一种基于运动补偿学习的4D-CBCT成像方法

摘要

本发明公开了一种基于运动补偿的4D‑CBCT成像方法，属于计算机断层成像领域。本发明首先获取病人的高质量4D‑CBCT数据，并将其划分为样本和标签数据；然后需要构造4D‑CBCT数据的运动补偿学习卷积神经网络，用于建立不同相位图像之间的映射；接下来以样本和标签数据作为输入，对网络进行训练以获取最优网络参数权重；最后利用该网络来辅助重建临床扫描下的4D‑CBCT投影数据，得到高质量的重建图。本发明可以很大程度的减少呼吸运动所带来的重建模糊及由数据采集角度缺失而产生的噪声和伪影，可缩短扫描周期降低受检者所受的辐射伤害，满足临床分析和诊断的质量要求，提高肺部肿瘤的跟踪效率。