[发明专利]一种基于X射线通量分布的CT重建方法及装置

权利要求书

1.一种基于X射线通量分布的CT重建方法，其特征在于，包括以下步骤：

S10、获取CT扫描后得到的探测器数据，通过负对数变换得到所述探测器数据对应的投影图；

S20、将所述投影图输入预设的神经网络，得到重建图像与通量一致性指标；

S30、如果所述通量一致性指标满足预设条件，则直接输出所述重建图像；

S40、如果所述通量一致性指标不满足所述预设条件，则以所述通量一致性指标为优化目标更新所述神经网络，直至所述通量一致性指标满足所述预设条件，再最终输出所述重建图像。

2.如权利要求1所述的方法，其特征在于，通过下述方式训练所述神经网络：

获取训练数据集，所述训练数据集中包括多种物体的随机组合；

随机初始化所述神经网络的参数，根据所述训练数据集的通量一致性代价函数对所述神经网络的网络参数进行优化，得到训练后的所述神经网络。

3.如权利要求1或2所述的方法，其特征在于，还包括：

从粒子输运方程入手获得通量分布一致性指标，从粒子输运方程入手，推导出射线通量分布应满足的偏微分方程，并基于伪逆求解方法构建了空间各点权重相同的通量分布一致性指标，通过最小化通量分布的不一致来求解CT重建问题；

基于通量分布一致性指标的自监督神经网络重建方法，为全局通量分布一致性指标J设计优化算法，先将射线通量分布视为多粒子动态系统，优化目标被视作该系统势能，由于动力学系统的稳态对应势能最低点，故此状态下粒子分布对应令目标函数全局最小的通量分布；

最终的端到端网络由该基本模块堆叠而成，可以是同一分辨率也可以是多级分辨率的金字塔，该网络有两个输出分支：

1)计算各channel的feature map平均值以获得输出图像，当训练集内含对应完备数据，该分支可以与完备重建图像计算距离，实现有监督学习；

2)计算各channel的feature map。

4.如权利要求3所述的方法，其特征在于，所述粒子输运方程描述了射线与物质相互作用的物理过程：

其中，代表被扫描物体的支撑域，具有光滑边界为空间坐标，为单位球面，v＝S²为方向向量，σ(x)是衰减系数，K(x,v,v')是散射指数，F(x,v)是源项，定义I(x,v)为在位置x∈Ω中沿方向v∈S²运动的粒子密度。

5.如权利要求3所述的方法，其特征在于，所述通量分布一致性指标，所述通量分布一致性指标J体现了当前解与真实解之间的误差水平，一致性指标越接近0，当前解越接近真实解，可以用于将CT重建问题转化为数值优化问题求解，还可以在相同数据上比较不同算法的性能优劣，可为数值算法的优化提供自监督信息。

6.如权利要求3所述的方法，其特征在于，所述多粒子动态系统，所述动态系统对应的ODE被称为对流扩散方程,假设空间中有n个粒子，对应n个视角.令为第i个粒子在时间t所在的空间位置，粒子i的动力学可如下式表示：

x_i(t₀)＝w_i,i＝1，...，n

其中，F(x_i(t),[x₁(t),…,x_n(t),t],t)为扩散项，表达了粒子间的相互作用，G(x,t)为对流项，由空间和时间决定。