公开(公告)号：CN110648376A

公开(公告)日：2020-01-03

申请号：CN201910767838.6

申请日：2019-08-20

Applicant: 南京邮电大学

Inventor： 徐慧 ,  谢世明

IPC: G06T11/00 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于生成对抗网络的有限角CT重建去伪影的方法，其特征是，包括以下步骤：将完全角度CT图像在[45.5°，135.5°]角度范围内进行降采样、滤波反投影处理，得到有限角CT图像，将完全角度CT图像与所述有限角CT图像拼接，将若干拼接图像作为数据样本，分为训练集和测试集；基于WGAN-GP网络模型，该模型包括生成器和判别器，分别构建所述生成器和所述判别器的深度神经网络结构；将训练集送入WGAN-GP网络模型中训练，将测试集数据送入训练好的模型中进行测试；将待处理图像送入训练好的模型中以输出清晰的有限角CT重建图像。本发明提供的去除块状伪影的方法相比现有技术去除效果更好，同时能较好的保留细节以及边缘信息。

公开(公告)号：CN110648376B

公开(公告)日：2022-08-30

申请号：CN201910767838.6

申请日：2019-08-20

Applicant: 南京邮电大学

Inventor： 徐慧 ,  谢世明

IPC: G06T11/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于生成对抗网络的有限角CT重建去伪影的方法，其特征是，包括以下步骤：将完全角度CT图像在[45.5°，135.5°]角度范围内进行降采样、滤波反投影处理，得到有限角CT图像，将完全角度CT图像与所述有限角CT图像拼接，将若干拼接图像作为数据样本，分为训练集和测试集；基于WGAN‑GP网络模型，该模型包括生成器和判别器，分别构建所述生成器和所述判别器的深度神经网络结构；将训练集送入WGAN‑GP网络模型中训练，将测试集数据送入训练好的模型中进行测试；将待处理图像送入训练好的模型中以输出清晰的有限角CT重建图像。本发明提供的去除块状伪影的方法相比现有技术去除效果更好，同时能较好的保留细节以及边缘信息。