公开(公告)号：CN108961237B

公开(公告)日：2020-08-21

申请号：CN201810706749.6

申请日：2018-06-28

Applicant: 安徽工程大学

Inventor： 亢艳芹 ,  刘进 ,  刘涛 ,  章平 ,  朱巾亭 ,  张凯杰

IPC: G06T7/00 ,  G06T5/00 ,  G06T11/00

Abstract: 本发明公开了一种基于卷积神经网络的低剂量CT图像分解方法，属于X射线计算机断层成像技术领域。本发明包括以下步骤：步骤1、分别重建出训练图像：低剂量CT图像和常规剂量CT图像将低剂量CT图像和常规剂量CT图像相减以获得噪声伪影图像步骤2、构建低剂量CT图像与噪声伪影图像Ns之间的映射卷积神经网络；步骤3、使用一定量低剂量CT图像与相应的噪声伪影图像Ns对己构建好的卷积神经网络进行训练；步骤4、利用训练好的卷积神经网络处理选定的低剂量CT图像实现选定的低剂量CT图像中解剖结构成分与噪声伪影结构成分的分解。本发明提供了一种能够有效分离低剂量CT图像中星条状伪影噪声和结构特征的方法。

公开(公告)号：CN108961237A

公开(公告)日：2018-12-07

申请号：CN201810706749.6

申请日：2018-06-28

Applicant: 安徽工程大学

Inventor： 亢艳芹 ,  刘进 ,  刘涛 ,  章平 ,  朱巾亭 ,  张凯杰

IPC: G06T7/00 ,  G06T5/00 ,  G06T11/00

Abstract: 本发明公开了一种基于卷积神经网络的低剂量CT图像分解方法，属于X射线计算机断层成像技术领域。本发明包括以下步骤：步骤1、分别重建出训练图像：低剂量CT图像和常规剂量CT图像将低剂量CT图像和常规剂量CT图像相减以获得噪声伪影图像步骤2、构建低剂量CT图像与噪声伪影图像Ns之间的映射卷积神经网络；步骤3、使用一定量低剂量CT图像与相应的噪声伪影图像Ns对己构建好的卷积神经网络进行训练；步骤4、利用训练好的卷积神经网络处理选定的低剂量CT图像实现选定的低剂量CT图像中解剖结构成分与噪声伪影结构成分的分解。本发明提供了一种能够有效分离低剂量CT图像中星条状伪影噪声和结构特征的方法。