详情

原文传递基于卷积神经网络的X射线计算机断层成像能谱估计方法

专利名称：	基于卷积神经网络的X射线计算机断层成像能谱估计方法
摘要：	本发明提供一种基于卷积神经网络的X射线计算机断层成像能谱估计方法。该方法包括：步骤1、设计用于描述CT图像与能谱中光子分布概率之间耦合关系的卷积神经网络；步骤2、利用构建的训练数据集对所述卷积神经网络进行训练，得到训练好的卷积神经网络；步骤3、利用所述训练好的卷积神经网络对CT图像进行能谱估计，得到CT图像能谱信息。该方法主要从图像域的角度通过CT重建图像的特征来估计X射线能谱信息，不需要额外的硬件或专用工作流程，可以直接应用于现有CT扫描系统中，有利于提高效率。
专利类型：	发明专利
国家地区组织代码：	河南;41
申请人：	中国人民解放军战略支援部队信息工程大学
发明人：	李磊;张文昆;李子恒;王林元;蔡爱龙;唐超;梁宁宁;闫镔;孙艳敏
专利状态：	有效
申请日期：	2019-01-04T00:00:00+0800
发布日期：	2019-06-21T00:00:00+0800
申请号：	CN201910007663.9
公开号：	CN109916933A
代理机构：	郑州大通专利商标代理有限公司
代理人：	陈勇
分类号：	G01N23/046(2018.01);G;G01;G01N;G01N23
申请人地址：	450000 河南省郑州市高新区科学大道62号
主权项：	1.基于卷积神经网络的X射线计算机断层成像能谱估计方法，其特征在于，包括：步骤1、设计用于描述CT图像与能谱中光子分布概率之间耦合关系的卷积神经网络；步骤2、利用构建的训练数据集对所述卷积神经网络进行训练，得到训练好的卷积神经网络；步骤3、利用所述训练好的卷积神经网络对CT图像进行能谱估计，得到CT图像能谱信息。 2.根据权利要求1所述的方法，其特征在于，所述用于描述CT图像与能谱中光子分布概率之间耦合关系的卷积神经网络具体为：包含9层卷积层的单输入、单输出的网络结构模型；其中，第一层卷积层具有64个滤波器内核通道，每个滤波器内核通道的大小为9×9，重叠步长为4×4；第二层卷积层具有128个滤波器内核通道，每个滤波器内核通道的大小为7×7，重叠步长为4×4；第三层至第五层卷积层每层均具有256个滤波器内核通道，每个滤波器内核通道的大小为5×5，第三层和第四层卷积层滤波器内核通道的重叠步长为1×1，第五层卷积层滤波器内核通道的重叠步长为4×4；第六层至第八层卷积层每层均具有512个滤波器内核通道，每个滤波器内核通道的大小为3×3，第六层和第七层卷积层滤波器内核通道的重叠步长是1×1，第八层卷积层滤波器内核通道的重叠步长是2×2；第九层卷积层具有100个滤波器内核通道，每个滤波器内核通道的大小为1×1。 3.根据权利要求1所述的方法，其特征在于，还包括构建训练数据集，具体为：获取骨骼和组织的衰减系数，并利用SpekCalc软件生成N个归一化的X射线能谱；基于物体的连续能谱投影原理，根据所述衰减系数和N个X射线能谱生成连续能谱投影数据；利用滤波反投影解析重建算法在生成的所述连续能谱投影数据上重建CT图像；将得到的CT重建图像作为训练卷积神经网络的输入数据，将所述N个归一化的X射线能谱作为训练卷积神经网络的标签。
所属类别：	发明专利