一种基于隐式学习和跨域特征挖掘的高质量稀疏CT重建方法

本发明公开了一种基于隐式学习和跨域特征挖掘的高质量稀疏CT重建方法，涉及CT图像重建技术领域，包括以下步骤：S1：断层特征表达网络构建与操作；S11：位置编码；S12：断层特征挖掘；S121：跨域坐标转换；S122：断层特征表示：上下文视觉特征提取、曲线形态特征提取；S2：隐式神经表征网络处理；S21：基于MLP的断层特征信息优化；S22：自适应逆变换；S23：基于MLP的图像重建；S3：自监督学习；本发明中，采用隐式神经表示学习实现CT图像重建，在不需要额外训练数据的前提下重建高质量CT图像，且可以有效解决稀疏视角CT重建中的伪影问题，在保证图像质量的同时大幅降低X射线扫描次数，减少病人的辐射暴露。