[发明专利]基于深度学习网络的CT坏通道实时检测及重建方法

摘要

本发明提供了基于深度学习网络的CT坏通道实时检测及重建方法，涉及CT数据检测及重建技术领域，包括数据预处理，数据学习，数据解析、修正及重建；数据预处理包括数据初始化、角度方向累加、二维卷积、数据归一化、数据分割、数据尺寸放大；经过深度学习网络学习后的结果标出坏通道的数量、位置坐标和类型；数据解析、修正及重建包括原图坐标恢复、原始数据标定、数据通道修复、数据重建得到图像域结果。本发明结合了图像处理和机器学习技术，利用图像预处理，增强了对于坏通道的基本特征的描述，从而使得深度学习能够在复杂的扫描环境中准确标定出坏通道的类型和位置，可以直接检测扫描数据，可以判断有响应的坏通道，可以实现实时扫描判断。

主权项

1.基于深度学习网络的CT坏通道实时检测及重建方法，其特征在于：包括数据预处理，数据学习，数据解析、修正及重建；/n其中数据预处理包括以下步骤：/n数据初始化，按照检测器通道方向、检测器排方向、旋转角度方向三个维度定义原始CT采集并通过校正的正弦数据为A0；/n角度方向累加，对A0的第三个维度方向的数据进行累加求和，记为S0；/n二维卷积，设置卷积核，对S0和卷积核进行二维卷积得到S1，对S1提取数据得到S2；/n对数据归一化，定义S3为S2被归一化到固定区间后的数据集；/n数据分割，对数据按照宽度、交叠宽度进行划分成多个子数据S4；/n数据尺寸放大，定义放大系数，对S4进行向上采样，采样后的数据为S5；/n将数据S5传入深度学习网络进行数据学习；/n经过深度学习网络学习后的结果记为S6，S6标出了多幅图像数据之中，坏通道的数量、位置坐标和类型；/n其中数据解析、修正及重建包括以下步骤：/n原图坐标恢复，根据S6中的生成的位置坐标恢复原始图像坐标得到S7；/n原始数据标定，在数据A0上分别对S7指出的坏通道进行标记，得到标记后的数据为Af1；/n数据通道修复，根据Af1上的标记不同的坏通道类型，对Af进行校正修复，修复后的数据记为Af2；/n数据重建，输出结果继续进行CT重建，得到图像域结果。/n