基于小波多通道评分的有限角CT重建方法、系统及设备

本发明涉及图像重建，具体是涉及基于小波多通道评分的有限角ct重建方法、系统及设备。

背景技术：

1、计算机断层扫描(ct)的重建过程致力于提高图像质量和减少辐射暴露，在传统的ct成像任务中，有限角ct因其具备迅速采集数据和降低辐射剂量的独特特性而备受关注。尽管有限角ct具有各种优势，但由于数据采集的不完整性，重建过程面临着严重的挑战。

2、目前，已有学者提出将传统的sgm模型应用到有限角ct重建任务中，但是有限角ct图像通常表现出方向性和不均匀性的复杂伪影，这主要是在有限角ct图像的扫描获取过程中受到部分扫描角度的影响，这些复杂伪影的分布阻碍sgm模型对概率密度函数的准确估计，进而降低其重建性能。

技术实现思路

1、本发明提供基于小波多通道评分的有限角ct重建方法、系统及设备，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。

2、第一方面，提供一种基于小波多通道评分的有限角ct重建方法，包括：

3、获取有限角ct加噪图像；

4、按照预设时间长度对所述有限角ct加噪图像进行逐步去噪，在每个去噪过程中对输入数据进行图像域和小波域的深度采样处理之后输出至下一个去噪过程，再将最后一个去噪过程的输出数据作为ct重建图像。

5、进一步地，所述在每个去噪过程中对输入数据进行图像域和小波域的深度采样处理之后输出至下一个去噪过程包括：

6、对输入数据进行优化，再利用基于图像域的采样生成器对优化后的输入数据进行单次采样，得到第一采样数据；

7、对所述第一采样数据进行优化，再对优化后的第一采样数据进行小波变换，得到第一输入数据组；

8、利用基于小波域的采样生成器对所述第一输入数据组进行单次采样，得到对应的第二采样数据组；

9、对所述第二采样数据组进行小波逆变换，得到最终的输出数据。

10、进一步地，所述对输入数据进行优化包括：

11、获取第一优化函数，再将输入数据输入至所述第一优化函数之后采用共轭梯度法进行求解，得到优化后的输入数据。

12、进一步地，所述利用基于图像域的采样生成器对优化后的输入数据进行单次采样，得到第一采样数据包括：

13、所述基于图像域的采样生成器包括第一预测器和第一检测器；

14、利用所述第一预测器对优化后的输入数据进行单次采样，得到第一初始采样数据；

15、利用所述第一检测器对所述第一初始采样数据进行校正，再对校正后的第一初始采样数据进行数据一致性约束，得到第一采样数据。

16、进一步地，所述对所述第一采样数据进行优化包括：

17、引入耦合因子对所述第一优化函数进行分离转化，得到第二优化函数；

18、将所述第一采样数据输入至所述第二优化函数之后采用共轭梯度法进行求解，得到优化后的第一采样数据。

19、进一步地，所述利用基于小波域的采样生成器对所述第一输入数据组进行单次采样，得到对应的第二采样数据组包括：

20、所述基于小波域的采样生成器包括第二预测器和第二检测器；

21、对于所述第一输入数据组中的每个第一输入数据，利用所述第二预测器对所述第一输入数据进行单次采样，得到第二初始采样数据；

22、利用所述第二检测器对所述第二初始采样数据进行校正，再对校正后的第二初始采样数据进行数据一致性约束，得到对应的第二采样数据。

23、进一步地，所述基于图像域的采样生成器通过以下方式得到：

24、获取有限角ct训练图像和基于随机微分方程构建的第一扩散模型，所述第一扩散模型包括第一前向过程和第一反向过程；

25、在所述第一前向过程中，对所述有限角ct训练图像逐步注入噪声，得到第一加噪图像；

26、在所述第一反向过程中，通过训练第一得分网络以对所述第一加噪图像进行逐步去噪，训练得到的第一得分网络即为基于图像域的采样生成器。

27、进一步地，所述基于小波域的采样生成器通过以下方式得到：

28、获取所述有限角ct训练图像和基于随机微分方程构建的第二扩散模型，所述第二扩散模型包括第二前向过程和第二反向过程；

29、对所述有限角ct训练图像进行小波变换，得到有限角ct训练子图像组；

30、在所述第二前向过程中，对所述有限角ct训练子图像组分别逐步注入噪声，得到对应的第二加噪图像组；

31、在所述第二反向过程中，通过训练第二得分网络以对第二加噪图像组分别进行逐步去噪，训练得到的第二得分网络即为基于小波域的采样生成器。

32、第二方面，提供一种基于小波多通道评分的有限角ct重建系统，包括：

33、第一模块，用于获取有限角ct加噪图像；

34、第二模块，用于按照预设时间长度对所述有限角ct加噪图像进行逐步去噪，在每个去噪过程中对输入数据进行图像域和小波域的深度采样处理之后输出至下一个去噪过程，再将最后一个去噪过程的输出数据作为ct重建图像。

35、第三方面，提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序以实现如第一方面所述的基于小波多通道评分的有限角ct重建方法。

36、本发明至少具有以下有益效果：通过在图像重建任务所包含的每个去噪过程中对输入数据进行图像域和小波域的深度采样处理，引入小波变换来解析出有限角伪影在不同频率分量中的分布特征，有利于从每个去噪过程的输出数据中分离并去除伪影，确保细节结构的一致性和有效性，提高图像重建的质量。

技术特征：

1.一种基于小波多通道评分的有限角ct重建方法，其特征在于，包括：

2.根据权利要求1所述的基于小波多通道评分的有限角ct重建方法，其特征在于，所述在每个去噪过程中对输入数据进行图像域和小波域的深度采样处理之后输出至下一个去噪过程包括：

3.根据权利要求2所述的基于小波多通道评分的有限角ct重建方法，其特征在于，所述对输入数据进行优化包括：

4.根据权利要求2所述的基于小波多通道评分的有限角ct重建方法，其特征在于，所述利用基于图像域的采样生成器对优化后的输入数据进行单次采样，得到第一采样数据包括：

5.根据权利要求3所述的基于小波多通道评分的有限角ct重建方法，其特征在于，所述对所述第一采样数据进行优化包括：

6.根据权利要求2所述的基于小波多通道评分的有限角ct重建方法，其特征在于，所述利用基于小波域的采样生成器对所述第一输入数据组进行单次采样，得到对应的第二采样数据组包括：

7.根据权利要求2所述的基于小波多通道评分的有限角ct重建方法，其特征在于，所述基于图像域的采样生成器通过以下方式得到：

8.根据权利要求7所述的基于小波多通道评分的有限角ct重建方法，其特征在于，所述基于小波域的采样生成器通过以下方式得到：

9.一种基于小波多通道评分的有限角ct重建系统，其特征在于，包括：

10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序以实现如权利要求1至8任一项所述的基于小波多通道评分的有限角ct重建方法。

技术总结
本发明公开了基于小波多通道评分的有限角CT重建方法、系统及设备，其中所述方法包括：获取有限角CT加噪图像；按照预设时间长度对所述有限角CT加噪图像进行逐步去噪，在每个去噪过程中对输入数据进行图像域和小波域的深度采样处理之后输出至下一个去噪过程，再将最后一个去噪过程的输出数据作为CT重建图像。本发明通过在图像重建过程中引入小波变换来解析出有限角伪影在不同频率分量中的分布特征，有利于从图像数据中分离并去除伪影，确保细节结构的一致性和有效性，提高图像重建的质量。

技术研发人员：伍伟文,李子荣
受保护的技术使用者：中山大学
技术研发日：
技术公布日：2024/3/11