公开(公告)号：CN117315063A

公开(公告)日：2023-12-29

申请号：CN202311155965.3

申请日：2023-09-07

Applicant: 先进能源科学与技术广东省实验室 ,  中国科学院近代物理研究所

Inventor： 杨海波 ,  张世宇 ,  赵承心 ,  贾彦灏

IPC: G06T11/00 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提供了一种基于深度学习的低剂量CT图像重建方法，包括以下步骤：S1.提取第一CT图像数据集；S2.采用卷积神经网络对第一CT图像数据集进行处理；卷积神经网络包括两个卷积网络层和三个Hiproformer模块，三个Hiproformer模块共同构建HformerNet，HformerNet包括三个尺度；在HformerNet中，从第一个尺度到第三个尺度之前，每层的卷积网络层的通道数均为上一层的卷积网络层的通道数的k倍；S3.第一CT图像数据集经过卷积神经网络处理后，输出第二CT图像数据集。这种低剂量CT图像重建方法，采用包括两个卷积网络层和三个Hiproformer模块的卷积神经网络对CT图像数据集进行处理，可快速准确地提高低剂量CT图像的分辨率，在降低患者受剂量辐射风险的同时，为临床诊断提供更加精准的临床数据。