本发明提出了一种锥束CT图像散射伪影校正处理方法及装置,涉及图像处理技术领域,该方法包括:构建合成网络,所述合成网络至少包含两个生成器、两个判别器、两个CBCT图像域特征提取单元及两个pCT图像域特征提取单元,用于将CBCT图像转化为spCT图像;分别对CBCT图像及spCT图像进行正向投影,得到CBCT投影及spCT投影,根据CBCT投影及spCT投影确定残差投影;在所述残差投影中提取散射伪影及图像细节,从所述残差投影中去除所述图像细节,保留所述散射伪影;从所述CBCT投影中减去所述散射伪影,生成校正后的投影;对所述校正后的投影进行重建,得到校正后的CBCT图像。
1.一种锥束CT图像散射伪影校正处理方法,其特征在于,包括:
构建合成网络,所述合成网络至少包含两个生成器、两个判别器、两个CBCT图像域特征提取单元及两个pCT图像域特征提取单元,用于将CBCT图像转化为spCT图像;其中,CBCT为锥束CT,spCT为合成的pCT,pCT为计划CT;
分别对CBCT图像及spCT图像进行正向投影,得到CBCT投影及spCT投影,根据CBCT投影及spCT投影确定残差投影;
在所述残差投影中提取散射伪影及图像细节,从所述残差投影中去除所述图像细节,保留所述散射伪影;
从所述CBCT投影中减去所述散射伪影,生成校正后的投影;
对所述校正后的投影进行重建,得到校正后的CBCT图像。
2.根据权利要求1所述的方法,其特征在于,所述合成网络包括:生成器G、生成器F、判别器DpCT、判别器DCBCT、第一CBCT图像域特征提取单元、第二CBCT图像域特征提取单元、第一pCT图像域特征提取单元及第二pCT图像域特征提取单元。
本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
锥束CT(Cone-beam CT,CBCT)图像中容易出现的散射伪影通常会导致图像软组织对比度降低,图像质量降低等问题,这会对辅助治疗、疾病的诊断造成影响。近些年来,许多研究人员提出了CBCT图像散射伪影校正方法来提高CBCT的影像质量。这些方法可以大致分为硬件校正、基于模型的散射校正、基于深度学习的散射伪影校正。
硬件校正方法要是通过增添滤除散射的硬件设备,即在X射线到达探测器之前,通过光束阻挡器、抗散射光、空气隙法等对散射伪影进行抑制。
中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力,推动我国自主知识产权新工业的建立,成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生态系统,由九个研究平台,国科大深圳先进技术学院,多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究,促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。
本发明提出的锥束CT图像散射伪影校正处理方法及装置基于双重对比度学习的无监督图像风格转换模型,将CBCT图像转换为pCT图像,并生成高质量的合成pCT,进一步对原始CBCT和spCT进行正向投影。提出了使用后处理技术和FDK算法相结合的方法在投影域实现了散射伪影校正,大大改善了CBCT图像质量,本发明在实施过程中不需要额外的先验信息,不需要改动硬件设备,不需要成对的训练数据,校正后的图像重建耗时短,计算效率高,适用于half-fan扫描;本发明的CBCT散射伪影校正方案可以保持校正前后CBCT图像的保真性,可以显著提升CBCT的软组织对比度以及图像质量,为适应性放射治疗提供有力的技术支持。
技术合作
以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。