基于多层级子成像系统的稀疏视角CT成像方法及系统

本发明涉及医学ct成像，具体涉及基于多层级子成像系统的稀疏视角ct成像方法及系统。

背景技术：

1、计算机断层扫描（computed tomography，ct）是现代临床诊断中常用的医学成像技术。ct诊断成像设备通常通过x射线源和探测器围绕受检对象采集多角度投影数据，并根据投影数据重建受检对象的断层图像。常规ct扫描为了获得高质量图像，通常需要采集较密集的投影视角，但较高剂量的x射线照射会增加受检对象的辐射暴露。因此，如何在降低辐射剂量的同时获得满足诊断需求的ct重建图像，是ct诊断成像领域的重要问题。

2、稀疏视角ct通过减少投影视角数量来降低扫描剂量。在低剂量扫描协议下，实际采集的投影视角数量显著少于完整扫描协议对应的投影视角数量，投影数据不完整，成像系统呈现欠定特性。若直接采用滤波反投影等常规解析重建方法，重建图像中通常会出现明显条纹伪影和细节缺失，影响病灶观察和后续诊断分析。

3、现有技术中，基于模型的迭代重建方法能够通过正则化约束一定程度抑制噪声和伪影，但其计算开销较大，参数调节复杂，难以兼顾成像效率与重建质量。深度学习方法被用于低剂量ct或者稀疏视角ct重建后，能够提升图像质量；其中，深度展开网络通过将传统迭代优化过程展开为多个可学习的网络块，并在各网络块中嵌入投影数据一致性校正，能够在物理一致性和图像感知质量之间取得一定平衡。

4、然而，现有深度展开网络在稀疏视角ct成像中仍存在如下不足。其一，现有深度展开网络的迭代轨迹稳定性不足。深度展开网络通常认为每个数据一致性校正步骤能够为中间重建结果提供物理约束，但在稀疏视角ct中，投影观测仅覆盖完整成像系统的一部分范围空间，仍存在大尺度零空间成分。单个展开块难以从有限的范围空间观测中稳定推断零空间成分，训练噪声和权重初始化等微小随机因素容易沿未受充分约束的零空间方向被放大，使中间展开层输出相对于目标图像出现过冲、欠冲等振荡。该类振荡不仅降低模型可解释性，也会增加模型收敛到次优解的风险。

5、其二，现有深度展开网络存在展开块间的信息瓶颈。为了与实测投影数据进行正弦图域校正，多数深度展开网络需要在每个迭代块之间反复将高维潜特征压缩为单通道ct图像，再将校正后的图像重新输入后续网络块提取特征。该处理虽然便于执行物理一致性约束，但会削弱高维感知特征的长程传播能力，使后续网络块需要重复提取纹理、边缘和伪影模式等感知信息。此外，由于单通道图像同时承载投影数据一致性信息和感知表征信息，二者容易在有限信息通道内相互竞争，进一步加剧展开迭代的不稳定性。

6、其三，现有深度展开网络在分布外（out-of-distribution，ood，以下简称域外）场景中的鲁棒性不足。稀疏视角ct重建模型通常在特定部位或者特定噪声分布的数据上训练，网络容易学习与训练数据相关的整体伪影分布映射。当测试对象的扫描部位或者噪声水平与训练数据存在差异时，例如使用胸腹部数据训练而在头部ct数据上测试，现有方法尤其是同质化展开块串联的深度展开方法容易出现伪影去除失效或者细节恢复不足的问题。因此，现有方法仍难以同时满足稀疏视角ct成像对稳定性、精度和泛化能力的要求。

技术实现思路

1、本发明的目的在于提供基于多层级子成像系统的稀疏视角ct成像方法及系统，以解决低剂量稀疏视角ct采集下重建迭代轨迹不稳定、展开块间感知信息传递受限以及域外鲁棒性不足的问题。

2、为实现上述目的，本发明提出基于多层级子成像系统的稀疏视角ct成像方法，包括如下步骤：

3、步骤s1：控制ct诊断成像设备按照低剂量扫描协议对受检对象进行稀疏视角投影采集，接收ct诊断成像设备采集得到的稀疏投影数据，并根据稀疏投影数据形成稀疏正弦图；

4、步骤s2：记完整扫描协议对应的投影视角数量为，低剂量扫描协议实际采集的投影视角数量为，根据确定稀疏因子，并根据确定零空间分解的层级数；

5、步骤s3：沿稀疏正弦图的探测器轴方向进行逐级降维处理，得到多个层级的物理投影数据，并配置与各层级物理投影数据对应的子成像算子，以形成由粗到细的虚拟ct子成像系统；其中，层级索引表示目标分辨率层级，表示探测器网格最粗、图像分辨率最低的层级；

6、步骤s4：通过radon感知正弦图分解器对稀疏正弦图进行潜空间分解，得到与多个层级对应的感知投影特征；

7、步骤s5：分别对最粗层级的物理投影数据和感知投影特征执行滤波反投影，得到初始物理流图像和初始感知流潜特征；将初始物理流图像和初始感知流特征上采样至第一个重建层级，并按照由粗到细的层级顺序，在当前第层第个展开块内先对物理流和感知流分别执行校正，其中，物理流以子成像算子对当前物理流图像估计进行正向投影，并以所得正向投影与该层物理投影数据之间的差异作为投影数据一致性校正依据；感知流以相同子成像算子逐通道投影当前多通道潜特征，并以所得潜空间投影与该层感知投影特征之间的差异作为潜空间校正依据；

8、步骤s6：在当前展开块的物理流和感知流分别完成所述校正后，对物理流的特征和感知流的特征进行空间域和频率域交互调制，以融合投影物理约束和感知特征约束，并抑制由稀疏视角采集引起的ct重建伪影；若当前层级仍有未执行的展开块，则进入下一展开块，重复执行步骤s5中对两种流分别进行校正的处理以及步骤s6中的交互调制；若当前层级的展开块均已执行完成且当前层级不是最细层级，则将交互调制后的物理流图像估计和感知流潜特征上采样至下一更细层级，重复执行步骤s5中对两种流分别进行校正的处理以及步骤s6中的交互调制；

9、步骤s7：在最细层级处理完成后，生成ct重建图像，并将ct重建图像作为用于诊断观察、显示、传输或者存储的医学影像输出。

10、进一步地，所述s3中，第0层物理投影数据为，第层物理投影数据由式确定，其中表示沿探测器轴方向以因子2执行的一维平均池化算子，。

11、进一步地，所述s3中，第层ct子成像系统满足，其中表示第层对应的ct图像，表示具有较粗探测器网格的稀疏ct投影算子，并且第层子成像系统的零空间维度满足，其中表示第层探测器分辨率，和为常数。

12、进一步地，所述s5中，在第层第个展开块内，物理流以当前物理流图像估计作为初始值，对正规方程执行步共轭梯度迭代，得到截断krylov子空间轨迹；根据构造滤波反投影近似残差；并按照更新物理流图像估计，其中表示滤波反投影算子，表示第层第个展开块的物理流更新网络，、和角标分别表示共轭梯度迭代、迭代中产生的krylov子空间轨迹残差和滤波反投影残差。

13、进一步地，所述s4中，radon感知正弦图分解器按照以及生成多层级感知投影特征，其中表示第层可学习的radon感知分解算子，。

14、进一步地，所述s5中，在第层第个展开块内，感知流保持多通道潜特征，并根据当前层级感知投影特征与多通道潜特征的投影结果之间的潜空间投影残差执行校正，感知流潜特征按照更新，其中表示感知流更新网络。

15、进一步地，所述s6中，空间域和频率域交互调制包括空间域交叉调制和幅度相位交叉调制，其中，空间域交叉调制利用感知流的空间分量调制物理流的空间分量，并利用物理流的空间分量门控感知流的空间分量；幅度相位交叉调制利用物理流的频率相位信息约束感知流的结构对齐，并利用感知流的频率幅度信息生成用于抑制稀疏视角伪影的动态衰减信息。

16、进一步地，还包括：在训练用于执行物理流更新、感知流更新和交互调制的网络时，对每个中间层级的物理流图像估计施加监督约束，训练损失满足，其中表示第层展开块数量，表示与第层分辨率对应的参考ct图像，表示层级权重。

17、进一步地，还包括：一种基于多层级子成像系统的稀疏视角ct成像系统，其特征在于，包括ct诊断成像设备和图像重建单元；ct诊断成像设备包括x射线源、探测器和扫描控制单元，扫描控制单元用于控制x射线源和探测器按照低剂量扫描协议对受检对象进行稀疏视角投影采集，以得到稀疏投影数据；图像重建单元设置于ct诊断成像设备内，或者设置于与ct诊断成像设备通信连接的医学影像重建工作站内；图像重建单元包括处理器和存储器，存储器中存储有计算机程序，计算机程序被处理器执行时，使图像重建单元基于稀疏投影数据执行权利要求1至8任一项所述的方法，生成用于诊断观察、显示、传输或者存储的ct重建图像。

18、与现有技术相比，本发明的有益效果是：本发明通过构建由粗到细的虚拟ct子成像系统，使重建过程从零空间不确定性较小的粗层级开始，将展开轨迹锚定在具有明确物理含义的子成像系统上，从而提高迭代稳定性和模型可解释性。此外，本发明不再仅学习训练数据中的整体伪影分布映射，而是在各层级中对频率相关的插值和伪影模式进行逐步细化，降低了对特定训练部位或者特定扫描分布的依赖，提高了模型在域外解剖结构的重建鲁棒性。最后，本发明将物理流和感知流并行设置，其中感知流的多通道潜特征避免了模型在各展开块之间反复压缩和重提取高维感知信息，缓解了数据一致性校正中的单通道图像域瓶颈。本发明能够在降低ct辐射剂量的同时，提高稀疏投影视角ct重建的成像精度、稳定性和域外鲁棒性。