[发明专利]一种利用双平面X光图片重建CT图片的方法

说明书

本发明公开一种利用双平面X光图片重建CT图片的方法，包括步骤一、数据集处理获得训练集和测试集，步骤二、TRCT‑GAN网络模型的初步建立，步骤三、损失函数的优化并建立完善的TRCT‑GAN网络模型，步骤四、TRCT‑GAN网络模型的训练及测试，步骤五、利用TRCT‑GAN网络模型重建CT图片；本发明通过加入动态注意力模块，大大增强了特征的上下文关联，同时通过Transformer网络模块的加入，增强X光图片的特征表示，让二维特征在转换为三维特征的过程中保留更多有价值的特征，添加感知损失函数优化投影损失函数，有效避免了正交投影造成的信息损失，进一步确保了CT图的重建效果，保留了图像更多的细节。

技术领域

本发明涉及医学成像技术领域，尤其涉及一种利用双平面X光图片重建CT图片的方法。

背景技术

如今X射线成像已经是一项成熟的医学成像技术，在医学领域有着广泛的应用，最常见的X光图片可以让我们无创地看到身体内部，例如组织、器官、骨骼等，这些组织和器官重叠地投影在二维平面上，导致很多软组织和器官难以辨别；计算机断层扫描(CT)是一种成像设备，它通过X射线设备在身体周围旋转时捕获一组X射线生成3D体积；CT使组织和器官在三维空间中呈现，解决了器官和软组织重叠的问题；然而，相对于X光机，CT扫描会给患者带来更多的辐射剂量，此外，CT扫描仪通常也比X光机成本更高。目前使用数百个X射线投影，利用标准的重建算法可以精确重建出3D的CT，但是数据的采集是需要X射线设备在身体周围旋转的，很显然这无法在X光机上实现；

现有基于深度学习生成对抗网络(GAN)的网络框架X2CT-GAN已用于从单个肺部X光图片和双平面肺部X光图片重建肺部CT，但是该方法在网络的特征提取部分丢失很多有价值的信息，二维特征到三维特征的转换不稳定，导致重建的CT在复杂解剖结构的部位没有清晰的边界和内部纹理，有较多的伪影存在，因此，本发明提出一种利用双平面X光图片重建CT图片的方法以解决现有技术中存在的问题。

发明内容

针对上述问题，本发明的目的在于提出一种利用双平面X光图片重建CT图片的方法，该利用双平面X光图片重建CT图片的方法通过加入动态注意力模块，大大增强了特征的上下文关联，同时通过Transformer网络模块的加入，增强X光图片的特征表示，让二维特征在转换为三维特征的过程中保留更多有价值的特征，添加感知损失函数优化投影损失函数，有效避免了正交投影造成的信息损失，进一步确保了CT图的重建效果，保留了图像更多的细节。

为实现本发明的目的，本发明通过以下技术方案实现：一种利用双平面X光图片重建CT图片的方法，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。