一种低剂量X射线多衬度高精度信号解析方法

本发明提供一种低剂量X射线多衬度高精度信号解析方法，属于深度学习以及X射线光栅衬度成像技术领域。包括：获取低剂量条件下光栅步进投影序列；构建卷积神经网络模型，模型由衬度解析模块和U‑net两部分组成，其中衬度解析模块用于提取衬度信号，U‑net用于进一步地图像增强与噪声去除；训练卷积神经网络模型；使用已训练的卷积神经网络模型利用低剂量光栅步进投影序列获取到高质量吸收、相位和暗场投影。本发明利用卷积神经网络对光栅步进投影序列中的物理信息进行提取，能够降低低剂量X射线所引入的噪声对衬度信号的影响，有效减少样品所受的辐射剂量并显著提高了成像质量，提升X射线光栅差分相衬成像的应用潜力。