一种稀疏角度下基于正则化与机器学习的CT重建算法

本发明公开了一种稀疏角度下基于正则化与机器学习的CT重建算法，包括数据预处理、设置参数、算法处理等，共包括六类算法的分类处理：POCS‑TVM算法处理、SART算法处理、FBP算法处理、OSEM算法处理、Ridge回归算法处理、ML‑EM算法处理。本发明与现有技术相比的优点在于：完成了对于基本滤波算法的模拟重建，使用较为复杂的POCS‑TVM算法对原始图像进行数次迭代得到了优化后的图像，并进行合理的参数设置优化图像效果，完成了Unet网络的变形搭建和实验数据的采集，应用Attention‑Unet网络对于所处理的医学图像进行训练迭代，同时实现了对网络训练效果准确度和效率的进一步提升，提高了基于unet优化的小角度CT图像重建神经网络的泛用性。