一种图像重建方法、系统、装置及存储介质

本发明涉及图像处理，尤其是一种图像重建方法、系统、装置及存储介质。

背景技术：

1、pet（positron emission tomography，正电子发射断层扫描）作为目前唯一在活体显示生物分子代谢水平的影像技术，其具有特异性高、全身显像和安全性高等特点，被广泛应用于多种疾病的诊断与鉴别中。pet/ct融合了pet与ct图像，“pet犹如大海中的航标，ct犹如航行图，从而能准确，迅速找到目标。”两组图像的融合提高了影像质量和诊断准确性，使得医生在了解生物代谢信息的同时获得精准解剖定位，达到早期发现病灶和诊断疾病的目的，在临床的手术和放射治疗定位中发挥着重要的作用。

2、随着影像技术的发展，pet/ct辐射剂量受到了越来越多的关注，但是低剂量模式下传统重建方法噪声水平较高，图像质量不理想。

技术实现思路

1、有鉴于此，本发明实施例提供一种图像重建方法、系统、装置及存储介质，能够有效提高图像重建的质量。

2、一方面，本发明的实施例提供了一种图像重建方法，包括：

3、获取待重建图像；

4、利用图像变换网络，对待重建图像进行图像变换处理，得到第一图像；其中，图像变换包括去噪操作和滤波操作实现图像与剂量的映射转换；

5、对第一图像进行反投影处理，得到目标反投影张量；

6、利用分组卷积网络，对目标反投影张量进行分组卷积处理，得到第二图像；

7、利用残差密集网络，对第二图像进行全局特征提取处理，得到重建图像。

8、可选地，利用图像变换网络，对待重建图像进行图像变换处理，得到第一图像，包括：

9、利用图像变换网络，对待重建图像依次进行多层下采样和多层上采样；其中，多层下采样和多层上采样在同一维度的采样层进行特征连接；

10、根据多层下采样、特征连接和多层上采样，完成待重建图像的去噪操作和滤波操作实现图像与剂量的映射转换，得到第一图像。

11、可选地，对第一图像进行反投影处理，得到目标反投影张量，包括：

12、使用固定卷积操作，对第一图像进行逐个视角的反投影处理，得到逐视角反投影张量；对逐视角反投影张量沿视角方向提取向量；

13、基于像素值大小，对提取的向量进行排序，并放回反投影张量，得到目标反投影张量。

14、可选地，利用分组卷积网络，对目标反投影张量进行分组卷积处理，得到第二图像，包括：

15、利用分组卷积网络，基于预设张量数将目标反投影张量进行分组，对分组后各组张量进行分组卷积；

16、将分组卷积的结果进行全连接处理，得到第二图像。

17、可选地，残差密集网络包括浅层特征提取网络和多层残差密集块，利用残差密集网络，对第二图像进行全局特征提取处理，得到重建图像，包括：

18、通过浅层特征提取网络，对第二图像进行浅层特征提取，得到浅层特征；

19、根据浅层特征，通过多层残差密集块进行全局特征融合，并结合第二图像进行全局残差学习；

20、基于全局特征融合和全局残差学习，完成全局特征提取处理，得到重建图像。

21、可选地，方法还包括：

22、获取原始数据，根据原始数据对图像变换网络、分组卷积网络和残差密集网络进行网络训练；其中，原始数据包括仿真模拟数据和临床真实数据。

23、可选地，根据原始数据对图像变换网络、分组卷积网络和残差密集网络进行网络训练，包括：

24、基于仿真模拟数据，对图像变换网络与分组卷积网络和残差密集网络，进行分模块训练；

25、对完成分模块训练的图像变换网络与分组卷积网络和残差密集网络，进行整合串联；基于临床真实数据，对整合串联后的网络进行整体训练，获得训练完成的图像变换网络、分组卷积网络和残差密集网络。

26、另一方面，本发明的实施例提供了一种图像重建系统，包括：

27、第一模块，用于获取待重建图像；

28、第二模块，用于利用图像变换网络，对待重建图像进行图像变换处理，得到第一图像；其中，图像变换包括去噪操作和滤波操作实现图像与剂量的映射转换；

29、第三模块，用于对第一图像进行反投影处理，得到目标反投影张量；

30、第四模块，用于利用分组卷积网络，对目标反投影张量进行分组卷积处理，得到第二图像；

31、第五模块，用于利用残差密集网络，对第二图像进行全局特征提取处理，得到重建图像。

32、另一方面，本发明的实施例提供了一种图像重建装置，包括处理器以及存储器；

33、存储器用于存储程序；

34、处理器执行程序实现如前面的方法。

35、另一方面，本发明的实施例提供了一种计算机可读存储介质，存储介质存储有程序，程序被处理器执行实现如前面的方法。

36、本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前面的方法。

37、本发明实施例首先获取待重建图像；利用图像变换网络，对待重建图像进行图像变换处理，得到第一图像；其中，图像变换包括去噪操作和滤波操作实现图像与剂量的映射转换；对第一图像进行反投影处理，得到目标反投影张量；利用分组卷积网络，对目标反投影张量进行分组卷积处理，得到第二图像；利用残差密集网络，对第二图像进行全局特征提取处理，得到重建图像。本发明实施例首先通过图像变换网络，对待重建图像进行图像变换处理，实现图像的去噪操作和滤波操作实现图像与剂量的映射转换，为图像重建提供良好的图像数据基础；进而通过反投影处理，得到目标反投影张量，以保留更多特征，为后续处理提供更多有用的信息；进一步通过分组卷积减少卷积参数数量，加快卷积和图像重建速度；最终通过残差密集网络的全局特征提取避免由于网络深度增加所引起的梯度消失或者爆炸的影响，实现优异的重建效果。

技术特征：

1.一种图像重建方法，其特征在于，包括：

2.根据权利要求1所述的一种图像重建方法，其特征在于，所述利用图像变换网络，对所述待重建图像进行图像变换处理，得到第一图像，包括：

3.根据权利要求1所述的一种图像重建方法，其特征在于，所述对所述第一图像进行反投影处理，得到目标反投影张量，包括：

4.根据权利要求1所述的一种图像重建方法，其特征在于，所述利用分组卷积网络，对所述目标反投影张量进行分组卷积处理，得到第二图像，包括：

5.根据权利要求1所述的一种图像重建方法，其特征在于，所述残差密集网络包括浅层特征提取网络和多层残差密集块，所述利用残差密集网络，对所述第二图像进行全局特征提取处理，得到重建图像，包括：

6.根据权利要求1所述的一种图像重建方法，其特征在于，还包括：

7.根据权利要求6所述的一种图像重建方法，其特征在于，所述根据所述原始数据对所述图像变换网络、所述分组卷积网络和所述残差密集网络进行网络训练，包括：

8.一种图像重建系统，其特征在于，包括：

9.一种图像重建装置，包括处理器以及存储器；

10.一种计算机可读存储介质，其特征在于，所述存储介质存储有程序，所述程序被处理器执行实现如权利要求1至7中任一项所述的方法。

技术总结
本发明公开了一种图像重建方法、系统、装置及存储介质，本发明实施例首先通过图像变换网络，对所述待重建图像进行图像变换处理，实现图像的去噪操作和滤波操作实现图像与剂量的映射转换，为图像重建提供良好的图像数据基础；进而通过反投影处理，得到目标反投影张量，以保留更多特征，为后续处理提供更多有用的信息；进一步通过分组卷积减少卷积参数数量，加快卷积和图像重建速度；最终通过残差密集网络的全局特征提取避免由于网络深度增加所引起的梯度消失或者爆炸的影响，实现优异的重建效果，可广泛应用于图像处理技术领域。

技术研发人员：陈宏文,张新明,江金达,李翰威,齐宏亮,万伟权,胡德斌,黄衍超,陈小慧,夏景涛
受保护的技术使用者：南方医科大学
技术研发日：
技术公布日：2024/1/13