医学图像重建方法、装置、计算机设备及存储介质与流程

1.本技术涉及医疗技术员和领域，具体涉及一种医学图像重建方法、装置、计算机设备及存储介质。


背景技术：

2.计算机断层成像技术(computed tomography，ct)己经广泛应用于人体组织成像、工业无损检测等领域。ct重建算法可以分为迭代重建算法和解析重建算法两大类。解析重建算法的优点是算法简单、重建速度快，缺点是对数据的完备性要求较高，并且投影数据中的噪声对重建图像的质量影响非常大。相比解析重建算法，迭代重建算法的优点是重建图像质量高，且适用于各种形式的采集数据，即使是在有限角度投影数据的情况下，也能重建出较好的图像，典型的迭代算法有联合迭代重建法(simultaneous algebraic reconstruction technique，sart)、加权最小二乘(weighted least squares，wls)和(maximum likehood-expectation maximization，em-ml)等。但是由于迭代重建算法计算量大、收敛速度慢、重建时间长，目前已成为制约其广泛应用的最大瓶颈。
3.对于迭代重建算法来说，在给定的系统矩阵下，通过投影数据计算处重建图像。通常的医学成像应用中，系统矩阵十分庞大，无法使整个矩阵同时储存在计算机中，从而导致无法直接对系统矩阵进行运算变换。因此，在传统的迭代重建中，只能使用系统矩阵和其转置矩阵(不对其做变换)迭代的方法寻找方程组的近似解，导致迭代时间长，无法快速求解。


技术实现要素：

4.本技术实施例提供一种医学图像重建方法、装置、计算机设备及存储介质，实现快速的图像重建，提高医学图像重建效率，推动迭代重建技术在临床的广泛应用发展。
5.一方面，本技术提供一种医学图像重建方法，应用于计算机设备，所述计算机设备与医学成像设备通信连接，所述医学图像重建方法包括：
6.获取医学成像设备采集的实际投影数据；
7.获取预先物理存储的所述医学成像设备对应的逆矩阵，所述逆矩阵基于所述医学成像设备对应的系统矩阵进行逆运算得到，所述逆矩阵中包括所述医学成像设备对应的计算投影数据；
8.根据所述实际投影数据和所述计算投影数据，确定所述实际投影数据的重建图像。
9.在本技术一些实施方式中，所述逆矩阵为广义逆矩阵，在所述获取预设的所述医学成像设备对应的逆矩阵信息之前，所述方法还包括：
10.获取医学成像设备预设的系统矩阵；
11.确定所述系统矩阵的广义逆矩阵；
12.对所述广义逆矩阵进行物理存储。
13.在本技术一些实施方式中，在所述获取医学成像设备预设的系统矩阵之前，所述
方法还包括：在所述计算机设备对系统矩阵进行物理存储。
14.在本技术一些实施方式中，所述获取医学成像设备预设的系统矩阵，包括：
15.利用预设的标定模体在医学成像设备中扫描获取投影数据；
16.基于预设的数学模型，确定所述医学成像设备的系统矩阵，所述数学模型为标定模体、投影数据和系统矩阵之间运算关系的数学模型。
17.在本技术一些实施方式中，所述投影数据包括正投影数据，所述系统矩阵包括正投影矩阵，
18.或者，所述投影数据包括反投影数据，所述系统矩阵包括反投影矩阵，
19.或者，所述投影数据包括正投影数据和反投影数据，所述系统矩阵包括正投影矩阵和反投影矩阵。
20.在本技术一些实施方式中，所述确定所述系统矩阵的广义逆矩阵，包括：
21.利用对所述系统矩阵进行奇异值分解，确定所述系统矩阵的广义逆矩阵。
22.在本技术一些实施方式中，所述对所述广义逆矩阵进行物理存储，包括：
23.对所述广义逆矩阵按照预设分解方式进行压缩分解，得到压缩矩阵；
24.在所述计算机设备中对所述压缩矩阵进行物理存储。
25.在本技术一些实施方式中，所述获取预先物理存储的所述医学成像设备对应的逆矩阵，包括：
26.从所述计算机设备中获取所述逆矩阵的压缩矩阵；
27.对所述压缩矩阵进行解压，得到所述逆矩阵。
28.在本技术一些实施方式中，所述根据所述实际投影数据和所述计算投影数据，确定所述实际投影数据的重建图像，包括：
29.根据所述实际投影数据和所述计算投影数据之差，得到投影差值数据；
30.对所述投影差值数据进行反投影迭代更新，直到所述投影差值数据最小，得到所述实际投影数据的重建图像。
31.在本技术一些实施方式中，所述方法还包括：
32.获取预设应用场景下诊断图像的先验知识；
33.根据所述先验知识，对所述重建图像进行处理，得到处理后重建图像。
34.另一方面，本技术提供一种医学图像重建装置，应用于计算机设备，所述计算机设备与医学成像设备通信连接，所述医学图像重建装置包括：
35.第一获取模块，用于获取医学成像设备采集的实际投影数据；
36.第二获取模块，用于获取预先物理存储的所述医学成像设备对应的逆矩阵，所述逆矩阵基于所述医学成像设备对应的系统矩阵进行逆运算得到，所述逆矩阵中包括所述医学成像设备对应的计算投影数据；
37.重建模块，用于根据所述实际投影数据和所述计算投影数据，确定所述实际投影数据的重建图像。
38.在本技术一些实施方式中，所述逆矩阵为广义逆矩阵，所述装置还包括存储模块，所述存储模块具体用于：
39.在所述获取预设的所述医学成像设备对应的逆矩阵信息之前，获取医学成像设备预设的系统矩阵；
40.确定所述系统矩阵的广义逆矩阵；
41.在所述计算机设备对所述广义逆矩阵进行物理存储。
42.在本技术一些实施方式中，所述存储模块还用于：在所述获取医学成像设备预设的系统矩阵之前，在所述计算机设备对系统矩阵进行物理存储。
43.在本技术一些实施方式中，所述存储模块具体用于：
44.利用预设的标定模体在医学成像设备中扫描获取投影数据；
45.基于预设的数学模型，确定所述医学成像设备的系统矩阵，所述数学模型为标定模体、投影数据和系统矩阵之间运算关系的数学模型。
46.在本技术一些实施方式中，所述投影数据包括正投影数据，所述系统矩阵包括正投影矩阵，
47.或者，所述投影数据包括反投影数据，所述系统矩阵包括反投影矩阵，
48.或者，所述投影数据包括正投影数据和反投影数据，所述系统矩阵包括正投影矩阵和反投影矩阵。
49.在本技术一些实施方式中，所述存储模块具体用于：
50.利用对所述系统矩阵进行奇异值分解，确定所述系统矩阵的广义逆矩阵。
51.在本技术一些实施方式中，所述存储模块具体用于：
52.对所述广义逆矩阵按照预设分解方式进行压缩分解，得到压缩矩阵；
53.在所述计算机设备中对所述压缩矩阵进行物理存储。
54.在本技术一些实施方式中，所述第二获取模块具体用于：
55.从所述计算机设备中获取所述逆矩阵的压缩矩阵；
56.对所述压缩矩阵进行解压，得到所述逆矩阵。
57.在本技术一些实施方式中，所述重建模块具体用于：
58.根据所述实际投影数据和所述计算投影数据之差，得到投影差值数据；
59.对所述投影差值数据进行反投影迭代更新，直到所述投影差值数据最小，得到所述实际投影数据的重建图像。
60.在本技术一些实施方式中，所述重建模块具体还用于：
61.获取预设应用场景下诊断图像的先验知识；
62.根据所述先验知识，对所述重建图像进行处理，得到处理后重建图像。
63.另一方面，本技术还提供一种计算机设备，所述计算机设备包括：
64.一个或多个处理器；
65.存储器；以及
66.一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行以实现第一方面中任一项所述的医学图像重建方法。
67.第四方面，本技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行第一方面任一项所述的医学图像重建方法中的步骤。
68.本技术通过获取医学成像设备采集的实际投影数据；获取预先物理存储的医学成像设备对应的逆矩阵，该逆矩阵基于所述医学成像设备对应的系统矩阵进行逆运算得到；根据所述实际投影数据和所述计算投影数据，计算所述实际投影数据的重建图像。本技术
通过将庞大的系统矩阵储存于计算机设备中，从而获取医学成像设备对应的系统矩阵对应的逆矩阵，通过逆矩阵和实际投影数据，实现快速的图像重建，提高医学图像重建效率，推动迭代重建技术在临床的广泛应用发展。
附图说明
69.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
70.图1是本技术实施例提供的医学图像重建系统的场景示意图；
71.图2是本技术实施例中提供的医学图像重建方法的一个实施例流程示意图；
72.图3是本技术实施例中在图2所示实施例基础上，医学图像重建方法的另一个实施例流程示意图；
73.图4是本技术实施例中步骤303的一个实施例流程示意图；
74.图5是本技术实施例中提供的医学图像重建装置的一个实施例结构示意图；
75.图6是本技术实施例中提供的计算机设备的一个实施例结构示意图。
具体实施方式
76.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
77.在本技术的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本技术的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
78.在本技术中，“示例性”一词用来表示“用作例子、例证或说明”。本技术中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本技术，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本技术。在其它实例中，不会对公知的结构和过程进行详细阐述，以避免不必要的细节使本技术的描述变得晦涩。因此，本技术并非旨在限于所示的实施例，而是与符合本技术所公开的原理和特征的最广范围相一致。
79.需要说明的是，本技术实施例方法由于是在计算机设备中执行，各计算机设备的处理对象均以数据或信息的形式存在，例如时间，实质为时间信息，可以理解的是，后续实
施例中若提及尺寸、数量、位置等，均为对应的数据存在，以便计算机设备进行处理，具体此处不作赘述。
80.下面首先对本技术实施例中涉及到的一些基本概念进行介绍：
81.迭代重建技术：用一系列的近似计算以逐渐逼近的方式来获得图像，在图像重建开始以前，假定图像是均匀密度的，重建图像的每一步都是将上一步重建图像的计算投影与实际测量所得的投影进行比较，用实际投影与计算投影之差来修正图像。每一步都使图像更接近原来物体，经若干次修正后可以获得满意的图像，其缺点在运算工作量极大。
82.广义逆矩阵：设矩阵a∈c
m*n
，如果有矩阵x∈c
n*m
满足下列4个penrose方程：
83.axa＝a
84.xax＝x
85.(ax)h＝ax
86.(xa)h＝xa
87.中的几个或者全部，则称矩阵x为a的广义逆矩阵。如果4个方程全都满足，则称矩阵x为矩阵a的moore-penrose逆。
88.radon变换：radon transform，又称拉东变换，是一个积分变换，它将定义在二维平面上的一个函数f(x,y)沿着平面上的任意一条直线做线积分，相当于对函数f(x,y)做ct扫描。其基本应用是根据ct的透射光强重建出投影前的函数f(x,y)，即拉东变换的反演问题。拉东变换由拉东在1917年提出，他也同时提出拉东变换的反演公式，以及三维空间的拉东变换公式。
89.若函数f(x,y)表示一个未知的密度，对f(x,y)做拉东变换，相当于得到f(x,y)投影后的信号。举例来说，f(x,y)相当于人体组织，断层扫描的输出信号相当于对f(x,y)做拉东变换。可以用拉东反变换从投影后的结果重建原始的密度函数f(x,y)。拉东变换是重建ct扫描的数学理论基础。另一个广为人知的名词是三维重建。拉东变换后的信号称作“正弦图”，因为一个偏离中心的点的拉东变换是一条正弦曲线。所以对多个点状分布的拉东变换会看起来像许多不同振福、相位的正弦函数叠加在一起。
90.本技术实施例提供一种医学图像重建方法、装置、计算机设备及存储介质，以下分别进行详细说明。
91.请参阅图1，图1为本技术实施例所提供的医学图像重建系统的场景示意图，该医学图像重建系统可以包括计算机设备100和医学成像设备200，所述计算机设备100与医学成像设备200通信连接，医学成像设备200采集的医学数据(如实际投影数据)可以传输到计算机设备100中，计算机设备100中集成有医学图像重建装置。
92.本技术实施例中计算机设备100主要用于获取医学成像设备采集的实际投影数据；获取预先物理存储的所述医学成像设备对应的逆矩阵，所述逆矩阵基于所述医学成像设备对应的系统矩阵进行逆运算得到，所述逆矩阵中包括所述医学成像设备对应的计算投影数据；根据所述实际投影数据和所述计算投影数据，确定所述实际投影数据的重建图像。
93.本技术实施例中，该计算机设备100可以是独立的服务器，也可以是服务器组成的服务器网络或服务器集群，例如，本技术实施例中所描述的计算机设备100，其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云服务器。其中，云服务器由基于云计算(cloud computing)的大量计算机或网络服务器构成。
94.可以理解的是，本技术实施例中该计算机设备100还可以是终端，终端可以是既包括接收和发射硬件的设备，即具有能够在双向通信链路上，执行双向通信的接收和发射硬件的设备。这种设备可以包括：蜂窝或其他通信设备，其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备。具体的终端具体可以是台式终端，例如台式电脑等。
95.本领域技术人员可以理解，图1中示出的应用环境，仅仅是与本技术方案一种应用场景，并不构成对本技术方案应用场景的限定，其他的应用环境还可以包括比图1中所示更多或更少的计算机设备，例如图1中仅示出1个计算机设备，可以理解的，该医学图像重建系统还可以包括一个或多个其他计算机设备，具体此处不作限定。
96.另外，如图1所示，该医学图像重建系统还可以包括存储器300，用于存储医学数据，如医学成像设备对应的系统矩阵，逆矩阵等。
97.本技术实施例中，医学成像设备200可以是ct设备，cbct设备或者其他医学成像设备，例如正电子发射计算机断层显像(positron emission tomography-computed tomography，pet-ct)设备等，具体此处不作限定。对应的，本技术实施例中，所描述的医学图像可以指ct图像。
98.需要说明的是，图1所示的医学图像重建系统的场景示意图仅仅是一个示例，本技术实施例描述的医学图像重建系统以及场景是为了更加清楚的说明本技术实施例的技术方案，并不构成对于本技术实施例提供的技术方案的限定，本领域普通技术人员可知，随着医学图像重建系统的演变和新业务场景的出现，本技术实施例提供的技术方案对于类似的技术问题，同样适用。
99.首先，本技术实施例中提供一种医学图像重建方法，该医学图像重建方法的执行主体为医学图像重建装置，该医学图像重建装置应用于计算机设备，该医学图像重建方法包括：获取医学成像设备采集的实际投影数据；获取预先物理存储的所述医学成像设备对应的逆矩阵，所述逆矩阵基于所述医学成像设备对应的系统矩阵进行逆运算得到，所述逆矩阵中包括所述医学成像设备对应的计算投影数据；根据所述实际投影数据和所述计算投影数据，确定所述实际投影数据的重建图像。
100.一般地，在线积分投影假设下建立目标函数求解重建图像的过程描述如下：假设某待重建的二维线性衰减系数图被向量化表示为x＝{xi|j＝1,...,j}∈rj，xj表示图像x中第j个像素，j是图像的像素总数。设共采集到沿i条路径下的投影线积分值b，离散向量化表示为b＝{bi|i＝1,...,i}∈ri。用a＝{a
ij
|i＝1,...,i,j＝1,...,j}∈ri×j表示成像采集系统几何的数学模型，称为系统矩阵。其中，a
ij
表示第i根射线与第j个像素之间的几何贡献。根据radon变换，x线ct成像可以通过公式(1)表达：
101.b＝ax
ꢀꢀ
(1)
102.那么，图像重建反问题就描述为：在给定的系统矩阵a下，通过投影数据b计算处重建图像x。
103.针对上述反问题，如果系统矩阵a的逆矩阵a-1
存在的话，重建图像可以通过x＝a-1
b直接获得。但是在通常的医学成像应用中，系统矩阵a十分庞大，无法使整个矩阵同时储存在计算机中，从而导致无法直接对a进行运算变换(例如奇异值分解求广义逆中对a的对角化操作等)。因此，在传统的迭代重建中，只能使用系统矩阵a和其转置矩阵a
t
(不对其做
变换)迭代的方法寻找方程组的近似解，导致迭代时间长，无法快速求解。
104.本技术实施例中将庞大的系统矩阵储存于计算机设备中，从而对系统矩阵进行运算变换，通过对矩阵a寻找的逆矩阵，通过逆矩阵实现快速医学图像重建。如图2所示，为本技术实施例中医学图像重建方法的一个实施例流程示意图，该医学图像重建方法包括如下步骤201～203：
105.201、获取医学成像设备采集的实际投影数据。
106.具体的，在利用医学成像设备对患者进行诊断或者治疗时，可以通过医学成像设备采集患者的医学成像数据，例如通过医学成像设备中射线穿透患者形成的实际投影数据。
107.202、获取预先物理存储的所述医学成像设备对应的逆矩阵。
108.其中，所述逆矩阵基于所述医学成像设备对应的系统矩阵进行逆运算得到，所述逆矩阵中包括所述医学成像设备对应的计算投影数据。
109.本技术实施例中，医学成像设备对应的计算投影数据，是对医学成像设备进行综合投影模拟得到的综合投影数据，可以通过对医学成像设备预先建模实现综合投影模拟得到。
110.其中，以医学成像设备为ct成像设备为例，医学成像设备综合投影模拟的原理是：对于某个重建视角，首先在估计的物体图像上通过“前向投影”模拟一个综合投影，这是对沿着该重建视角衰减的第一次估计，但存在较大误差。这种估计尽可能地模拟真实ct成像设备中x射线光子穿过物体并到达探测器的过程，通过将x射线光子的初始位置设置在一个小区域而非单独的点来模拟有限的焦点大小；在x射线光子和物体相互作用的建模过程中，通过计算光子在轻微不同方向和位置进入体素的路径长度来考虑重建像素的大小和尺寸(而不是一个假想的点)，采用相同的方式，探测器单元的大小和形状通过探测器响应函数来建模，最后模拟得到医学成像设备对应的计算投影数据。
111.203、根据所述实际投影数据和所述计算投影数据，确定所述实际投影数据的重建图像。
112.其中，所述根据所述实际投影数据和所述计算投影数据，确定所述实际投影数据的重建图像，可以包括：根据所述实际投影数据和所述计算投影数据之差，得到投影差值数据；对所述投影差值数据进行反投影迭代更新，直到所述投影差值数据最小，得到所述实际投影数据的重建图像。
113.其中，所述实际投影数据迭代重建的方式可以采用联合迭代重建法(simultaneous algebraic reconstruction technique，sart)、加权最小二乘(weighted least squares，wls)和(maximum likehood-expectation maximization，em-ml)等重建方式，具体此处不作限定。
114.其中，根据所述实际投影数据和所述计算投影数据之差，得到投影差值数据，以所述计算投影数据和实际投影数据中均包括正投影数据为例，首先对x线光子分布进行原始估计，在此基础上估算每个投影方向上探测器获得的可能计数(即正投影数据)，再将正投影数据与探测器实际采集的实际正投影数据进行比较，得到投影数据差值，将投影数据差值反投影得到重建图像，对当前重建图像前投影更新原始估计数据；不断重复此过程，对图像对应的投影数据进行不断地检验和修正，直到误差(投影差值数据最小)降到最低，下一
次迭代结果无限接近，最终得到实际投影数据的重建图像。
115.需要说明的是，在投影数据修正过程中，除了采用建立系统光学模型，还采用了系统统计模型，该模型分析每个独立光子的统计波动的特征，并与正确的统计分布进行比较，有效地降低了统计波动引起的重建图像噪声。
116.本技术实施例中通过获取医学成像设备采集的实际投影数据；获取预先物理存储的医学成像设备对应的逆矩阵，该逆矩阵基于所述医学成像设备对应的系统矩阵进行逆运算得到；根据所述实际投影数据和所述计算投影数据，确定所述实际投影数据的重建图像。即通过将庞大的系统矩阵储存于计算机设备中，从而获取医学成像设备对应的系统矩阵对应的逆矩阵，通过逆矩阵和实际投影数据，实现快速的图像重建，提高医学图像重建效率，推动迭代重建技术在临床的广泛应用发展。
117.在本技术一些实施方式中，所述逆矩阵为广义逆矩阵，在所述获取预设的所述医学成像设备对应的逆矩阵信息之前，如图2所示，所述方法还可以进一步包括如下步骤301～303：
118.301、获取医学成像设备预设的系统矩阵。
119.由于系统矩阵十分庞大，针对重建过程中使用到的系统矩阵，本实施例中预先在计算机设备上进行物理存储，以供后续运算变化得到系统矩阵的广义逆矩阵，因此，在所述获取医学成像设备预设的系统矩阵之前，本技术医学图像重建方法还可以包括：在所述计算机设备对系统矩阵进行物理存储的步骤。
120.本技术实施例中，以医学成像设备为ct设备为例，从ct设备几何角度出发，考虑成像系统中射线源大小、x线款能谱、探测器响应等实际物理因素，构建ct设备的系统矩阵a。其中，所述获取医学成像设备预设的系统矩阵有多种实现方式，下面举例进行说明：
121.假设系统矩阵a＝{a
ij
|i＝1,...,i,j＝1,...,j}∈ri×j122.(1)a中的元素a
ij
可表示为第i根射线与第j个像素之间的几何贡献，这个集合贡献最基本的表现方式是投影射线在该像素内所穿过的线段长度。同时，成像中遇到的物理现象(如衰减和点扩散函数)也可放到系统矩阵a的模型中。
123.(2)获取医学成像设备预设的系统矩阵可以包括：利用预设的标定模体在医学成像设备中扫描获取投影数据，基于预设的数学模型，确定所述医学成像设备的系统矩阵，所述数学模型为标定模体、投影数据和系统矩阵之间运算关系的数学模型。
124.具体的，例如，利用标定模体x在实际设备中扫描获取样本投影数据b，利用深度学习技术基于数学模型b＝ax，获得当前医学成像设备的系统矩阵a。
125.其中，深度学习技术可以是在医学影像处理中使用的到的深度学习的模型框架，主要有：
126.sae(stack auto-encoder)：无监督学习方案，逐层训练，得到特征描述为主。
127.rbm(restricted boltzmann machine)：无监督学习方案，与sae类似。
128.cnn(convolutional neural network)：卷积神经网络，使用最为广泛，可以用来提取图片特征或者直接完成分类检测等任务。
129.rnn(recurrent neural network)：循环神经网络，用来获取时序上的信息，在ct等逐行扫描图像中使用。
130.u-net(with a single downsampling stage)：类似于带short-cut的全卷积网
络，用来融合不同尺度的图像的特征。
131.fcnn(fully convolutional neural network)：全卷积网络，可以获取与原图相同分辨率的图片，常用于分割等任务。
132.frcnn(faster region-proposal based neural network)：一种快速的深度学习检测网络框架，分为rpn和rcnn两层，用于检测医学图像中的多种物体。
133.具体的，使用深度学习技术基于数学模型b＝ax，获得当前医学成像设备的系统矩阵a的方式为现有技术，具体此处不作限定。
134.302、确定所述系统矩阵的广义逆矩阵。
135.在本技术一些实施方式中，所述确定所述系统矩阵的广义逆矩阵，包括：利用对所述系统矩阵进行奇异值分解，确定所述系统矩阵的广义逆矩阵。
136.303、对所述广义逆矩阵进行物理存储。
137.在通常的医学成像应用中，系统矩阵a十分庞大，本实施例中，针对重建过程中使用到的系统矩阵a，在计算机设备上进行运算变化，获得其广义逆矩阵a
pinv
，并进行存储，以便于提升后续图像重建时调取使用速度。
138.迭代重建算法的迭代过程可分解为四个步骤：正投影、修正、反投影和体素更新。在迭代算法中，与正投影、反投影采用同一驱动方式相比，正投影使用射线驱动方式、反投影使用体素驱动方式的组合能有效去除环状伪影。因此，在迭代算法中，正投影采用基于射线的驱动方式计算系统矩阵；而反投影采用基于体素驱动方法计算系统矩阵。两种驱动方式的区别在于前者只考虑射线穿过体素的密度，后者还需考虑周围的体素对当前射线穿过的体素的影响。在代码实现过程中，通常将正投影和修正步骤合并，一起进行处理；反投影和体素更新步骤合并，同时处理。
139.在迭代重建算法其中，正投影和反投影的计算量非常大，占迭代重建算法总的计算量的比例很高，因此提高迭代重建算法的运行速度，关键在于提高正、反投影的计算效率。
140.本技术实施例中，系统矩阵可以是包括正投影矩阵，也可以是包括反投影矩阵，或者同时包括正投影矩阵和反投影矩阵，当所述投影数据包括正投影数据，所述系统矩阵包括正投影矩阵，当所述投影数据包括反投影数据，所述系统矩阵包括反投影矩阵。当所述投影数据同时包括正投影数据和反投影数据时，所述系统矩阵包括正投影矩阵和反投影矩阵。
141.由于医学成像设备对应的系统矩阵十分庞大，其对应的广义逆矩阵仍十分庞大，因此可以进一步进行分解压缩保存在计算机设备中，对分解压缩后的数据进行保存，以降低存储空间的占用。
142.因此进一步的，在本技术一些实施方式中，如图4所示，上述步骤303中对所述广义逆矩阵进行物理存储，具体可以包括如下步骤401～402：
143.401、对所述广义逆矩阵按照预设分解方式进行压缩分解，得到压缩矩阵。
144.402、在所述计算机设备中对所述压缩矩阵进行物理存储。
145.其中，预设分解方式可以是对称矩阵、上(下)三角矩阵、稀疏矩阵等的压缩分解方式。即当广义逆矩阵满足特殊矩阵时，例如对称矩阵、上(下)三角矩阵、稀疏矩阵等，可以采用对应的压缩分解方式，以广义逆矩阵为稀疏矩阵为例，压缩存储稀疏矩阵的方法是：只存
储矩阵中的非0元素，稀疏矩阵非0元素的存储需同时存储该元素所在矩阵中的行标和列标。
146.此时，所述获取预先物理存储的所述医学成像设备对应的逆矩阵，包括：从所述计算机设备中获取所述逆矩阵的压缩矩阵；对所述压缩矩阵进行解压，得到所述逆矩阵。具体的，基于物理存储的逆矩阵a
pinv
，首先，利用解压与重构技术将a
pinv
还原，对于实际投影数据b，调用对应存储的广义逆矩阵a
pinv
，通过公式x＝a
pinv
b得到最终重建图像。
147.进一步的，本技术实施例中还可以针对不同临床诊断图像需求，在重建过程中引入诊断图像的先验知识，从而提升重建图像质量。具体的，即本技术实施例中医学图像重建方法还可以包括：获取预设应用场景下诊断图像的先验知识；根据所述先验知识，对所述重建图像进行处理，得到处理后重建图像。
148.其中，先验知识可以是传统的贝叶斯多帧图像超分辨方法所使用的l1范数,全变分等先验知识，也可以是自然图像先验知识，具体此处不作限定。
149.需要说明的是，本技术实施例中，在获取医学成像设备采集的实际投影数据之前，还可以对医学成像设备采集的原始投影数据进行预处理，得到该实际投影数据。预处理的方式可以是图像增强的一些方式，例如在空间域的灰度变换(具体如直接灰度变换，直方图修正法，图像的代数运算等)，空域滤波(图像平滑处理和图像锐化处理)，也可以是在频率域上的高通滤波，低通滤波，带通、带阻滤波等，具体此处不作限定。
150.例如，为了降低投影数据中的噪声，可以对投影数据进行非线性滤波、基于贝叶斯统计理论的滤波；为了克服重建后图像中的条形伪影、环状伪影、金属伪影和杯形伪影，可以采用基于字典学习、形态分量分析等新兴的图像处理方法对投影数据进行处理，并将处理后的数据以及与重建相关的参数传入到计算机设备的gpu，所述处理后的数据以及与重建相关的参数具体指模体位置和尺寸、旋转中心的位置、射线源到旋转中心的距离、探测器尺寸、探测器到旋转中心的距离和投影角度，由于这些处理后的数据和参数是在计算机设备cpu上，这些数据还需传入到计算机设备上才能使用gpu进行加速。
151.此外，本技术实施例中对医学图像的重建还可以采用管道流水线(pipeline)技术，管道流水线技术的工作原理为阵列机各处理器模块依次独立地执行各自的任务，上道任务完后立即进行下一步处理，使预处理、卷积和反投影等能在绝大多数时间内同时进行。加快了图像重建的速度，使得ct图像在扫描结束后，几乎能实时地完成重建工作，并立即显示图像。
152.可以理解的是，本技术实施例中，在图像重建时，除了投影数据外，还包括其他重建相关的参数，例如获取该投影数据时的具体指模体位置和尺寸、旋转中心的位置、射线源到旋转中心的距离、探测器尺寸、探测器到旋转中心的距离和投影角度等，由于不涉及到具体参数的改进，因此，具体过程可以参考现有技术，此处不作详细说明。
153.为了更好实施本技术实施例中医学图像重建方法，在医学图像重建方法基础之上，本技术实施例中还提供一种医学图像重建装置，应用于计算机设备，所述计算机设备与医学成像设备通信连接，如图5所示，该医学图像重建装置500包括第一获取模块501，第二获取模块502和重建模块503：
154.第一获取模块501，用于获取医学成像设备采集的实际投影数据；
155.第二获取模块502，用于获取预先物理存储的所述医学成像设备对应的逆矩阵，所
述逆矩阵基于所述医学成像设备对应的系统矩阵进行逆运算得到，所述逆矩阵中包括所述医学成像设备对应的计算投影数据；
156.重建模块503，用于根据所述实际投影数据和所述计算投影数据，确定所述实际投影数据的重建图像。
157.本技术实施例通过第一获取模块501获取医学成像设备采集的实际投影数据；第二获取模块502获取预先物理存储的医学成像设备对应的逆矩阵，该逆矩阵基于所述医学成像设备对应的系统矩阵进行逆运算得到；重建模块503根据所述实际投影数据和所述计算投影数据，确定所述实际投影数据的重建图像。本技术中通过将庞大的系统矩阵储存于计算机设备中，从而获取医学成像设备对应的系统矩阵对应的逆矩阵，通过逆矩阵和实际投影数据，实现快速的图像重建，提高医学图像重建效率，推动迭代重建技术在临床的广泛应用发展。
158.在本技术一些实施方式中，所述逆矩阵为广义逆矩阵，所述装置还包括存储模块，所述存储模块具体用于：
159.在所述获取预设的所述医学成像设备对应的逆矩阵信息之前，获取医学成像设备预设的系统矩阵；
160.确定所述系统矩阵的广义逆矩阵；
161.在所述计算机设备对所述广义逆矩阵进行物理存储。
162.在本技术一些实施方式中，所述存储模块还用于：在所述获取医学成像设备预设的系统矩阵之前，在所述计算机设备对系统矩阵进行物理存储。
163.在本技术一些实施方式中，所述存储模块具体用于：
164.利用预设的标定模体在医学成像设备中扫描获取投影数据；
165.基于预设的数学模型，确定所述医学成像设备的系统矩阵，所述数学模型为标定模体、投影数据和系统矩阵之间运算关系的数学模型。
166.在本技术一些实施方式中，所述投影数据包括正投影数据，所述系统矩阵包括正投影矩阵，
167.或者，所述投影数据包括反投影数据，所述系统矩阵包括反投影矩阵，
168.或者，所述投影数据包括正投影数据和反投影数据，所述系统矩阵包括正投影矩阵和反投影矩阵。
169.在本技术一些实施方式中，所述存储模块具体用于：
170.利用对所述系统矩阵进行奇异值分解，确定所述系统矩阵的广义逆矩阵。
171.在本技术一些实施方式中，所述存储模块具体用于：
172.对所述广义逆矩阵按照预设分解方式进行压缩分解，得到压缩矩阵；
173.在所述计算机设备中对所述压缩矩阵进行物理存储。
174.在本技术一些实施方式中，所述第二获取模块具体用于：
175.从所述计算机设备中获取所述逆矩阵的压缩矩阵；
176.对所述压缩矩阵进行解压，得到所述逆矩阵。
177.在本技术一些实施方式中，所述重建模块503具体用于：
178.根据所述实际投影数据和所述计算投影数据之差，得到投影差值数据；
179.对所述投影差值数据进行反投影迭代更新，直到所述投影差值数据最小，得到所
述实际投影数据的重建图像。
180.在本技术一些实施方式中，所述重建模块503具体还用于：
181.获取预设应用场景下诊断图像的先验知识；
182.根据所述先验知识，对所述重建图像进行处理，得到处理后重建图像。
183.本技术实施例还提供一种计算机设备，其集成了本技术实施例所提供的任一种医学图像重建装置，所述计算机设备包括：
184.一个或多个处理器；
185.存储器；以及
186.一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行上述医学图像重建方法实施例中任一实施例中所述的医学图像重建方法中的步骤。
187.本技术实施例还提供一种计算机设备，其集成了本技术实施例所提供的任一种医学图像重建装置。如图6所示，其示出了本技术实施例所涉及的计算机设备的结构示意图，具体来讲：
188.该计算机设备可以包括一个或者一个以上处理核心的处理器601、一个或一个以上计算机可读存储介质的存储器602、电源603和输入单元604等部件。本领域技术人员可以理解，图6中示出的计算机设备结构并不构成对计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
189.处理器601是该计算机设备的控制中心，利用各种接口和线路连接整个计算机设备的各个部分，通过运行或执行存储在存储器602内的软件程序和/或模块，以及调用存储在存储器602内的数据，执行计算机设备的各种功能和处理数据，从而对计算机设备进行整体监控。可选的，处理器601可包括一个或多个处理核心；优选的，处理器601可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器601中。
190.存储器602可用于存储软件程序以及模块，处理器601通过运行存储在存储器602的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器602可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据计算机设备的使用所创建的数据等。此外，存储器602可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器602还可以包括存储器控制器，以提供处理器601对存储器602的访问。
191.计算机设备还包括给各个部件供电的电源603，优选的，电源603可以通过电源管理系统与处理器601逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源603还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
192.该计算机设备还可包括输入单元604，该输入单元604可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
193.尽管未示出，计算机设备还可以包括显示单元等，在此不再赘述。具体在本实施例中，计算机设备中的处理器601会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器602中，并由处理器601来运行存储在存储器602中的应用程序，从而实现各种功能，如下：
194.获取医学成像设备采集的实际投影数据；
195.获取预先物理存储的所述医学成像设备对应的逆矩阵，所述逆矩阵基于所述医学成像设备对应的系统矩阵进行逆运算得到，所述逆矩阵中包括所述医学成像设备对应的计算投影数据；
196.根据所述实际投影数据和所述计算投影数据，确定所述实际投影数据的重建图像。
197.本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
198.为此，本技术实施例提供一种计算机可读存储介质，该存储介质可以包括：只读存储器(rom，read only memory)、随机存取记忆体(ram，random access memory)、磁盘或光盘等。其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行本技术实施例所提供的任一种医学图像重建方法中的步骤。例如，所述计算机程序被处理器进行加载可以执行如下步骤：
199.获取医学成像设备采集的实际投影数据；
200.获取预先物理存储的所述医学成像设备对应的逆矩阵，所述逆矩阵基于所述医学成像设备对应的系统矩阵进行逆运算得到，所述逆矩阵中包括所述医学成像设备对应的计算投影数据；
201.根据所述实际投影数据和所述计算投影数据，确定所述实际投影数据的重建图像。
202.在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见上文针对其他实施例的详细描述，此处不再赘述。
203.具体实施时，以上各个单元或结构可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单元或结构的具体实施可参见前面的方法实施例，在此不再赘述。
204.以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
205.以上对本技术实施例所提供的一种医学图像重建方法、装置、计算机设备及存储介质进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。