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！

龙图腾网获悉南方医科大学申请的专利一种基于可微螺旋重建算子的稀疏螺旋CT图像重建方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119228928B 。

龙图腾网通过国家知识产权局官网在2025-11-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411222640.7，技术领域涉及：G06T11/00；该发明授权一种基于可微螺旋重建算子的稀疏螺旋CT图像重建方法是由边兆英;毛泽睿;王永波;马建华设计研发完成，并于2024-09-02向国家知识产权局提交的专利申请。

本一种基于可微螺旋重建算子的稀疏螺旋CT图像重建方法在说明书摘要公布了：一种基于可微螺旋重建算子的稀疏螺旋CT图像重建方法，首先获取对像的真实螺旋扫描几何参数和对应的全角度螺旋投影数据并通过7个步骤，获取最终重建图像。本发明利用真实扫描几何对重建稀疏角度图像进行前投影，为缺失投影提供几何先验指导；同时根据螺旋扫描相邻投影的相似性和冗余特性，构建投影补全网络，通过学习相邻角度的双向运动场，结合几何先验投影，共同合成中间缺失投影数据；而且实现图像全局条状伪影的恢复；最后实现投影域和图像域的联合训练，有利于结合投影‑图像双域信息进行整体恢复，并采用两个螺距内采集的数据进行恢复，有效避免了过大的计算量。

本发明授权一种基于可微螺旋重建算子的稀疏螺旋CT图像重建方法在权利要求书中公布了：1.一种基于可微螺旋重建算子的稀疏螺旋CT图像重建方法，其特征在于，包括如下步骤： S1、获取真实螺旋扫描几何参数和对象对应的全角度螺旋投影数据； S2、对S1得到的全角度螺旋投影数据进行均匀稀疏采样，得到仿真稀疏角度螺旋投影数据和仿真稀疏扫描几何参数； S3、对S1的真实螺旋扫描几何参数和全角度螺旋投影数据进行加权滤波反投影算法重建，得到全角度螺旋CT图像；以及根据S2得到的仿真稀疏角度螺旋投影数据和仿真稀疏扫描几何参数通过加权滤波反投影算法重建，得到稀疏角度螺旋CT图像； S4、通过S1的真实螺旋扫描几何参数，对S3得到的稀疏角度螺旋CT图像进行3D前投影，得到对应的几何先验投影； S5、通过训练后的投影补全深度学习模型恢复S4得到的几何先验投影中缺失角度的投影数据，得到初始的补全投影数据，然后再将S2的仿真稀疏角度螺旋投影数据替换至补全投影数据中对应位置，得到最终的补全投影数据； S6、通过可微螺旋重建算子将S1中的真实螺旋扫描几何参数与S5得到最终的补全投影数据进行投影域到图像域的跨域连接，得到投影补全后的初始恢复图像数据； S7、通过训练后的图像域深度学习模型对S3得到的稀疏角度螺旋CT图像和S6得到的初始恢复图像数据进行细节恢复和残留伪影恢复，获取最终重建图像； 训练后的投影补全深度学习模型和训练后的图像域深度学习模型由联合训练得到，其中每次联合训练按照如下步骤进行： A1、获取真实螺旋扫描几何参数和对象对应的全角度螺旋投影数据； A2、对A1得到的全角度螺旋投影数据进行均匀稀疏采样，得到仿真稀疏角度螺旋投影数据和仿真稀疏扫描几何参数； A3、对A1的真实螺旋扫描几何参数和全角度螺旋投影数据进行加权滤波反投影算法重建，得到全角度螺旋CT图像；以及根据A2得到的仿真稀疏角度螺旋投影数据和仿真稀疏扫描几何参数通过加权滤波反投影算法重建，得到稀疏角度螺旋CT图像； A4、通过A1的真实螺旋扫描几何参数，对A3得到的稀疏角度螺旋CT图像进行3D前投影，得到对应的几何先验投影； A5、通过投影补全深度学习模型恢复A4得到的几何先验投影中缺失角度的投影数据，得到初始的补全投影数据，然后再将A2的仿真稀疏角度螺旋投影数据替换至补全投影数据中对应位置，得到最终的补全投影数据； A6、通过可微螺旋重建算子将A1中的真实螺旋扫描几何参数与A5得到最终的补全投影数据进行投影域到图像域的跨域连接，得到投影补全后的初始恢复图像数据； A7、通过图像域深度学习模型对A3得到的稀疏角度螺旋CT图像和A6得到的初始恢复图像数据进行细节恢复和残留伪影恢复，获取最终重建图像； A8、通过损失函数计算损失，其中对A5得到最终的补全投影数据与A1的全角度螺旋投影数据对比，得到损失其中对A5得到最终的补全投影数据的梯度与A1的全角度螺旋投影数据的梯度进行对比，得到损失其中对A6得到初始恢复图像数据与A3的全角度螺旋CT图像对比，得到损失其中对A7得到最终重建图像与A3的全角度螺旋CT图像进行对比，得到损失 A9、图像域深度学习模型的更新是将损失直接进行梯度回传至图像域深度学习模型，更新图像域深度学习模型的参数；投影补全深度学习模型的更新是将损失和损失直接梯度回传至投影补全深度学习模型，同时将损失和损失通过3D可微梯度回传算子梯度回传到投影补全深度学习模型，最后更新投影补全深度学习模型的参数； 真实螺旋扫描几何参数为X射线源到探测器和旋转中心的距离、探测器尺寸、探测器单元大小、一圈曝光角度数、准直器宽度、螺距、起始扫描角度； 在S3加权滤波反投影算法重建过程由式2和式3表示： 其中，IFV为全角度螺旋CT图像，ISV为稀疏角度螺旋CT图像，α为真实螺旋扫描几何参数，α′为仿真稀疏扫描几何参数，为采用真实螺旋扫描几何参数的全角度重建，为采用仿真稀疏扫描几何参数的稀疏角度重建，PSV为仿真稀疏角度螺旋投影数据； 在S4或A4中几何先验投影为利用真实螺旋扫描几何参数和稀疏角度CT图像的先验信息，获取稀疏角度扫描中缺失角度的投影初值，由式4表示： 其中，PGPP为几何先验投影，为在真实螺旋扫描几何参数下进行3D前投影； 在S6中可微螺旋重建算子由一个3D螺旋重建算子组成，在A6中可微螺旋重建算子由一个3D螺旋重建算子和一个3D前投影算子组成； 所述图像域深度学习模型由式8表示为： 其中，为图像域深度学习模型，ω为图像域深度学习模型的可学习参数，为最终重建图像； 在S5或A5中投影补全深度学习模型Φ，投影补全深度学习模型通过学习相邻角度之间的运动场，合成中间缺失投影，投影补全深度学习模型由式5表示： PΦ＝ΦPSV,PGPP,θ……式5； 其中，PΦ为最终的补全投影数据，θ为投影补全深度学习模型的可学习参数； 所述3D螺旋重建算子将补全投影数据从投影域变换到图像域，得到初始恢复图像数据，3D螺旋重建算子由式6表示； 其中，IΦ为初始恢复图像数据，为3D螺旋重建算子， 所述3D前投影算子将初始恢复图像数据从图像域变换到投影域，由式7表示； 其中，为3D前投影算子，P′Φ为对初始恢复图像数据进行3D前投影获取的投影数据，I为需要从图像域至投影域进行梯度回传的数据。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南方医科大学，其通讯地址为：510515 广东省广州市白云区沙太南路1023号-1063号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。