[发明专利]一种超视野CT图像重建模型训练和超视野CT图像重建方法

说明书

本发明公开了一种超视野CT图像重建模型训练和超视野CT图像重建方法，利用预设重建算法对获取的多组CBCT投影数据进行重建处理得到正常视野图像；对正常视野图像进行视野缩小处理；对缩小后的正常视野图像对应的投影数据进行补全操作；对补全操作后得到的投影数据进行重建得到超视野重建图像；根据正常视野图像数据与超视野重建图像数据构建数据集，并根据数据集训练U－Net网络模型得到超视野CT图像重建模型。减弱了因数据截断导致的重建图像超视野边界的亮环问题；有效增强了超视野区域的图像的亮度与组织结构，解决了视觉效果不好的问题；根据该模型进行超视野CT图像重建可以直接得到与正常视野重建图像的视觉效果相近的图像，满足临床诊断需求。

技术领域

本发明涉及CT设备成像技术领域，具体涉及一种超视野CT图像重建模型训练和超视野CT图像重建方法。

背景技术

锥束CT扫描能够快速获得被测物体的三维影像，且图像分辨率高，现被广泛应用于口腔医疗领域。在实际应用中，在CT扫描时会有超出成像视野的情况，现有技术中使用FDK算法重建超出规定视野范围的图像时，因超出规定视野的区域不满足数据完备条件，会引起重建图像超视野区域亮度明显偏暗、与原视野区域存在亮度跳变，导致视觉效果不好，且超视野区域内的组织结构模糊问题。但是由于硬件限制、使用场景限制以及成本控制原因，不能无限增加探测器的通道数，因此需要进一步扩大重建视野来获取超视野区域的结构信息，且使超视野重建图像显示效果接近原视野重建图像效果，以满足临床诊断需求。

发明内容

有鉴于此，本发明实施例提供了涉及一种超视野CT图像重建模型训练和超视野CT图像重建方法，以解决现有技术中在CT扫描时超出成像视野的区域亮度明显偏暗、与原视野区域存在亮度跳变且超视野区域内的组织结构模糊的技术问题。

本发明提出的技术方案如下：

本发明实施例第一方面提供一种超视野CT图像重建模型训练方法，该超视野CT图像重建模型训练方法包括：利用预设重建算法对获取的多组CBCT投影数据进行重建处理得到正常视野图像；对所述正常视野图像进行视野缩小处理；对缩小后的正常视野图像对应的投影数据进行补全操作；对补全操作后得到的投影数据进行重建得到超视野重建图像；根据所述正常视野图像数据与所述超视野重建图像数据构建数据集，并根据所述数据集训练U－Net网络模型得到超视野CT图像重建模型。

可选地，所述对所述正常视野图像进行视野缩小处理之后，对缩小后的正常视野图像对应的投影数据进行补全操作之前，所述方法还包括：计算所述获取的多组CBCT投影数据裁剪宽度；根据计算结果对所述获取的多组CBCT投影数据对应的投影图像进行裁剪。

可选地，对缩小后的正常视野图像对应的投影数据进行补全操作，包括：根据线性递减的方式并结合所述缩小后的正常视野图像的边界像素灰度值进行补全操作。

可选地，根据所述数据集训练U－Net网络模型，包括：利用损失函数迭代训练U－Net网络模型，所述损失函数包括最小化图像内容损失和图像梯度损失。

可选地，根据所述数据集训练U－Net网络模型，还包括：对训练图像进行增强处理并基于Adam优化器训练U－Net网络模型。

本发明实施例第二方面提供一种超视野CT图像重建方法，该超视野CT图像重建方法包括：获取CBCT投影数据对应的有效视野图像并对所述有效视野图像进行超视野重建；将重建后的图像输入到如本发明实施例第一方面或第一方面任一项所述的超视野CT图像重建模型训练方法训练得到的U－Net网络模型进行处理。