[发明专利]基于全连接卷积神经网络的锥束CT几何伪影去除方法

权利要求书

1.基于全连接卷积神经网络的锥束CT几何伪影去除方法，其特征在于，包括：

步骤1、在真实的实验数据中采集重建图像，将所述重建图像作为训练数据，所述重建图像包括：存在几何伪影的重建图像和无几何伪影的重建图像；

步骤2、将所述存在几何伪影的重建图像进行分类，针对不同类别的所述存在几何伪影的重建图像分别输入设定的全连接卷积神经网络进行迭代训练，得到几何伪影校正网络模型；具体包括：

步骤2.1、将所述无几何伪影的重建图像作为训练标签，将所述存在几何伪影的重建图像作为所述设定的全连接卷积神经网络的输入进行迭代训练；

步骤2.2、在所述迭代训练过程中，将所述设定的全连接卷积神经网络的输出与所述训练标签之间的均方根误差作为损失曲线的收敛条件，不断计算所述均方根误差直到所述损失曲线收敛为止；

步骤2.3、当所述损失曲线收敛时，将此时的全连接卷积神经网络作为几何伪影校正网络模型；

步骤3、将待去除几何伪影的重建图像输入所述几何伪影校正网络模型，得到去除几何伪影的新重建图像。

2.根据权利要求1所述的方法，其特征在于，所述几何伪影校正网络模型不含有池化层。

3.根据权利要求1所述的方法，其特征在于，在所述步骤2.1中，每次输入的所述存在几何伪影的重建图像的数据量大小为50张图像。

4.根据权利要求1所述的方法，其特征在于，所述设定的全连接卷积神经网络包括十层中间层，所述十层中间层分为五层卷积层和五层反卷积层；每一个所述中间层包括32个卷积核，卷积核大小为3×3，补充像素为1，滑动像素为2×2。