买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:燕山大学
摘要:本发明公开了一种卡通纹理字典网络的有限角度CT金属伪影校正方法,包括如下步骤:步骤S1、模拟有限角度采样下金属影响的CT投影数据,即获得有限角度采样且含金属迹的正弦图,并对投影数据进行滤波反投影FBP操作,得到待重建的CT图像初始估计;步骤S2、将待重建的CT图像进行分解,得到卡通分量和纹理分量图像;步骤S3、建立基于卡通分量和纹理分量的优化模型;步骤S4、对构建的优化模型进行交替迭代最小化求解,分别对卡通分量、纹理分量和CT图像进行迭代更新;步骤S5、输出重建的高精度CT图像。本发明能够实现金属植入物存在下的有限角度CT高质量重建;所提出的卡通纹理深度字典网络具有模型可解释性。
主权项:1.一种卡通纹理字典网络的有限角度CT金属伪影校正方法,其特征在于:包括如下步骤:步骤S1、模拟有限角度采样下金属影响的CT投影数据,即获得有限角度采样且含金属迹的正弦图,并对投影数据进行滤波反投影FBP操作,得到待重建的CT图像初始估计;步骤S2、将待重建的CT图像进行分解,得到卡通分量和纹理分量图像;步骤S3、建立基于卡通分量和纹理分量的优化模型;建立基于卡通分量和纹理分量的优化模型的过程为:首先,建立LAMAR优化模型,公式如下: 其中,*表示卷积操作,||·||1表示l1范数,λ1和λ2表示权衡参数,紧框架W满足紧属性e为单位向量,通过交错稀疏特征图来构建全局表示系数向量α=α1,α1,…,αNm∈RNm;其次,设计一个由局部字典DL∈Rn×m的N个移位构成的全局卷积字典其中局部字典DL的列向量为则基于卡通分量和纹理分量的优化模型为: 步骤S4、对构建的优化模型进行交替迭代最小化求解,分别对卡通分量、纹理分量和CT图像进行迭代更新;利用交替迭代方法来求解构建的优化模型: 在第t次迭代时,u、Dc和α交替更新如下:更新u,给定噪声图像经过紧框架滤波后的图像可表示为: 其中,softu,ε=signumax|u|-ε,0表示软阈值函数,利用一种深度阈值网络DTN从噪声图像中自适应学习阈值,即f·表示提出的DTN,更新α,Dc,式4可以通过迭代求解表示系数α和卷积字典Dc两个子问题来解决;使用邻近梯度下降算子更新表示系数α,第k+1次迭代为: 其中,ζk表示阈值;L是卷积字典Dck的最大特征值;使用Ak和Bk来参数化K个邻近梯度下降算子来构建深度字典网络,其中Ak和Bk分别为可学习的解析和综合卷积算子: 则: 其中使用DTN网络从中自适应学习阈值;卷积字典Dct在训练阶段通过反向传播进行学习,更新x:xt=ut+vt9;利用交替迭代算法对优化模型进行求解,并将迭代过程展开成为深度神经网络,深度展开网络由T个阶段组成,对应于迭代算法的T次迭代,每个阶段均包含U-Net和V-Net,U-Net由具有自适应阈值的紧标架构成,V-Net采用深度字典网络架构;其中x0=xlama,ut和vt分别基于式5和8由U-Net与V-Net更新,xt由式9更新;步骤S5、输出重建的高精度CT图像。
全文数据:
权利要求:
百度查询: 燕山大学 一种卡通纹理字典网络的有限角度CT金属伪影校正方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。