摘要
本发明公开基于上下文冷扩散模型的低剂量3D螺旋CT重建方法及系统,方法包括以下步骤:将CT成像的线性逆问题转化为优化问题,加入正则化项;基于近端梯度下降框架,采用迭代收缩阈值算法求解所述优化问题,用预训练的二维冷扩散模型替换近端梯度下降法中的近端算子,用预训练的冷扩散模型替换正则化项;冷扩散模型预训练时由当前切片及其相邻两个切片构成三维上下文信息作为冷扩散模型的输入;低剂量二维CT图像作为输入,采用训练好的网络进行低剂量3D螺旋CT图像重建;通过结合物理成像模型与深度学习先验,显著提升了低剂量CT的重建质量和效率,显著降低低剂量CT图像中的噪声与伪影,显著改善低剂量CT图像的质量。
技术关键词
CT重建方法
迭代收缩阈值算法
低剂量CT图像
模型预训练
切片
螺旋
图像重建
物理成像模型
计算机可执行程序
损失函数优化
梯度下降算法
网络
模块
可读存储介质
重建系统
处理器
线性
系统为您推荐了相关专利信息
场地测试方法
危险场景
测试场景
轨迹
数字孪生模型
诊断预测模型
多尺度特征提取
数字病理切片图像
集成学习模型
深度残差网络