申请/专利权人：华中科技大学

申请日：2020-11-20

公开（公告）日：2021-02-23

公开（公告）号：CN112396672A

主分类号：G06T11/00(20060101)

分类号：G06T11/00(20060101);G06N3/04(20060101);G06N3/08(20060101)

优先权：

专利状态码：有效-授权

法律状态：2023.03.24#授权;2021.03.12#实质审查的生效;2021.02.23#公开

摘要：本发明公开了一种基于深度学习的稀疏角度锥束CT图像重建方法，属于医学图像领域，包括：将稀疏角度锥束CT原始投影数据变换为多幅投影图像后，利用一个或多个已训练好的插值卷积神经网络复原出相邻两幅投影图像之间的一幅或多幅投影图像，使得复原后投影图像的数量与全角度锥束CT投影图像的数量相同；利用原始的投影图像和复原得到的投影图像构成全角度投影图像，对全角度投影图像进行三维重建，得到锥束CT图像；插值卷积神经网络以两幅投影图像为输入，用于复原出两幅投影图像之间的一幅投影图像；进一步利用后处理卷积神经网络消除锥束CT图像中的噪声与伪影，提高图像质量。本发明能够在降低X射线剂量的同时，提高重建图像的质量。

主权项：1.一种基于深度学习的稀疏角度锥束CT图像重建方法，其特征在于，包括：将稀疏角度锥束CT原始投影数据变换为多幅投影图像后，利用一个或多个已训练好的插值卷积神经网络复原出相邻两幅投影图像之间的一幅或多幅投影图像，使得复原后投影图像的数量与全角度锥束CT投影图像的数量相同；利用原始的投影图像和复原得到的投影图像构成全角度投影图像，对所述全角度投影图像进行三维重建，得到锥束CT图像；其中，所述插值卷积神经网络以两幅投影图像为输入，用于复原出两幅投影图像之间的一幅投影图像；所述插值卷积神经网络设置有多个时，输入各插值卷积神经网络的两幅投影图像间的角度间隔从大到小依次呈12的关系。

全文数据：

权利要求：

百度查询： 华中科技大学 一种基于深度学习的稀疏角度锥束CT图像重建方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD