基于AwTV的CT迭代重建替代函数优化方法

    公开(公告)号:CN113706653B

    公开(公告)日:2023-12-08

    申请号:CN202111111733.9

    申请日:2021-09-23

    Inventor: 侯晓文 陈伟

    Abstract: 本发明涉及CT图像重建技术领域,尤其涉及一种基于AwTV的CT迭代重建替代函数优化方法;该方法基于AwTV正则化模型的代价函数的凸特性,构建替代函数,实现替代函数各个像素点相互分离,从而所有像素点的优化可以同步进行,借助GPU的并行计算能力,每次迭代耗时约1分钟;同时,由于数据拟合项和正则项一起优化,保证迭代过程单调收敛到最优值点,相对于凸集投影算法,提高了收敛速度,减少了迭代次数,使总的迭代耗时大大降低。

    物质浓度迭代重建目标函数的权重矩阵及其计算方法

    公开(公告)号:CN118799427A

    公开(公告)日:2024-10-18

    申请号:CN202410824115.6

    申请日:2024-06-25

    Inventor: 侯晓文 陈伟

    Abstract: 本发明提供了一种物质浓度迭代重建目标函数的权重矩阵及其计算方法,首先获取单能CT的迭代重建目标函数的权重矩阵;接着根据所述单能CT的迭代重建目标函数的权重矩阵类比获取物质浓度迭代重建目标函数的权重矩阵的所需的目标参数;接着根据物质浓度分布图像投影来计算获取与基物质相对应的探测器计数;最后根据所述目标参数和所述探测器计数计算获取物质浓度迭代重建目标函数的权重矩阵。本发明计算获取了适用于物质浓度迭代重建算法的权重矩阵,采用具有该权重矩阵的重建算法重建的物质浓度分布图像具有更低的噪声水平,同时保持了与(现有技术的)滤波反投影重建相同的空间分辨率线对数;由于其它CT能谱图像都是由物质浓度图像合成,因而间接实现了其它CT能谱图像的自适应非局部均值降噪。

    一种CT成像的迭代重建方法及计算机可读存储介质

    公开(公告)号:CN118608645A

    公开(公告)日:2024-09-06

    申请号:CN202410824116.0

    申请日:2024-06-25

    Inventor: 侯晓文 陈伟

    Abstract: 本发明提供了一种CT成像的迭代重建方法及计算机可读存储介质,在迭代重建过程中的正投和反投过程基于射线驱动型和像素驱动型方法,能够保证迭代重建计算效率;同时,为了改进空间分辨率,在反投过程中增加了滤波过程,能够有效抑制反投中低频信息引起的图像模糊,从而改善图像空间分辨率。滤波函数通过对投影或投影误差进行一维滤波,从而提高计算效率,避免了采用距离驱动型或者面积型正反投导致计算复杂度增加,迭代重建耗时降低的问题;滤波函数根据扫描部位和重建卷积核调整相关参数,以保证迭代重建空间分辨率和滤波反投影重建结果尽可能相似。

    一种能谱CT图像的降噪优化方法及计算机可读存储介质

    公开(公告)号:CN115546051A

    公开(公告)日:2022-12-30

    申请号:CN202211144499.4

    申请日:2022-09-20

    Abstract: 本发明提供了一种能谱CT图像的降噪优化方法及计算机可读存储介质,根据噪声在采集的多能投影数据和物质浓度分布图像投影之间传播的特性,由采集的多能投影数据噪声来估计物质浓度分布图像投影噪声,并进一步由物质浓度分布图像投影噪声来估计物质浓度分布图像各个像素的噪声,接着采用自适应非局部均值降噪算法,实现对物质浓度分布图像的自适应非局部均值降噪。并且还根据虚拟单色图像和物质浓度分布图像的关系,进一步估计出虚拟单色图像各个像素点的噪声,利用不同能级虚拟单色图像之间的信息冗余,实现自适应多能非局部均值降噪,从而进一步降低虚拟单色图像噪声。

    一种基于深度学习的能谱CT基物质投影估计方法、系统及能谱CT

    公开(公告)号:CN112651434B

    公开(公告)日:2022-09-02

    申请号:CN202011515878.0

    申请日:2020-12-21

    Abstract: 本发明涉及一种基于深度学习的能谱CT基物质投影估计方法,包括:测定X射线的高低能谱;采集待测体在高低能谱下对应的实际投影数据;将实际投影数据输入训练完成的深度学习网络模型,得到符合正向投影模型的投影预测数据;将投影预测数据代入基物质投影迭代公式进行迭代,经过第k+1次迭代得到基物质A和B的投影数据;将第k+1次迭代得到的基物质A和B的投影数据输入正向投影模型,得到高低能谱下的正向投影数据;判断正向投影数据与实际投影数据的误差是否小于收敛阈值;若否,则继续进行第k+2次迭代;若是,则输出基物质A和B的投影数据。本发明考虑系统散射、系统噪声及探测器转换效率等因素的影响,提升基物质投影估计的精度。

    一种双能CT图像重建方法、系统及计算机可读存储介质

    公开(公告)号:CN114565695A

    公开(公告)日:2022-05-31

    申请号:CN202210206582.3

    申请日:2022-03-02

    Inventor: 王斌 侯晓文

    Abstract: 本发明涉及医学影像领域,尤其涉及一种双能CT图像重建方法、系统及计算机可读存储介质。包括步骤:基于CT成像系统分别获取管电压值为KV1和KV2时扫描空气和扫描患者时探测器接收到的光信号量Iairkv1、Iairkv2和Ikv1、Ikv2;根据Iairkv1、Iairkv2和Ikv1、Ikv2计算出患者在管电压值KV1和KV2下的吸收值Pkv1和Pkv2;将所述Pkv1和Pkv2校正为单色光P1和P2;根据P1和P2经过多项式分解后分别得到两种基物质水和碘的吸收值Pwater和Piodine;根据Pwater和Piodine重建基物质图,并根据基物质图计算出所需的能谱图像。此种计算公式能够保证在纯水部分时双能成像的准确性,并且能够避免在纯空气部分产生两个很大的水碘成分正负互相抵消的情况。

    一种基于深度学习的能谱CT有效原子序数估计方法

    公开(公告)号:CN114403912A

    公开(公告)日:2022-04-29

    申请号:CN202210048253.0

    申请日:2022-01-17

    Abstract: 本发明公开了一种基于深度学习的能谱CT有效原子序数估计方法,首先根据已知数据利用深度学习,创建一个双输入通道的神经网络模型,将能谱CT分解结果作为网络模型的输入,有效原子序数图像结果作为训练的输出,是一个标准的端到端的网络模型,输入图像一次性得出输出图像。然后,在实际能谱CT重建中,将能谱CT分解结果作为上述训练所得深度学习网络的输入,即可估计出相应的有效原子序数图像。本发明方法直接由能谱CT分解结果估计有效原子序数,避免计算中间图像。建立能谱CT分解结果和较广范围有效原子序数之间的深度学习网络,解决了现有技术估计有效原子序数范围有限的问题。

    一种CT图像处理方法、装置、设备及介质

    公开(公告)号:CN114972110B

    公开(公告)日:2024-08-02

    申请号:CN202210685390.5

    申请日:2022-06-15

    Inventor: 侯晓文 陈伟

    Abstract: 本发明提供了一种CT图像处理方法、装置、设备及介质,涉及医学影像处理技术领域,包括:获取若干虚拟单色图像,确定各个虚拟单色图像中的最小噪声虚拟单色图像;获取任一虚拟单色图像作为目标虚拟单色图像分别对最小噪声虚拟单色图像和目标虚拟单色图像进行空间域频率变换,获得第一处理图像和第二处理图像;计算目标虚拟单色图像与最小噪声虚拟单色图像的噪声比值,并根据噪声比值计算最优融合参数;根据融合参数将第一处理图像中的高频数据与第二处理图像的低频数据进行融合,获得第三处理图像;对第三处理图像进行空间域频率反变换,获得与目标虚拟单色图像对应的目标图像,解决现有滤波降噪导致图像模糊且对比度降低的问题。

    一种CT图像处理方法、装置、设备及介质

    公开(公告)号:CN114972110A

    公开(公告)日:2022-08-30

    申请号:CN202210685390.5

    申请日:2022-06-15

    Inventor: 侯晓文 陈伟

    Abstract: 本发明提供了一种CT图像处理方法、装置、设备及介质,涉及医学影像处理技术领域,包括:获取若干虚拟单色图像,确定各个虚拟单色图像中的最小噪声虚拟单色图像;获取任一虚拟单色图像作为目标虚拟单色图像分别对最小噪声虚拟单色图像和目标虚拟单色图像进行空间域频率变换,获得第一处理图像和第二处理图像;计算目标虚拟单色图像与最小噪声虚拟单色图像的噪声比值,并根据噪声比值计算最优融合参数;根据融合参数将第一处理图像中的高频数据与第二处理图像的低频数据进行融合,获得第三处理图像;对第三处理图像进行空间域频率反变换,获得与目标虚拟单色图像对应的目标图像,解决现有滤波降噪导致图像模糊且对比度降低的问题。

    基于AwTV的CT迭代重建替代函数优化方法

    公开(公告)号:CN113706653A

    公开(公告)日:2021-11-26

    申请号:CN202111111733.9

    申请日:2021-09-23

    Inventor: 侯晓文 陈伟

    Abstract: 本发明涉及CT图像重建技术领域,尤其涉及一种基于AwTV的CT迭代重建替代函数优化方法;该方法基于AwTV正则化模型的代价函数的凸特性,构建替代函数,实现替代函数各个像素点相互分离,从而所有像素点的优化可以同步进行,借助GPU的并行计算能力,每次迭代耗时约1分钟;同时,由于数据拟合项和正则项一起优化,保证迭代过程单调收敛到最优值点,相对于凸集投影算法,提高了收敛速度,减少了迭代次数,使总的迭代耗时大大降低。

Patent Agency Ranking