[发明专利]一种利用双平面X光图片重建CT图片的方法

权利要求书

1.一种利用双平面X光图片重建CT图片的方法，其特征在于，包括以下步骤：

步骤一、数据集处理，获取1018张CT图片，利用数字重建放射影像技术分别合成1018张正面X光图片和1018张侧面X光图片，并将其中的916组双平面X光图片和对应的CT图片作为训练集，剩余的作为测试集；

步骤二、网络模型建立，基于包含3D生成器和3D鉴别器的X2CT-GAN网络框架，在3D生成器的编码器和解码器中加入动态注意力模块和Transformer网络，并使用PatchGan作为3D鉴别器网络，初步构建获得TRCT-GAN网络模型；

步骤三、损失函数的优化，基于包含对抗损失函数、重建损失函数和投影损失函数的X2CT-GAN网络框架，在TRCT-GAN网络模型中的投影损失函数中加入感知损失函数进行优化，获得最终的TRCT-GAN网络模型；

步骤四、模型的训练，利用训练集和测试集对TRCT-GAN网络模型进行训练和测试，获得训练后的TRCT-GAN网络模型；

步骤五、CT图片的重建，将患者的正面X光图片和对应的侧面X光图片作为TRCT-GAN网络模型的输入，由TRCT-GAN网络输出获得重建的CT图片。

2.根据权利要求1所述的一种利用双平面X光图片重建CT图片的方法，其特征在于：所述步骤二中TRCT-GAN网络模型的3D生成器包含两个并行的编码器和解码器，在编码器和解码器中加入动态注意力模块，后在编码器和解码器之间添加跳转连接模块，并在解码器中加入融合网络模块。

3.根据权利要求1所述的一种利用双平面X光图片重建CT图片的方法，其特征在于：所述步骤二中动态注意力模块由包含动态注意力权值的耦合注意力分支与非注意力分支构成。

4.根据权利要求1所述的一种利用双平面X光图片重建CT图片的方法，其特征在于：所述步骤二中编码器和解码器的2D特征和3D特征桥接过程加入Transformer网络进行处理，具体为先将二维特征变为一维特征，经过嵌入层并加入位置编码，然后经过Layernorm层和多头自注意力层形成残差连接，最后再经过Layernorm层和前馈层后形成残差连接输出特征。

5.根据权利要求1所述的一种利用双平面X光图片重建CT图片的方法，其特征在于：所述步骤三中对抗损失函数为LSGAN中的对抗损失函数，表达式如下

其中x为输入的两张X光图片，y为重建的CT图，p表示所对应的数据分布情况，E表示最大似然估计，D表示鉴别器，G表示生成器，鉴别器和生成器交替训练。

6.根据权利要求1所述的一种利用双平面X光图片重建CT图片的方法，其特征在于：所述步骤三中的重建损失函数和投影损失函数分别由下式表达

其中P_ap(·)表示轴向平面上的投影，P_cp(·)表示冠状面上的投影，P_sp(·)表示矢状面上的投影，x为输入的两张X光图片，y为重建的CT图，E表示最大似然估计。

7.根据权利要求1所述的一种利用双平面X光图片重建CT图片的方法，其特征在于：所述步骤三中利用感知损失函数优化投影损失函数具体表达式如下

其中V表示输入已经过VGG预训练模型，VGG预训练模型为已经训练好的用来提取图像特征的网络模型，包括13个卷积层和3个全连接层。

8.根据权利要求1所述的一种利用双平面X光图片重建CT图片的方法，其特征在于：所述步骤四中网络训练时使用Adam优化器进行训练，网络初始学习率为4×e^-4，动量参数β₁＝0.5，β₂＝0.99，共训练100次，在训练第70次后使用线性学习衰减策略降低学习率直至最后一次训练后学习率为0。