[发明专利]一种基于残差学习的CT稀疏重建伪影校正方法及系统

权利要求书

1.一种基于残差学习的CT稀疏重建伪影校正方法，其特征在于，包括：

步骤(1)通过滤波反投影FBP方法对CT产生的稀疏投影数据进行重建，得到带有伪影的稀疏重建图像；

步骤(2)通过建立基于残差学习的卷积神经网络结构对伪影的特征进行学习，得到伪影图；

步骤(3)通过稀疏重建图像与卷积神经网络学习的伪影图做残差，恢复出清晰的CT图像。

2.根据权利要求1所述的基于残差学习的CT稀疏重建伪影校正方法，其特征在于，步骤(1)中对CT产生的稀疏投影数据进行重建，目标函数表示为：

minxΦ(f-x)+λR(x);]]>

其中，f为稀疏重建图像，x代表最终清晰的CT图像，R(x)为正则化，λ表示正则化参数，N代表图像的大小，K代表滤波器的数量，h_k是第k个滤波器，ρ_k代表了第k个滤波器的惩罚项，在去伪影过程中*代表卷积运算。

3.根据权利要求1所述的基于残差学习的CT稀疏重建伪影校正方法，其特征在于：步骤(2)采用深度卷积神经网络结构来实现以下迭代求解的残差函数，以f为起点，α为步长的梯度下降法进行迭代学习，以实现对伪影的特征进行学习：

r1=f-x=αλΣk=1K(h‾k*ψk(hk*f));]]>

其中为h_k的共轭滤波器，ψ_k是ρ_k的导函数，r₁是对应于f和x的第一次迭代残差函数，ψ_k为卷积神经网络中的激活函数。