[发明专利]一种智能估计CT扫描中三维X射线吸收系数的方法和系统

说明书

本发明涉及一种智能估计CT扫描中三维X射线吸收系数的方法及系统；其方法包括步骤：S1、对待扫描对象的二维投影图像进行第一数据预处理，得到待扫描对象的二维投影信息；S2、将待扫描对象的二维投影信息输入吸收系数生成神经网络模型，生成待扫描对象的三维X射线吸收系数矩阵。本发明基于深度学习，通过大量的训练样本建立吸收系数生成神经网络模型，输入待扫描对象的二维投影图像能够直接预测出待扫描对象的三维X射线吸收系数矩阵，从而得出空间各点的最佳扫描曝光量；无需建立空间几何模型和复杂的计算，即可得到精准的结果；方法简便智能，不依赖人为设置的人体几何物理结构，结果稳定且准确，计算效率高，节省时间和资源成本。

技术领域

本发明属于医学影像技术领域，具体涉及一种智能估计CT扫描中三维X射线吸收系数的方法和系统。

背景技术

CT成像是通过X射线对人体检查部位进行扫描，由探测器接收透过人体的X射线后转变为可见光，通过处理转换成数字信号，再经过计算机图像重建程序重建得到图像。其中，CT的本质原理利用人体不同部位对X射线的能量吸收系数的差异性，从而得到反映人体的医学图像。

众所周知，X射线对人体的伤害较大。因此，如何控制辐射曝光量，既能得到清晰有效的医学图像，又能减少不必要的伤害，是当前面临的技术难题。

由于人体骨骼、器官等组织的X射线吸收系数分布不同，辐射曝光量随着不同的空间位置以及不同的吸收系数，存在定量准确的变化关系。因此，准确获得被测物体的X射线吸收系数，对于调节CT工作参数以减少辐射剂量有重要的实际意义。

现有技术中，估计X射线吸收系数的过程大致如下：先建立人体结构模型，设定几何形状(一般为多个椭圆体等)，预先设定各几何形状中的骨骼、肌肉等，依据人为设定的模型参数来估算扫描时各角度和轴向位置的X射线吸收系数分布；然后，根据临床实验数据进行后续修正。但是，上述估计X射线吸收系数的方式存在以下不足之处：

一、涉及到三维空间几何学的点线面的计算，过程复杂，计算量大；

二、由于人体结构模型是特定条件下假定的，X射线吸收系数分布是人为设定的，由此导致结果精度不高。尤其是在临床上不同体型的病人，结果误差较大。

发明内容

基于现有技术中存在的上述缺点和不足，本发明的目的之一是至少解决现有技术中存在的上述问题之一或多个，换言之，本发明的目的之一是提供满足前述需求之一或多个的一种智能估计CT扫描中三维X射线吸收系数的方法和系统。

为了达到上述发明目的，本发明采用以下技术方案：

一种智能估计CT扫描中三维X射线吸收系数的方法，包括以下步骤：

S1、对待扫描对象的二维投影图像进行第一数据预处理，得到待扫描对象的二维投影信息；

S2、将待扫描对象的二维投影信息输入吸收系数生成神经网络模型，生成待扫描对象的三维X射线吸收系数矩阵。

作为优选方案，所述吸收系数生成神经网络模型的网络训练，包括：

S01、采集二维投影图像样本及其对应的三维医学图像样本；

S02、对二维投影图像样本中各二维投影图像及三维医学图像样本中各三维医学图像分别进行第一数据预处理和第二数据预处理，得到二维投影信息和吸收系数信息；

S03、将二维投影信息和吸收系数信息分别作为吸收系数生成神经网络模型的输入和输出，进行吸收系数生成神经网络模型的训练，确定吸收系数生成神经网络模型的网络权重参数。

作为优选方案，所述步骤S03包括以下步骤：

S031、对二维投影信息依次经过2D卷积、2D下采样及激活函数处理，以进行特征提取；