[发明专利]一种3D-DSA图像的重建方法及系统

权利要求书

1.一种3D-DSA图像的重建方法，其特征在于，所述方法包括以下步骤：

S1，采集基于微血管的2D-DSA图像，对所述2D-DSA图像进行预处理；

S2，将预处理后的所述2D-DSA图像以及对应的相机参数输入至训练好的3D-DSA重建网络中，获得重建的3D-DSA图像；

其中，所述步骤S1之前，所述方法还包括：

S10，根据预先获得的2D-DSA图像构建特征数据库，所述特征数据库中包括若干组训练集，所述训练集中包括若干个二维投影图像及其对应的视角；

S20，从所述特征数据库中选取一组所述训练集作为输入数据，所述输入数据中的所述二维投影图像为输入图像，将所述输入数据输入至深度神经网络中进行三维重建，获得三维重建结果；

S30，通过可微分投影将所述三维重建结果在与所述输入图像相同的视角下进行投影，获得二维图像，使用损失函数计算相同视角下的所述二维图像与所述输入图像之间的损失值，基于所述损失值对所述深度神经网络的网络权重进行反向传播与梯度更新，得到待优化的3D-DSA重建网络；

S40，基于所述待优化的3D-DSA重建网络循环执行所述步骤S20和所述步骤S30，获得训练好的3D-DSA重建网络。

2.根据权利要求1所述的3D-DSA图像的重建方法，其特征在于：所述步骤S1中的预处理具体包括去噪、去运动伪影以及去造影剂流动干扰处理，所述步骤S2中的所述相机参数包括采集所述2D-DSA图像的视角。

3.根据权利要求1所述的3D-DSA图像的重建方法，其特征在于，所述步骤S20具体包括：

S201，采用线性插值方法对所述输入图像的分辨率进行调整，获得低分辨率图像；

S202，对所述低分辨率图像进行多视角信息融合，获得融合结果；

S203，将所述融合结果输入至所述深度神经网络中进行三维重建，获得低分辨率重建结果；

S204，将所述输入图像与所述低分辨率重建结果进行级联，获得级联结果；

S205，将所述级联结果输入至所述深度神经网络中进行三维重建，获得高分辨率重建结果；

S206，使用阈值裁剪去除所述高分辨率重建结果中的显著噪声，获得所述三维重建结果。

4.根据权利要求3所述的3D-DSA图像的重建方法，其特征在于，所述步骤S202具体包括：

不同视角的所述低分辨率图像以不同通道的形式作为输入，所述低分辨率图像沿每个视角的垂直方向被复制预设次数，在每个通道中生成3D体素数据；

对所述3D体素数据进行随机裁剪，对裁剪后的所述3D体素数据进行卷积操作并提取每个通道的特征，获得每个通道的低分辨率数据；

将每个通道的所述低分辨率数据相加，得到所述融合结果。

5.根据权利要求3所述的3D-DSA图像的重建方法，其特征在于，所述步骤S203和所述步骤S205中的所述三维重建具体包括：使用3D U-Net对数据进行编码和解码，然后对经过编码和解码后的所述数据进行连续的调整大小和卷积操作，得到重建结果；

其中，在步骤S203中，所述数据为所述融合结果，所述重建结果为所述低分辨率重建结果，在步骤S205中，所述数据为所述级联结果，所述重建结果为所述高分辨率重建结果。

6.根据权利要求1所述的3D-DSA图像的重建方法，其特征在于，所述步骤S20中的所述三维重建结果表示如下：

F(X₁,X₂...X_N,θ₁,θ₂...θ_N)＝Y_pred

其中，{X₁,X₂...X_N}为若干个二维投影图像，{θ₁,θ₂...θ_N}为所述二维投影图像对应的视角，F为深度神经网络对应的映射函数，Y_pred为三维重建结果。