一种稀疏投影CBCT重建方法、装置、设备及可读存储介质

本技术涉及cbct领域，具体涉及一种稀疏投影cbct重建方法、装置、设备及可读存储介质。

背景技术：

1、锥体束计算机断层扫描(cone-beam computed tomography，cbct)是一种医学影像技术，用于获取人体或物体的三维立体图像，其成像部分主要由x射线源和平面形状的探测器组成，在图像采集过程中，这两个部件同时围绕患者旋转，x射线源发射许多锥形x射线束，探测器在被患者从多个角度吸收后捕获剩余的x射线信号，将这些捕获的x射线投影用于重建体积图像。cbct在口腔医学临床实践中已经广泛应用，可以显著提升各种疾病的诊治效率，然而频繁拍摄cbct会给患者带来潜在的辐射伤害。通过减少单张辐射剂量或限制原始投影数量可减少总体辐射剂量，但是减少单张辐射剂量或者减少投影数量的条件下，不可避免的会使关于目标物体的信息大幅缺失，导致重建结果包含大量伪影。

2、由于稀疏投影重建这一问题的病态(ill-posed)特性，经典的医学图像重建方法比如滤波反向投影法(filtered back-propagation,fbp)和代数重建法(algebraicreconstruction technique,art)无法获得可靠的重建效果。传统的解决方法通常在重建优化过程中添加正则化约束或应用去噪重建图像的技术，但是这些手工设计的方法具有一定的局限性。

3、随着深度学习的发展，深度学习方法也逐渐被应用于稀疏投影ct重建问题。然而，编码-解码器型端到端的深度学习难以捕获成像物理过程，导致类方法通常需要极大量的数据进行预训练，并且重建效果受限。因此，诸多深度学习方法仍然基于经典医学图像重建方法进行改进。

4、近年来，基于坐标的神经渲染三维视觉方法在计算机领域得到较快发展，该类方法通过模拟成像渲染过程，以基于坐标的神经场拟合二维有限视角下的监督，进而学习三维空间信息。此类方法在稀疏输入条件下能获得较好的学习效果，但是相关方法大多为自然场景而设计，比如一些模型尝试将深度和可见性等物理约束融入三维重建过程，并且能较好的提升稀疏视角下的学习效果，但目前这一技术手段尚无法有效匹配医疗领域的图像重建过程。因此，非常有必要构建一种基于神经渲染和医疗图像约束的方法，用于解决医疗图像在稀疏投影条件下重建效果差的技术难题。

技术实现思路

1、本技术提供一种稀疏投影cbct重建方法、装置、设备及可读存储介质，可以解决上述背景技术中存在的技术问题。

2、第一方面，本技术实施例提供一种稀疏投影cbct重建方法，采用如下技术方案：

3、一种稀疏投影cbct重建方法，其包括以下步骤：

4、获取目标患者在多个角度下的x线投影；

5、根据预设的组织投影预测模型和所述x线投影，得到目标患者的整体组织掩膜预测投影和硬组织掩膜预测投影，作为重建用整体组织掩膜预测投影和重建用硬组织掩膜预测投影；

6、根据所述x线投影、所述重建用整体组织掩膜预测投影和重建用硬组织掩膜预测投影，监督训练设定的神经场网络初始模型，得到对应所述目标患者的神经场网络模型；其中，所述神经场网络模型被配置为根据三维空间中任意一坐标点的坐标信息，生成在所述坐标点下整体组织掩膜的灰度数据和硬组织掩膜的灰度数据在内的多个组织单元的灰度数据，并基于所述多个组织单元的灰度数据得到所述坐标点下的整体组织灰度数据；

7、根据所述神经场网络模型和目标患者所需要重建的三维影像中各坐标点的坐标信息，得到所需要重建的三维影像中各坐标点的整体组织灰度数据，并形成所述所需要重建的三维影像。

8、结合第一方面，在一种实施方式中，所述根据所述x线投影、所述重建用整体组织掩膜预测投影和重建用硬组织掩膜预测投影，监督训练设定的神经场网络初始模型，得到对应所述目标患者的神经场网络模型，包括：

9、在迭代训练过程中，根据所述x线投影、所述重建用整体组织掩膜预测投影、所述重建用硬组织掩膜预测投影、所述整体组织灰度数据、所述整体组织掩膜的灰度数据和所述硬组织掩膜的灰度数据，得到每次迭代后所述神经场网络模型的损失函数；

10、判断所述损失函数是否小于设定值；

11、若小于，完成所述神经场网络初始模型的训练，得到对应所述目标患者的神经场网络模型。

12、结合第一方面，在一种实施方式中，所述在迭代训练过程中，根据所述x线投影、所述重建用整体组织掩膜预测投影、所述重建用硬组织掩膜预测投影、所述整体组织灰度数据、所述整体组织掩膜的灰度数据和所述硬组织掩膜的灰度数据，得到每次迭代后所述神经场网络模型的损失函数，采用如下计算公式：

13、

14、其中，l1为平均绝对误差，l2为平均平方误差，∑gt分别为对应坐标点下的整体组织灰度数据和所述x线投影的灰度数据，apred分别为对应坐标点下的整体组织灰度数据以及重建用整体组织掩膜预测投影的灰度数据，bpred分别为对应坐标点下的硬组织掩膜的灰度数据以及重建用硬组织掩膜预测投影的灰度数据，λ(t)为与迭代次数呈负相关的影响参数函数。

15、结合第一方面，所述影响参数函数λ(t)采用如下计算公式：

16、

17、其中y,t分别表示当前迭代和目标总迭代次数，λ0为参数的初始值，k∈(0，1)。

18、结合第一方面，在一种实施方式中，所述组织投影预测模型根据以下步骤得到：

19、获取多份来自不同对象的cbct三维影像数据作为训练用三维影像数据；

20、根据所述训练用三维影像数据，得到训练用x线投影和与所述训练用x线投影对应的整体组织掩膜真实投影和硬组织掩膜真实投影；

21、根据所述整体组织掩膜真实投影和所述硬组织掩膜真实投影监督训练设定的组织投影预测模型；其中，所述组织投影预测模型被配置为根据输入的x线投影，得到整体组织掩膜预测投影和硬组织掩膜预测投影。

22、结合第一方面，在一种实施方式中，所述根据所述训练用三维影像数据，得到训练用x线投影和与所述训练用x线投影对应的整体组织掩膜真实投影和硬组织掩膜真实投影中，

23、通过观察体积图像的数值分布情况和设定的两个阈值来分割所述训练用三维影像数据，以获得所述整体组织掩膜真实投影和硬组织掩膜真实投影。

24、结合第一方面，在一种实施方式中，所述神经场网络模型被配置为根据三维空间中任意一坐标点的坐标信息，生成在所述坐标点下整体组织掩膜的灰度数据、硬组织掩膜的灰度数据、硬组织纹理值以及软组织纹理值，并基于所述整体组织掩膜的灰度数据、硬组织掩膜的灰度数据、硬组织纹理值、软组织纹理值得到所述坐标点下的整体组织灰度数据。

25、第二方面，本技术实施例提供了一种稀疏投影cbct重建装置，采用如下技术方案：

26、一种稀疏投影cbct重建装置，所述稀疏投影cbct重建装置包括：

27、获取模块，其被配置为获取目标患者在多个角度下的x线投影；

28、训练模块，其配置为根据预设的组织投影预测模型和所述x线投影，得到目标患者的整体组织掩膜预测投影和硬组织掩膜预测投影，作为重建用整体组织掩膜预测投影和重建用硬组织掩膜预测投影；根据所述x线投影、所述重建用整体组织掩膜预测投影和重建用硬组织掩膜预测投影，监督训练设定的神经场网络初始模型，得到对应所述目标患者的神经场网络模型；其中，所述神经场网络模型被配置为根据三维空间中任意一坐标点的坐标信息，生成在所述坐标点下整体组织掩膜的灰度数据和硬组织掩膜的灰度数据在内的多个组织单元的灰度数据，并基于所述多个组织单元的灰度数据得到所述坐标点下的整体组织灰度数据；

29、重建模块，其被配置为根据所述神经场网络模型和目标患者所需要重建的三维影像中各坐标点的坐标信息，得到所需要重建的三维影像中各坐标点的整体组织灰度数据，并形成所述所需要重建的三维影像。

30、第三方面，本技术实施例提供了一种稀疏投影cbct重建设备，采用如下技术方案：

31、一种稀疏投影cbct重建设备，其特征在于，所述稀疏投影cbct重建设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的稀疏投影cbct重建程序，其中所述稀疏投影cbct重建程序被所述处理器执行时，实现如上所述的稀疏投影cbct重建方法的步骤。

32、第四方面，本技术实施例提供了一种可读存储介质，采用如下技术方案：

33、一种可读存储介质，所述可读存储介质上存储有稀疏投影cbct重建程序，其中所述稀疏投影cbct重建程序被处理器执行时，实现如上所述的稀疏投影cbct重建方法的步骤。

34、本技术实施例提供的技术方案带来的有益效果包括：

35、由于本技术中用于构建所需要重建的三维影像的神经场网络模型在训练过程中，基于目标患者的x线投影，以及从x线投影中获取的整体组织掩膜预测投影和硬组织掩膜预测投影，实现从三个方面对神经场网络模型进行训练，且在执行过程中神经场网络模型为基于多个组织单元的灰度数据进行整体组织灰度数据建立，也即通过多个专门的单元网络对cbct中的不同组织特征进行建模，提高了神经场网络模型的可解释性和可控性，具有较强的现实意义，最终实现有效提高神经网络模型在重建三维影像时的有效性。