓(xùn)練反投影張量智能重建網(wǎng)絡(luò)的參數(shù)、d3的預(yù)訓(xùn)練逐角度智能濾波網(wǎng)絡(luò)的參數(shù)和d6的預(yù)訓(xùn)練反投影張量智能重建網(wǎng)絡(luò)的參數(shù)進(jìn)行更新，所述第四損失函數(shù)由式(16)表示；

71、

72、在式(16)中，loss為第四損失函數(shù)的損失值，為d1得到的校正后測量數(shù)據(jù)，為同一配對數(shù)據(jù)中的正常劑量測量數(shù)據(jù)，為d3得到弦圖數(shù)據(jù)，為同一配對數(shù)據(jù)中正常劑量測量數(shù)據(jù)濾波后的弦圖數(shù)據(jù)；為d6得到的ct重建圖像，為同一配對數(shù)據(jù)中正常劑量測量數(shù)據(jù)對應(yīng)的正常劑量圖像數(shù)據(jù)；

73、d8、判斷訓(xùn)練epoch是否達(dá)到ω4次，當(dāng)是時，進(jìn)入d9；當(dāng)否時返回d1，且ω4為大于2的整數(shù)；

74、d9、將所有損失值loss中最小值作為預(yù)訓(xùn)后反投影張量智能重建網(wǎng)絡(luò)的參數(shù)、預(yù)訓(xùn)后逐角度智能濾波網(wǎng)絡(luò)的參數(shù)和預(yù)訓(xùn)后反投影張量智能重建網(wǎng)絡(luò)的參數(shù)，結(jié)束訓(xùn)練。

75、本發(fā)明的一種基于深度學(xué)習(xí)的ct全鏈條智能重建方法，包括如下步驟：s1、將原始測量數(shù)據(jù)輸入訓(xùn)練后逐像素智能校正網(wǎng)絡(luò)通過校正處理，得到校正后測量數(shù)據(jù)；所述原始測量數(shù)據(jù)設(shè)置有二維投影數(shù)據(jù)和三維投影數(shù)據(jù)；s2、將s1得到的校正后測量數(shù)據(jù)通過負(fù)對數(shù)變換處理，得到弦圖數(shù)據(jù)；s3、將s2得到的弦圖數(shù)據(jù)輸入訓(xùn)練后逐角度智能濾波網(wǎng)絡(luò)通過濾波處理，得到濾波后弦圖數(shù)據(jù)；s4、將s3得到的濾波后弦圖數(shù)據(jù)通過逐角度反投影處理，得到反投影張量數(shù)據(jù)；s5、將s4得到的反投影張量數(shù)據(jù)通過角度方向排序處理，得到排序后反投影張量數(shù)據(jù)；s6、將s5得到的排序后反投影張量數(shù)據(jù)輸入訓(xùn)練后反投影張量智能重建網(wǎng)絡(luò)進(jìn)行重建處理，得到最終ct重建圖像。本發(fā)明提供的逐像素智能校正網(wǎng)絡(luò)通過學(xué)習(xí)每個像素點(diǎn)的方差，能夠?qū)Φ蛣┝吭紲y量數(shù)據(jù)進(jìn)行逐像素自適應(yīng)高斯濾波。而且逐角度智能濾波網(wǎng)絡(luò)通過學(xué)習(xí)每個投影角度的濾波核，能夠?qū)ο覉D數(shù)據(jù)進(jìn)行逐角度自適應(yīng)濾波。最后反投影張量智能重建網(wǎng)絡(luò)通過學(xué)習(xí)反投影張量到目標(biāo)圖像的映射，能夠在降低掃描劑量的同時保證圖像質(zhì)量。