本發(fā)明使用fdk(feldkamp-davis-kress，fdk)算法獲得高質(zhì)量重建圖像，屬于醫(yī)學(xué)圖像處理領(lǐng)域，且特別是有關(guān)于一種基于注意力機(jī)制和深度學(xué)習(xí)的錐束ct稀疏重建方法。

背景技術(shù)：

1、基于平板探測器的錐束ct(cone?beam?computed?tomography,cbct)，在臨床中已廣泛應(yīng)用于口腔科、骨科、放射治療等領(lǐng)域。因x射線具有電離輻射特性，過多的cbct掃描劑量會(huì)對掃描對象造成輻射損傷。降低曝光參數(shù)和增大投影角度間隔的稀疏投影是兩種常用降低劑量的掃描方式。與降低曝光參數(shù)相比，稀疏投影法還可加快cbct掃描速度，避免掃描過程中成像對象移動(dòng)或形變導(dǎo)致的運(yùn)動(dòng)偽影。目前，fdk(feldkamp-davis-kress)算法仍是商用cbct掃描儀的標(biāo)準(zhǔn)算法，其具有重建時(shí)間短和重建圖像符合醫(yī)生診斷習(xí)慣兩方面的優(yōu)勢。fdk算法是二維濾波反投影算法(filtered?back-projection,fbp)的三維擴(kuò)展，二者均以傅里葉變換為理論基礎(chǔ)，對投影數(shù)據(jù)的完備性要求較高，在稀疏投影條件下，重建的圖像會(huì)出現(xiàn)嚴(yán)重的條狀偽影并伴有高水平噪聲。這一缺陷嚴(yán)重限制了cbct稀疏投影掃描方式在臨床中的應(yīng)用。因此，稀疏投影條件下，如何提升重建圖像質(zhì)量已成為cbct成像的關(guān)鍵問題。

2、投影域方法利用插值技術(shù)補(bǔ)全稀疏投影中缺失角度的投影數(shù)據(jù)，提升投影數(shù)據(jù)的完備性，之后利用傳統(tǒng)fdk方法對補(bǔ)全后的投影數(shù)據(jù)進(jìn)行重建，間接提升重建圖像質(zhì)量，如線性插值法，方向插值法等。然而，因生成的投影數(shù)據(jù)存在不準(zhǔn)確性，投影域方法在去除偽影和降低噪聲的同時(shí)容易引入二次偽影，難以取得理想的效果。

3、近年來，深度學(xué)習(xí)方法因其具備提取圖像高維特征并生成高質(zhì)量圖像的能力，在改善生成投影數(shù)據(jù)質(zhì)量方面取得了顯著的成果。通過深度學(xué)習(xí)生成高質(zhì)量的投影數(shù)據(jù)，可獲得比插值方法更高質(zhì)量的重建結(jié)果。同時(shí)，深度學(xué)習(xí)方法耗時(shí)短的優(yōu)勢提升了基于深度學(xué)習(xí)的重建算法在臨床應(yīng)用上的可行性。

技術(shù)實(shí)現(xiàn)思路

1、為了盡可能保留ct設(shè)備采集的原始投影數(shù)據(jù)用于重建，在生成完整的投影數(shù)據(jù)之后，現(xiàn)有研究通常使用原始投影數(shù)據(jù)替換對應(yīng)角度的生成投影數(shù)據(jù)，以進(jìn)一步提升重建結(jié)果的準(zhǔn)確性。但這類做法無法保證生成投影數(shù)據(jù)與原始投影數(shù)據(jù)之間的連續(xù)性，會(huì)在重建圖像中引入二次偽影。同時(shí)，由于cbct投影數(shù)據(jù)是由一系列二維投影圖像構(gòu)成的三維數(shù)據(jù)，直接采用針對二維投影數(shù)據(jù)的修復(fù)方法，無法保證修復(fù)后二維投影圖像重新構(gòu)成的三維數(shù)據(jù)中的連續(xù)性，針對上述技術(shù)問題，本發(fā)明提供一種基于注意力機(jī)制和深度學(xué)習(xí)的錐束ct稀疏重建方法，包括：

2、步驟一，使用插值方法擴(kuò)充稀疏投影數(shù)據(jù)的維度，

3、步驟二，將插值后的投影數(shù)據(jù)作為輸入進(jìn)入第一個(gè)星形注意力網(wǎng)絡(luò)；

4、步驟三，經(jīng)所述第一個(gè)星形注意力網(wǎng)絡(luò)修復(fù)后，將所得到的修復(fù)后投影數(shù)據(jù)與所述稀疏投影數(shù)據(jù)進(jìn)行替換；

5、步驟四，將替換后的投影數(shù)據(jù)作為輸入進(jìn)入第二個(gè)星形注意力網(wǎng)絡(luò)；

6、步驟五，經(jīng)所述第二個(gè)星形注意力網(wǎng)絡(luò)二次修復(fù)后，并將所得到的二次修復(fù)后投影數(shù)據(jù)與所述稀疏投影數(shù)據(jù)進(jìn)行替換；

7、步驟六，對第二次替換后的投影數(shù)據(jù)使用fdk方法重建即可獲得重建圖像。

8、星形注意力網(wǎng)絡(luò)中共包含四個(gè)編碼模塊和四個(gè)解碼模塊，編碼模塊和解碼模塊呈對稱分布，并且通過跳躍連接相連；

9、星形注意力層用于在輸入特征圖的通道維度和空間維度上建立相關(guān)性，從而提取輸入特征圖中的全局相關(guān)性信息，捕捉輸入特征圖中每個(gè)像素在三維空間中的相關(guān)性信息。

10、編碼模塊由編碼層和下采樣層構(gòu)成，用于提取圖像中的局部特征信息；

11、解碼模塊由上采樣層、解碼層和星形注意力層構(gòu)成，用于融合編碼模塊提取的特征圖與上采樣層輸出的特征圖。

12、編碼層和所述解碼層具有相同的結(jié)構(gòu)，由3×3卷積層、batch?norm(bn)和激活函數(shù)構(gòu)成；

13、下采樣層由2×2卷積層、batch?norm(bn)和激活函數(shù)構(gòu)成，用于提取不同尺度的特征圖；

14、上采樣層由2×2反卷積層、batch?norm(bn)和激活函數(shù)構(gòu)成，用于恢復(fù)特征圖的原始尺寸。

15、星形注意力層由通道注意力模塊ca(channel?attention)和空間注意力模塊sa(spatial?attention)兩部分組成，所述通道注意力模塊ca和所述空間注意力模塊sa分別用于在輸入特征圖的通道維度和空間維度上建立相關(guān)性，從而提取輸入特征圖中的全局相關(guān)性信息，二者經(jīng)組合后可有效捕捉輸入特征圖中每個(gè)像素在三維空間中的相關(guān)性信息。

16、通道注意力模塊ca包括一個(gè)自適應(yīng)池化層，兩個(gè)1x1卷積層以及一個(gè)softmax層；

17、通道注意力模塊ca的輸入與softmax層的輸出相乘即為通道注意力模塊ca的輸出，隨后通道注意力模塊ca的輸出經(jīng)過3x3卷積層后送入兩個(gè)空間注意力模塊sa中。

18、每個(gè)空間注意力模塊sa包括三個(gè)1x1卷積層以及一個(gè)softmax層，空間注意力模塊sa的輸入首先通過卷積層映射為三個(gè)特征圖矩陣；

19、其中的兩個(gè)特征圖矩陣相乘后經(jīng)softmax層獲得的輸出與第三個(gè)特征圖矩陣相乘，再經(jīng)殘差連接與所述空間注意力模塊sa的輸入相連，得到空間注意力模塊sa的輸出。

20、空間注意力模塊sa的輸出與通道注意力模塊ca的輸出相乘后即得到最后輸出；

21、對于輸入特征圖中的一個(gè)像素，通道注意力模塊ca的感受野在通道維度中呈柱形，空間注意力模塊sa的感受野在空間維度中呈十字形；

22、二者經(jīng)組合后，其感受野在三維特征圖中呈星形，星形注意力層可有效捕捉輸入特征圖中每個(gè)像素在三維空間中的相關(guān)性信息。

23、構(gòu)建損失函數(shù)l，采用生成投影數(shù)據(jù)t(pe)與真實(shí)投影數(shù)據(jù)p之間的frobenius范數(shù)作為損失函數(shù)：

24、

25、通過構(gòu)建級聯(lián)深度學(xué)習(xí)網(wǎng)絡(luò)，從正弦圖角度和投影圖角度多次利用星形注意力網(wǎng)絡(luò)(star?attention?network)對二維投影數(shù)據(jù)進(jìn)行修復(fù)，充分保持生成投影數(shù)據(jù)和原始投影數(shù)據(jù)之間的連續(xù)性。所使用的星形注意力網(wǎng)絡(luò)利用一種新型的星形注意力機(jī)制，其具有星狀的感受野，可充分捕捉特征圖中任意像素與同一行或列中所有像素之間的相關(guān)性以及不同通道中相應(yīng)空間位置的所有像素之間的相關(guān)性，確?；謴?fù)投影數(shù)據(jù)的準(zhǔn)確性，進(jìn)而提升重建結(jié)果質(zhì)量。

26、綜上，本發(fā)明可以充分挖掘cbct投影數(shù)據(jù)中原有的相關(guān)性信息，加強(qiáng)網(wǎng)絡(luò)生成投影數(shù)據(jù)的準(zhǔn)確性，從而提高稀疏重建質(zhì)量。

技術(shù)特征：

1.一種基于注意力機(jī)制和深度學(xué)習(xí)的錐束ct稀疏重建方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的一種基于注意力機(jī)制和深度學(xué)習(xí)的錐束ct稀疏重建方法，其特征在于，

3.根據(jù)權(quán)利要求2所述的一種基于注意力機(jī)制和深度學(xué)習(xí)的錐束ct稀疏重建方法，其特征在于，

4.根據(jù)權(quán)利要求3所述的一種基于注意力機(jī)制和深度學(xué)習(xí)的錐束ct稀疏重建方法，其特征在于，

5.根據(jù)權(quán)利要求4所述的一種基于注意力機(jī)制和深度學(xué)習(xí)的錐束ct稀疏重建方法，其特征在于，

6.根據(jù)權(quán)利要求5所述的一種基于注意力機(jī)制和深度學(xué)習(xí)的錐束ct稀疏重建方法，其特征在于，

7.根據(jù)權(quán)利要求6所述的一種基于注意力機(jī)制和深度學(xué)習(xí)的錐束ct稀疏重建方法，其特征在于，

8.根據(jù)權(quán)利要求7所述的一種基于注意力機(jī)制和深度學(xué)習(xí)的錐束ct稀疏重建方法，其特征在于，

9.根據(jù)權(quán)利要求8所述的一種基于注意力機(jī)制和深度學(xué)習(xí)的錐束ct稀疏重建方法，其特征在于，

技術(shù)總結(jié)
本發(fā)明提出了一個(gè)級聯(lián)的CBCT投影數(shù)據(jù)修復(fù)方法，能夠?qū)崿F(xiàn)由CBCT稀疏投影數(shù)據(jù)生成完備投影數(shù)據(jù)，然后使用FDK方法獲得高質(zhì)量重建圖像。該方法由兩個(gè)星形注意力網(wǎng)絡(luò)組成。通過兩個(gè)單級網(wǎng)絡(luò)的合理部署可以充分保證生成投影數(shù)據(jù)在正弦域和投影域上的連續(xù)性，并最終將原始投影數(shù)據(jù)與相應(yīng)生成投影數(shù)據(jù)進(jìn)行替換，融合成高質(zhì)量投影數(shù)據(jù)。

技術(shù)研發(fā)人員：靳鑫,朱葉晨,高欣
受保護(hù)的技術(shù)使用者：濟(jì)南國科醫(yī)工科技發(fā)展有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9