[发明专利]一种基于深度学习的双域CT图像环状伪影去除方法

权利要求书

1.一种基于深度学习的双域CT图像环状伪影去除方法，其特征在于，包括以下步骤：

S1，搭建投影域去伪影的深度神经网络，投影域网络设置为残差学习网络，投影域网络使用最大反池化作为上采样；

S2，搭建图像域去伪影的深度神经网络，上采样采用双线性插值法；

S3，搭建混合域深度神经网络，使用的是无参考图像质量评价网络来挑选来自双域校正过的图像块，最后组成完整图像；

S4，准备图像域、投影域和混合域的训练数据；

S5，分别对图像域、投影域和混合域的网络进行训练，并完成验证。

2.根据权利要求1所述的一种基于深度学习的双域CT图像环状伪影去除方法，其特征在于，投影域网络和图像域网络的架构均基于U-net。

3.根据权利要求1所述的一种基于深度学习的双域CT图像环状伪影去除方法，其特征在于，S4中，投影域的输入数据是含条形伪影的投影图，标签数据是对应的条形伪影。

4.根据权利要求1所述的一种基于深度学习的双域CT图像环状伪影去除方法，其特征在于，S4中，图像域的输入数据是含环状伪影的CT图像，标签数据是对应的参考图像。

5.根据权利要求1所述的一种基于深度学习的双域CT图像环状伪影去除方法，其特征在于，S4中，混合域的输入数据是含伪影的图像块，标签数据是图像质量评价的指标数值。

6.根据权利要求1所述的一种基于深度学习的双域CT图像环状伪影去除方法，其特征在于，图像域和投影域的训练数据均使用分块方法，将完整的图像分割为多个重叠的图像块，采用结构相似度SSIM作为图像质量评价指标，挑选其中伪影严重的图像块作为训练数据。