公开(公告)号：CN112669401A

公开(公告)日：2021-04-16

申请号：CN202011524919.2

申请日：2020-12-22

Applicant: 中北大学

Inventor： 张鹏程 ,  桂志国 ,  上官宏 ,  王燕玲 ,  刘祎 ,  舒华忠

IPC: G06T11/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于卷积神经网络的CT图像重建方法及系统，所述方法包括输入投影数据，利用前端卷积神经网络对所述投影数据进行滤波处理，反投影处理生成断层图像信息，利用后端卷积神经网络对生成的断层图像信息进行处理，以及利用处理后的断层图像和真实图像计算整个网络损失函数的值，并将损失函数的梯度信息反向逐层反馈，更新各网络层的参数值。本发明利用多层卷积神经网络处理投影数据，充分挖掘投影数据中的有用信息，有效地提高了整体神经网络模型的特征提取和信息表达能力；避免了在神经网络模型中使用全连接层，所需神经网络模型参数较少，易于实现。

公开(公告)号：CN112669401B

公开(公告)日：2022-08-19

申请号：CN202011524919.2

申请日：2020-12-22

Applicant: 中北大学

Inventor： 张鹏程 ,  桂志国 ,  上官宏 ,  王燕玲 ,  刘祎 ,  舒华忠

IPC: G06T11/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于卷积神经网络的CT图像重建方法及系统，所述方法包括输入投影数据，利用前端卷积神经网络对所述投影数据进行滤波处理，反投影处理生成断层图像信息，利用后端卷积神经网络对生成的断层图像信息进行处理，以及利用处理后的断层图像和真实图像计算整个网络损失函数的值，并将损失函数的梯度信息反向逐层反馈，更新各网络层的参数值。本发明利用多层卷积神经网络处理投影数据，充分挖掘投影数据中的有用信息，有效地提高了整体神经网络模型的特征提取和信息表达能力；避免了在神经网络模型中使用全连接层，所需神经网络模型参数较少，易于实现。