本發(fā)明涉及深度學習，尤其涉及一種雙能錐束ct金屬偽影抑制重建方法、裝置、設備及介質。

背景技術：

1、錐形束ct(cone-beam?computed?tomography，簡稱cbct)因其高分辨率和低輻射劑量的優(yōu)點，在口腔頜面影像檢查中得到了廣泛應用。然而，在實際的牙科掃描檢查中，患者的口腔內通常含有種植體或牙冠等金屬物。這些金屬物會強烈吸收x射線束中的低能光子，導致x射線束硬化加劇，甚至產生光子饑餓效應。這會引起重建圖像出現(xiàn)嚴重的金屬偽影，干擾醫(yī)生的閱片和診斷過程。

2、針對這一問題，雖然傳統(tǒng)的金屬偽影校正方法如投影插值修正法能夠在一定程度上抑制金屬偽影，但在處理過程中常常會產生次生偽影，導致偽影消除不徹底或金屬附近牙齒結構模糊等問題。雙能錐束ct能提供能量相對單一的能譜圖像，相比常規(guī)錐束ct的混合能量圖像，對金屬偽影有更好的抑制效果。但是，在較低能量下的能譜圖像仍然顯示出明顯的金屬偽影。因此，對于牙科雙能錐束ct來說，仍需開發(fā)有效的金屬偽影抑制重建方法，以獲得更高質量的重建影像。

技術實現(xiàn)思路

1、本發(fā)明提供一種雙能錐束ct金屬偽影抑制重建方法、裝置、設備及計算機可讀存儲介質，其主要目的在于解決進行影像重建時質量較低的問題。

2、為實現(xiàn)上述目的，本發(fā)明提供的一種雙能錐束ct金屬偽影抑制重建方法，包括：

3、對預先獲取的高能原始數(shù)據(jù)和低能原始數(shù)據(jù)進行衰減處理，得到掃描物體的雙能初始投影圖像；

4、對所述雙能初始投影圖像進行三維重建，得到所述掃描物體的雙能初始重建圖像；

5、對所述雙能初始重建圖像中的高能初始重建圖像進行閾值分割，得到所述掃描物體的金屬掩膜圖像，對所述金屬掩膜圖像進行前向投影，得到所述掃描物體的金屬掩膜投影圖像；

6、利用預先訓練的金屬偽影抑制網絡模型對所述高能初始重建圖像進行金屬偽影抑制處理，對金屬偽影抑制處理后的高能初始重建圖像進行前向投影，得到所述掃描物體的金屬先驗投影圖像；

7、根據(jù)所述金屬掩膜投影圖像和所述金屬先驗投影圖像對所述雙能初始投影圖像進行信息修正，得到所述掃描物體的雙能修正投影圖像；

8、生成所述雙能修正投影圖像的雙能修正重建圖像，對所述雙能修正重建圖像進行能譜合成，得到金屬偽影消除的虛擬單能圖像。

9、可選地，所述對預先獲取的高能原始數(shù)據(jù)和低能原始數(shù)據(jù)進行衰減處理，得到掃描物體的雙能初始投影圖像，包括：

10、根據(jù)朗伯-比爾定律對預先獲取的高能原始數(shù)據(jù)和低能原始數(shù)據(jù)分別進行衰減處理，得到掃描物體的雙能初始投影圖像，其中，所述朗伯-比爾定律為：

11、

12、其中，ph是所述雙能初始投影圖像中的高能初始投影圖像，pl是所述雙能初始投影圖像中的低能初始投影圖像，sh0是高能入射光子強度數(shù)據(jù)，sh是預先獲取的高能原始數(shù)據(jù)，sl0是低能入射光子強度數(shù)據(jù)，sl是預先獲取的低能原始數(shù)據(jù)。

13、可選地，所述對所述雙能初始重建圖像中的高能初始重建圖像進行閾值分割，得到所述掃描物體的金屬掩膜圖像，包括：

14、利用預設的分割算法對所述雙能初始重建圖像中的高能初始重建圖像進行閾值分割，得到所述掃描物體的金屬掩膜圖像，其中，所述預設的分割算法為：

15、

16、其中，mi(i)是所述金屬掩膜圖像中的第i個像素，ih(i)是高能初始重建圖像中的第i個像素，tm是預設的分割閾值，i是圖像第i個像素的坐標。

17、可選地，所述根據(jù)所述金屬掩膜投影圖像和所述金屬先驗投影圖像對所述雙能初始投影圖像進行信息修正，得到所述掃描物體的雙能修正投影圖像，包括：

18、根據(jù)所述金屬掩膜投影圖像、所述金屬先驗投影圖像和預設的圖像修正算法對所述雙能初始投影圖像進行信息修正，得到所述掃描物體的雙能修正投影圖像，其中，所述預設的圖像修正算法為：

19、

20、其中，pl_correct是所述雙能修正投影圖像中的低能修正投影圖像，ph_correct是所述雙能修正投影圖像中的高能修正投影圖像，mp是所述金屬掩膜投影圖像，pprior是所述金屬先驗投影圖像，ph是所述雙能初始投影圖像中的高能初始投影圖像，pl是所述雙能初始投影圖像中的低能初始投影圖像。

21、可選地，所述生成所述雙能修正投影圖像的雙能修正重建圖像，包括：

22、對所述雙能修正投影圖像進行三維重建，根據(jù)所述金屬掩膜圖像對三維重建后的雙能修正投影圖像進行金屬回填處理，得到所述掃描物體的雙能修正重建圖像。

23、可選地，所述對所述雙能修正重建圖像進行能譜合成，得到金屬偽影消除的虛擬單能圖像，包括：

24、生成所述雙能修正重建圖像的的能譜雙物質分解系數(shù)；

25、根據(jù)所述能譜雙物質分解系數(shù)和預設的虛擬單能圖像合成算法對所述雙能修正重建圖像進行能譜合成，得到金屬偽影消除的虛擬單能圖像，其中，所述預設的虛擬單能圖像合成算法為：

26、ie＝b1μ1_e+b2μ2_e

27、其中，ie是在預設單能級e條件下所得金屬偽影消除的虛擬單能圖像，b1是能譜雙物質第一分解系數(shù)，μ1_e是第一基物質在單能級e條件下的衰減系數(shù)，b2是能譜雙物質第二分解系數(shù)，μ2_e是第二基物質在單能級e條件下的衰減系數(shù)。

28、可選地，所述生成所述雙能修正重建圖像的的能譜雙物質分解系數(shù)，包括：

29、根據(jù)如下算法生成所述雙能修正重建圖像的的能譜雙物質分解系數(shù)：

30、

31、其中，b1是能譜雙物質第一分解系數(shù)，ih_correct是所述雙能修正重建圖像中的高能修正重建圖像，b2是能譜雙物質第二分解系數(shù)，il_correct是所述雙能修正重建圖像中的低能修正重建圖像，μ1_h是第一基物質在高能條件下的衰減系數(shù)，μ2_h是第二基物質在高能條件下的衰減系數(shù)，μ2_l是第一基物質在低能條件下的衰減系數(shù)，μ1_l是第二基物質在低能條件下的衰減系數(shù)。

32、為了解決上述問題，本發(fā)明還提供一種一種雙能錐束ct金屬偽影抑制重建裝置，所述裝置包括：

33、數(shù)據(jù)衰減處理模塊，用于對預先獲取的高能原始數(shù)據(jù)和低能原始數(shù)據(jù)進行衰減處理，得到掃描物體的雙能初始投影圖像；

34、圖像三維重建模塊，用于對所述雙能初始投影圖像進行三維重建，得到所述掃描物體的雙能初始重建圖像；

35、圖像閾值分割模塊，用于對所述雙能初始重建圖像中的高能初始重建圖像進行閾值分割，得到所述掃描物體的金屬掩膜圖像，對所述金屬掩膜圖像進行前向投影，得到所述掃描物體的金屬掩膜投影圖像；

36、金屬偽影抑制模塊，用于利用預先訓練的金屬偽影抑制網絡模型對所述高能初始重建圖像進行金屬偽影抑制處理，對金屬偽影抑制處理后的高能初始重建圖像進行前向投影，得到所述掃描物體的金屬先驗投影圖像；

37、圖像信息修正模塊，用于根據(jù)所述金屬掩膜投影圖像和所述金屬先驗投影圖像對所述雙能初始投影圖像進行信息修正，得到所述掃描物體的雙能修正投影圖像；

38、圖像能譜合成模塊，用于生成所述雙能修正投影圖像的雙能修正重建圖像，對所述雙能修正重建圖像進行能譜合成，得到金屬偽影消除的虛擬單能圖像。

39、為了解決上述問題，本發(fā)明還提供一種電子設備，所述電子設備包括：

40、至少一個處理器；以及，

41、與所述至少一個處理器通信連接的存儲器；其中，

42、所述存儲器存儲有可被所述至少一個處理器執(zhí)行的計算機程序，所述計算機程序被所述至少一個處理器執(zhí)行，以使所述至少一個處理器能夠執(zhí)行上述所述的雙能錐束ct金屬偽影抑制重建方法。

43、為了解決上述問題，本發(fā)明還提供一種計算機可讀存儲介質，所述計算機可讀存儲介質中存儲有至少一個計算機程序，所述至少一個計算機程序被電子設備中的處理器執(zhí)行以實現(xiàn)上述所述的雙能錐束ct金屬偽影抑制重建方法。

44、本發(fā)明實施例基于深度學習的先驗圖像生成方法，結合雙能錐束ct技術，實現(xiàn)了對金屬偽影的有效抑制和高質量圖像重建，通過對高能初始重建圖像進行閾值分割與前向投影，生成金屬掩膜圖像及金屬掩膜投影圖像，準確識別金屬偽影的位置，預先訓練的金屬偽影抑制網絡模型則對這些圖像進行深度處理，有效減少金屬偽影的影響，此外，結合金屬掩膜投影圖像和金屬先驗投影圖像對雙能初始投影圖像進行信息修正，并進行能譜合成，最終生成無金屬偽影的虛擬單能圖像，這一系列步驟顯著提高了重建圖像的質量，因此本發(fā)明提出的雙能錐束ct金屬偽影抑制重建方法、裝置、設備及存儲介質，可以解決進行重建圖像的質量較低的問題。