CN116593504B - Ct成像方法、装置、设备及存储介质 - Google Patents
Ct成像方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116593504B CN116593504B CN202310869034.3A CN202310869034A CN116593504B CN 116593504 B CN116593504 B CN 116593504B CN 202310869034 A CN202310869034 A CN 202310869034A CN 116593504 B CN116593504 B CN 116593504B
- Authority
- CN
- China
- Prior art keywords
- layer detector
- real
- pixel
- time
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000013170 computed tomography imaging Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000003384 imaging method Methods 0.000 claims abstract description 57
- 238000012545 processing Methods 0.000 claims abstract description 24
- 230000003321 amplification Effects 0.000 claims description 19
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 16
- 230000001678 irradiating effect Effects 0.000 claims description 4
- 239000010410 layer Substances 0.000 description 128
- 239000002355 dual-layer Substances 0.000 description 17
- 238000004891 communication Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000007408 cone-beam computed tomography Methods 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000011229 interlayer Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 235000019738 Limestone Nutrition 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000006028 limestone Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
- G01N23/046—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material using tomography, e.g. computed tomography [CT]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/40—Imaging
- G01N2223/401—Imaging image processing
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pulmonology (AREA)
- Radiology & Medical Imaging (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Transforming Light Signals Into Electric Signals (AREA)
Abstract
本发明公开了一种CT成像方法、装置、设备及存储介质。其中，所述CT成像方法包括：通过双层探测器中第一层探测器和第二层探测器，分别采集目标对象对应的第一投影数据和第二投影数据；基于第一投影数据和第一层探测器的像素确定多种类型的亚像素；基于第一投影数据和第二投影数据确定每种类型的亚像素的目标信号强度，基于目标信号强度得到双层探测器对应的目标投影信号；基于超分辨网络模型对目标投影信号进行超分辨处理得到超分辨成像信号，基于超分辨成像信号得到超分辨成像图像。基于本发明实施例技术方案，能够显著提高现有CT成像的空间分辨率。
Description
技术领域
本发明涉及CT成像技术领域，尤其涉及一种CT成像方法、装置、设备及存储介质。
背景技术
锥束计算机断层成像（Cone Beam Computed Tomography，CBCT）是一种基于平板探测器的三维断层成像技术，被广泛应用于医学领域。但CT成像的分辨率一直受到制约。
现有技术中，用于提高CT成像的空间分辨率的方法有基于X射线源的飞焦斑技术、探测器亚像素位移技术以及深度学习技术等。但飞焦斑技术和探测器亚像素位移技术需要从硬件和后处理算法上进行改进，存在设备成本高、采集时间长、数据依赖性强、可解释性差和泛化性低等问题。深度学习技术需要大量的数据来进行训练，存在可解释性差和泛化性的问题，综上，现有技术中，CT成像的空间分辨率较差。
发明内容
本发明提供了一种CT成像方法、装置、设备及存储介质，以解决CT成像的空间分辨率较差的技术问题。
根据本发明的一方面，提供了一种CT成像方法，其中，该方法包括：
通过双层探测器中第一层探测器和第二层探测器，分别采集目标对象对应的第一投影数据和第二投影数据；
基于所述第一投影数据和所述第一层探测器的像素确定多种类型的亚像素；
基于所述第一投影数据和所述第二投影数据确定每种类型的所述亚像素的目标信号强度，基于所述目标信号强度得到所述双层探测器对应的目标投影信号；
基于超分辨网络模型对所述目标投影信号进行超分辨处理得到超分辨成像信号，基于所述超分辨成像信号得到超分辨成像图像。
根据本发明的另一方面，提供了一种CT成像装置，其中，该装置包括：
投影数据采集模块，用于通过双层探测器中第一层探测器和第二层探测器，分别采集目标对象对应的第一投影数据和第二投影数据；
亚像素确定模块，用于基于所述第一投影数据和所述第一层探测器的像素确定多种类型的亚像素；
信号强度确定模块，用于基于所述第一投影数据和所述第二投影数据确定每种类型的所述亚像素的目标信号强度，基于所述目标信号强度得到所述双层探测器对应的目标投影信号；
图像成像模块，用于基于超分辨网络模型对所述目标投影信号进行超分辨处理得到超分辨成像信号，基于所述超分辨成像信号得到超分辨成像图像。
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的CT成像方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的CT成像方法。
本发明实施例的技术方案，通过双层探测器中第一层探测器和第二层探测器，分别采集目标对象对应的第一投影数据和第二投影数据；基于所述第一投影数据和所述第一层探测器的像素确定多种类型的亚像素；基于所述第一投影数据和所述第二投影数据确定每种类型的所述亚像素的目标信号强度，基于所述目标信号强度得到所述双层探测器对应的目标投影信号，保证了所确定的目标投影信号的精度和信噪比；基于超分辨网络模型对所述目标投影信号进行超分辨处理得到超分辨成像信号，基于所述超分辨成像信号得到超分辨成像图像，显著提高了CT成像的空间分辨率。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种CT成像方法的流程图；
图2是根据本发明实施例提供的双层探测器的亚像素成像的场景图；
图3是根据本发明实施例提供的RNN网络模型的结构图；
图4是根据本发明实施例二提供的一种CT成像方法的流程图；
图5是根据本发明实施例三提供的一种CT成像装置的结构示意图；
图6是实现本发明实施例的CT成像方法的电子设备的结构示意图。
实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例
图1为本发明实施例一提供了一种CT成像方法的流程图，本实施例可适用于CT成像的情况，该方法可以由CT成像装置来执行，该CT成像装置可以采用硬件和/或软件的形式实现，该CT成像装置可配置于计算机软件中。如图1所示，该方法包括：
S110、通过双层探测器中第一层探测器和第二层探测器，分别采集目标对象对应的第一投影数据和第二投影数据。
其中，所述双层探测器为包括第一层探测器和第二层探测器的双层的平板探测器。所述目标对象可以理解为电子计算机断层扫描（Computed Tomography，CT）成像的对象。在本发明实施例中，所述目标对象可以根据场景需求预设，在此不做具体限定。可选的，所述目标对象可以是石灰岩。
所述第一投影数据可以理解为通过第一层探测器采集的，所述目标对象对应的投影数据。所述第二投影数据可以理解为通过第二层探测器采集的，所述目标对象对应的投影数据。
可选的，在所述通过双层探测器中第一层探测器和第二层探测器，分别采集目标对象对应的第一投影数据和第二投影数据之前，还包括：
通过目标光源照射目标对象，使透过所述目标对象的光束投影于所述第一层探测器和所述第二层探测器上，并使单次投影于所述第二层探测器上的所述光束的宽度等于所述第二层探测器的像素的宽度；
将所述光束沿着所述第二层探测器的像素从第一方向至第二方向进行扫描，得到投影于所述第一层探测器的第一实时光束和投影于所述第二层探测器的第二实时光束，以得到所述第一实时光束对应的所述第一投影数据和所述第二实时光束对应的所述第二投影数据；
其中，所述目标光源可以理解为照射所述目标对象的光源。所述第一层探测器位于所述第二层探测器和所述目标光源之间，所述目标对象位于所述第一层探测器和所述目标光源之间，所述目标光源位于所述双层探测器的中心轴上（参考图2）。
其中，所述第一方向可以理解为所述光束沿着所述第二层探测器进行扫描的开始方向。所述第二方向可以理解为所述光束沿着所述第二层探测器进行扫描的结束方向。在本发明实施例中，所述第一方向和所述第二方向可以根据场景需求预设，在此不做具体限定。示例性的，所述第一方向可以是所述第二层探测器的左方向，所述第二方向可以是所述第二层探测器的右方向。
所述第一实时光束可以理解为投影于所述第一层探测器的实时光束。所述第二实时光束可以理解为投影于所述第二层探测器的实时光束。
S120、基于所述第一投影数据和所述第一层探测器的像素确定多种类型的亚像素。
可以理解的是，在单次投影于所述第二层探测器上的所述光束的宽度等于所述第二层探测器的像素的宽度，并将所述光束沿着所述第二层探测器的像素从第一方向至第二方向进行扫描的情况下，投影于所述第一层探测器的第一实时光束会被所述第一层探测器的像素的边界点切割成大小不一的实时光束，在本发明实施例中，将被所述第一层探测器的像素的边界点切割成的大小不一的实时光束对应的像素确定为所述亚像素（参考图2）。
可选的，所述第一投影数据包括所述第一实时光束的第一实时边界点和第二实时边界点，所述基于所述第一投影数据和所述第一层探测器的像素确定多种类型的亚像素，包括：
将所述第一实时光束对应的像素作为投影像素，并将被所述第一层探测器的像素所包裹的所述投影像素确定为第一类型的亚像素；
将第一边界为所述第一实时边界点且第二边界为所述第一层探测器的像素的边界点的所述投影像素确定为第二类型的亚像素；
将第一边界为所述第一层探测器的像素的边界点且第二边界为第二实时边界点的所述投影像素确定为第三类型的亚像素。
其中，所述投影像素可以理解为所述第一实时光束对应的像素。
所述第一边界和所述第二边界可以理解为所述亚像素的两个边界。在本发明实施例中，所述第一边界和所述第二边界可以还根据场景需求预设，在此不做具体限定。示例性的，所述第一边界可以是所述亚像素的左边界，所述第二边界可以右边界。
所述第一实时边界点和所述第二实时边界点可以理解为可以理解为所述第一实时光束的两个实时边界点。在本发明实施例中，所述第一实时边界点和所述第二实时边界点可以还根据场景需求预设，在此不做具体限定。示例性的，所述第一实时边界点可以是所述第一实时光束的左边界点，所述第二实时边界点可以是所述第一实时光束的右边界点。
所述第一类型可以理解为被所述第一层探测器的像素所包裹的亚像素所对应的亚像素的类型。所述第二类型可以理解为第一边界为所述第一实时边界点且第二边界为所述第一层探测器的像素的边界点的亚像素所对应的亚像素的类型。所述第三类型可以理解为第一边界为所述第一层探测器的像素的边界点且第二边界为第二实时边界点的亚像素所对应的亚像素的类型。
S130、基于所述第一投影数据和所述第二投影数据确定每种类型的所述亚像素的目标信号强度，基于所述目标信号强度得到所述双层探测器对应的目标投影信号。
所述目标信号强度可以理解为所述亚像素对应的信号强度。在本发明实施例中，不同类型的所述亚像素对应的目标信号强度可以相同，也可以不同。所述目标投影信号可以理解为所述双层探测器对应的投影信号。
S140、基于超分辨网络模型对所述目标投影信号进行超分辨处理得到超分辨成像信号，基于所述超分辨成像信号得到超分辨成像图像。
其中，所述超分辨网络模型可以理解为具有对所述目标投影信号进行超分辨处理的功能的模型。在本发明实施例中，所述超分辨网络模型可以根据场景需求预设，在此不做具体限定。可选的，所述超分辨网络模型可以是循环神经网络(Recurrent NeuralNetworks，RNN)模型。
所述超分辨成像信号可以理解为对所述目标投影信号进行超分辨处理得到成像信号。超分辨成像图像可以理解为所述超分辨成像信号对应的成像图像。可选的，所述超分辨成像图像可以是超分辨的CT图像。
可选的，所述第一投影数据还包括所述第一实时光束的第一能量信息，所述第二投影数据还包括第二实时光束第二能量信息，所述基于超分辨网络模型对所述目标投影信号进行超分辨处理得到超分辨成像信号，包括：
通过超分辨网络模型对输入的所述目标投影信号、所述第一能量信息和所述第二能量信息进行水平超分辨和垂直超分辨处理，得到超分辨成像信号，
其中，所述超分辨网络模型包括水平超分辨模型和垂直超分辨模型。
其中，所述第一能量信息可以理解为所述第一实时光束的能量信息。所述第二能量信息可以理解为所述第二实时光束的能量信息。
所述水平超分辨模型可以理解为对所述目标投影信号进行水平超分辨的模型。所述垂直超分辨模型可以理解为对所述目标投影信号进行垂直超分辨的模型。在本发明实施例中，同时基于超分辨网络模型所包括的水平超分辨模型和垂直超分辨模型，对所述目标投影信号进行水平超分辨和垂直超分辨处理，可以提高所得到的超分辨成像信号的空间分辨率，以提高所确定的超分辨成像图像的空间分辨率。
需要理解的是，RNN网络可以对已经编码的双层探测器的目标投影信号对应的图像进行解码，从而获得更高分辨率的超分辨成像信号对应的超分辨成像图像。并且RNN网络强大的非线性拟合能力也可以很好地拟合多层探测器间的能谱差异。参考图3，以双层探测器数据为例，当双层探测器之间的前后层像素关于中心轴不对称时，需要将整幅目标投影信号对应的图像输入网络中进行训练；当双层探测器之间的前后层像素关于中心轴对称时，只需将图像的左半部或右半部图像输入网络中进行训练即可，达到了节省图像训练时间的效果，提高了模型训练效率。
如图3所示，RNN网络包含6层隐藏层，每层的节点个数分别为16、32、64、64、32、4，每层节点的激活函数为带泄露修正线性单元（Leaky Rectified Linear Unit，LeakyReLU）。RNN网络的输入、输出图像的分辨率分别为M×N、M×2N。其中，M为图像垂直方向像素个数，N为水平方向像素个数。RNN网络的损失函数为均方误差（Mean Squared Error ，MSE）函数。
可见，实现了双层探测器的目标投影信号对应的图像在水平方向上的图像超分辨。可以理解的是，若在网络训练过程中将输入数据从图像水平方向变为垂直方向输入，则网络的输入、输出图像的分辨率变为M×N、2M×N。即可以实现双层探测器的目标投影信号对应的图像在垂直方向上的图像超分辨。
在本发明实施例中，综上，实现了双层平板探测器的二维图像超分辨，具体的，首先使用RNN网络将目标投影信号对应的图像在水平或垂直方向进行超分辨率，然后再使用RNN网络在另一方向上进行超分辨率，以实现二维图像超分辨。该图像超分辨方法需要使用水平和垂直方向的图像数据分别训练两种不同的RNN网络，得到水平超分辨模型和垂直超分辨模型，并同时通过水平超分辨模型和垂直超分辨模型对输入的分辨率为M×N的目标投影信号对应的图像进行水平超分辨和垂直超分辨处理，得到超分辨成像信号对应的分辨率为2M×2N的输出图像。
需要理解的是，上述图像超分辨处理方法也可用于三层及以上的多层探测器。从信号提取的角度来讲，多层（≧3）探测器采集到的信号采样点个数与信息的混叠程度比双层探测器更多更复杂，也包含了更多的物体空间信息，这也为更高分辨率的图像重建提供了可能。从数学模型的角度来讲，搭建多层（≧3）探测器的超分辨数学模型与搭建双层探测器数学模型的区别在于需要考虑更多种层间像素组合方式。在多层（≧3）探测器超分辨任务中，RNN网络的图像输入、输出分辨率变为M×N、LM×LN，L为探测器层数。
本发明实施例的技术方案，通过双层探测器中第一层探测器和第二层探测器，分别采集目标对象对应的第一投影数据和第二投影数据；基于所述第一投影数据和所述第一层探测器的像素确定多种类型的亚像素；基于所述第一投影数据和所述第二投影数据确定每种类型的所述亚像素的目标信号强度，基于所述目标信号强度得到所述双层探测器对应的目标投影信号，保证了所确定的目标投影信号的精度和信噪比；基于超分辨网络模型对所述目标投影信号进行超分辨处理得到超分辨成像信号，基于所述超分辨成像信号得到超分辨成像图像，显著提高了CT成像的空间分辨率。
实施例
图4为本发明实施例二提供的一种CT成像方法的流程图，本实施例是针对上述实施例中所述基于所述第一投影数据和所述第二投影数据确定每种类型的所述亚像素的目标信号强度进行细化。如图4所示，该方法包括：
S210、通过双层探测器中第一层探测器和第二层探测器，分别采集目标对象对应的第一投影数据和第二投影数据。
S220、基于所述第一投影数据和所述第一层探测器的像素确定多种类型的亚像素。
其中，所述第一投影数据还包括所述第一实时光束的第一信号强度，所述第二投影数据包括所述第二实时光束的第二信号强度。
其中，所述第一信号强度可以理解为所述第一实时光束的信号强度。所述第二信号强度可以理解为所述第二实时光束的信号强度。
S230、获取所述双层探测器的像素宽度、所述目标光源与所述第一层探测器之间的第一距离、所述目标光源与所述第二层探测器之间的第二距离以及所述第二实时边界点的第二实时坐标，并根据所述第一距离和所述第二距离确定放大比。
其中，所述像素宽度可以理解为所述双层探测器的像素的宽度。所述第一距离可以理解为所述目标光源与所述第一层探测器之间的距离。所述第二距离可以理解为所述目标光源与所述第二层探测器之间的距离。所述第二实时坐标可以理解为所述第一实时光束的所述第二实时边界点的实时坐标。所述放大比可以理解为所述第一距离和所述第二距离之间的比值。
S240、针对所述第一类型的亚像素，根据所述放大比、所述像素宽度以及当前亚像素的所述第二实时坐标确定第二下标信息。
其中，所述的第二下标信息为当前所述亚像素所对应光束于所述第二层探测器的像素的下标。
S250、根据所述第二下标信息和当前亚像素的第二信号强度确定所述目标信号强度。
可选的，所述基于所述第一投影数据和所述第二投影数据确定每种类型的所述亚像素的目标信号强度，还包括：
获取所述第一实时边界点的第一实时坐标；
针对所述第二类型的亚像素，根据所述放大比、所述第一实时坐标以及所述像素宽度确定所述第一下标信息，其中，所述第一下标信息为当前所述亚像素于所述第一层探测器的像素的下标；
根据所述第二实时坐标和所述像素宽度确定所述第二下标信息，并根据所述第一下标信息、所述第二下标信息、所述第一下标信息对应的第一信号强度以及所述第二下标信息对应的第二信号强度确定所述目标信号强度。
其中，所述第一实时坐标可以理解为所述第一实时光束的所述第一实时边界点的实时坐标。
可选的，所述基于所述第一投影数据和所述第二投影数据确定每种类型的所述亚像素的目标信号强度，还包括：
针对所述第三类型的亚像素，根据所述第一实时坐标和所述像素宽度确定第一下标信息；
根据所述放大比、所述第二实时坐标以及所述像素宽度确定第二下标信息；
根据所述第一下标信息、所述第二下标信息、所述第一下标信息对应的第一信号强度以及所述第二下标信息对应的第二信号强度确定所述目标信号强度。
具体的，如图2所示，所述基于所述第一投影数据和所述第二投影数据确定每种类型的所述亚像素的目标信号强度，可以是：
其中，表示第一下标信息为1的亚像素，/>表示第一下标信息为2的亚像素，/>表示第一下标信息为3的亚像素，/>表示第一下标信息为4的亚像素，/>表示第一下标信息为5的亚像素，/>表示第二下标信息为1的第二信号强度，/>表示第一下标信息为1的第一信号强度，/>表示第二下标信息为2的第二信号强度，/>表示第一下标信息为2的第一信号强度，/>表示第二下标信息为3的第二信号强度。
进一步的，当前亚像素的宽度的计算公式为：
其中，表示当前亚像素的宽度，/>表示当前亚像素的第二实时坐标，/>表示当前亚像素的第一实时坐标。
进一步的，第一层探测器相对于第二层探测器的放大比的计算公式为：
其中，表示放大比，/>表示第二距离，/>表示第一距离。
进一步的，当前亚像素的第一实时坐标和第二实时坐标的计算公式为：
其中，表示当前亚像素的第一实时坐标，/>表示当前亚像素的第二实时坐标，/>表示当前亚像素的宽度。
针对所述第一类型的亚像素：
其中，表示放大比，/>表示当前亚像素的第一实时坐标，/>表示当前亚像素的第二实时坐标，/>表示双层探测器的像素宽度。
其中，表示第二下标信息，/>表示放大比，/>表示当前亚像素的第二实时坐标，/>表示双层探测器的像素宽度。
针对所述第二类型的亚像素：
其中，表示放大比，/>表示当前亚像素的第一实时坐标，/>表示当前亚像素的第二实时坐标，/>表示双层探测器的像素宽度。
其中，表示第二下标信息，/>表示第一下标信息，/>表示放大比，/>表示当前亚像素的第一实时坐标，/>表示当前亚像素的第二实时坐标，/>表示双层探测器的像素宽度。
针对所述第三类型的亚像素：
其中，表示放大比，/>表示当前亚像素的第一实时坐标，/>表示当前亚像素的第二实时坐标，/>表示双层探测器的像素宽度。
其中，表示第二下标信息，/>表示第一下标信息，/>表示放大比，/>表示当前亚像素的第一实时坐标，/>表示当前亚像素的第二实时坐标，/>表示双层探测器的像素宽度。
综上可得，所述基于所述第一投影数据和所述第二投影数据确定每种类型的所述亚像素的目标信号强度的计算公式为：
其中，表示的当前亚像素的目标信号强度，/>表示当前类型的亚像素的第二下标信息，/>表示当前类型的亚像素的第一下标信息,/>表示当前亚像素对应的第二信号强度，/>表示第一下标信息对应的第一信号强度，/>表示第二下标信息对应的第二信号强度。
S260、基于所述目标信号强度得到所述双层探测器对应的目标投影信号。
在本发明实施例中，直接根据现有的多层（≧2）探测器存在的层间像素偏移现象，确定多种类型的亚像素，基于多种类型的亚像素的目标信号强度进行CT成像，不需要对现有的CT成像设备进行较大系统改进，只需要替换现有单层平板探测器就可以大幅提高成像设备的空间分辨率，并可以实现高效率且低成本的CT成像。
S270、基于超分辨网络模型对所述目标投影信号进行超分辨处理得到超分辨成像信号，基于所述超分辨成像信号得到超分辨成像图像。
本发明实施例的技术方案，通过获取所述双层探测器的像素宽度、所述目标光源与所述第一层探测器之间的第一距离、所述目标光源与所述第二层探测器之间的第二距离以及所述第二实时边界点的第二实时坐标，并根据所述第一距离和所述第二距离确定放大比；针对所述第一类型的亚像素，根据所述放大比、所述像素宽度以及所述第二实时坐标确定第二下标信息，其中，所述的第二下标信息为当前所述亚像素所对应光束于所述第二层探测器的像素的下标；根据所述第二下标信息和所述第二信号强度确定所述目标信号强度。保证了所确定的每种类型的亚像素对应的目标信号强度的准确性。
实施例
图5为本发明实施例三提供的一种CT成像装置的结构示意图。如图5所示，该装置包括：投影数据采集模块310、亚像素确定模块320、信号强度确定模块330以及图像成像模块340；其中，
投影数据采集模块310，用于通过双层探测器中第一层探测器和第二层探测器，分别采集目标对象对应的第一投影数据和第二投影数据；亚像素确定模块320，用于基于所述第一投影数据和所述第一层探测器的像素确定多种类型的亚像素；信号强度确定模块330，用于基于所述第一投影数据和所述第二投影数据确定每种类型的所述亚像素的目标信号强度，基于所述目标信号强度得到所述双层探测器对应的目标投影信号；图像成像模块340，用于基于超分辨网络模型对所述目标投影信号进行超分辨处理得到超分辨成像信号，基于所述超分辨成像信号得到超分辨成像图像。
本发明实施例的技术方案，通过双层探测器中第一层探测器和第二层探测器，分别采集目标对象对应的第一投影数据和第二投影数据；基于所述第一投影数据和所述第一层探测器的像素确定多种类型的亚像素；基于所述第一投影数据和所述第二投影数据确定每种类型的所述亚像素的目标信号强度，基于所述目标信号强度得到所述双层探测器对应的目标投影信号，保证了所确定的目标投影信号的精度和信噪比；基于超分辨网络模型对所述目标投影信号进行超分辨处理得到超分辨成像信号，基于所述超分辨成像信号得到超分辨成像图像，显著提高了CT成像的空间分辨率。
可选的，所述CT成像装置还包括：光束投影模块和光束扫描模块；其中，
所述光束投影模块，用于在所述通过双层探测器中第一层探测器和第二层探测器，分别采集目标对象对应的第一投影数据和第二投影数据之前，通过目标光源照射目标对象，使透过所述目标对象的光束投影于所述第一层探测器和所述第二层探测器上，并使单次投影于所述第二层探测器上的所述光束的宽度等于所述第二层探测器的像素的宽度；
所述光束扫描模块，用于将所述光束沿着所述第二层探测器的像素从第一方向至第二方向进行扫描，得到投影于所述第一层探测器的第一实时光束和投影于所述第二层探测器的第二实时光束，以得到所述第一实时光束对应的所述第一投影数据和所述第二实时光束对应的所述第二投影数据；
其中，所述第一层探测器位于所述第二层探测器和所述目标光源之间，所述目标对象位于所述第一层探测器和所述目标光源之间，所述目标光源位于所述双层探测器的中心轴上。
可选的，所述第一投影数据包括所述第一实时光束的第一实时边界点和第二实时边界点，亚像素确定模块320，用于：
将所述第一实时光束对应的像素作为投影像素，并将被所述第一层探测器的像素所包裹的所述投影像素确定为第一类型的亚像素；
将第一边界为所述第一实时边界点且第二边界为所述第一层探测器的像素的边界点的所述投影像素确定为第二类型的亚像素；
将第一边界为所述第一层探测器的像素的边界点且第二边界为第二实时边界点的所述投影像素确定为第三类型的亚像素。
可选的，所述第一投影数据还包括所述第一实时光束的第一信号强度，所述第二投影数据包括所述第二实时光束的第二信号强度，信号强度确定模块330，用于：
获取所述双层探测器的像素宽度、所述目标光源与所述第一层探测器之间的第一距离、所述目标光源与所述第二层探测器之间的第二距离以及所述第二实时边界点的第二实时坐标，并根据所述第一距离和所述第二距离确定放大比；
针对所述第一类型的亚像素，根据所述放大比、所述像素宽度以及当前亚像素的所述第二实时坐标确定第二下标信息，其中，所述的第二下标信息为当前所述亚像素所对应光束于所述第二层探测器的像素的下标；
根据所述第二下标信息和当前亚像素的第二信号强度确定所述目标信号强度。
可选的，信号强度确定模块330，还用于：
获取所述第一实时边界点的第一实时坐标；
针对所述第二类型的亚像素，根据所述放大比、所述第一实时坐标以及所述像素宽度确定所述第一下标信息，其中，所述第一下标信息为当前所述亚像素于所述第一层探测器的像素的下标；
根据所述第二实时坐标和所述像素宽度确定所述第二下标信息，并根据所述第一下标信息、所述第二下标信息、所述第一下标信息对应的第一信号强度以及所述第二下标信息对应的第二信号强度确定所述目标信号强度。
可选的，信号强度确定模块330，还用于：
针对所述第三类型的亚像素，根据所述第一实时坐标和所述像素宽度确定第一下标信息；
根据所述放大比、所述第二实时坐标以及所述像素宽度确定第二下标信息；
根据所述第一下标信息、所述第二下标信息、所述第一下标信息对应的第一信号强度以及所述第二下标信息对应的第二信号强度确定所述目标信号强度。
可选的，所述第一投影数据还包括所述第一实时光束的第一能量信息，所述第二投影数据还包括第二实时光束的第二能量信息，图像成像模块340，用于：
通过超分辨网络模型对输入的所述目标投影信号、所述第一能量信息和所述第二能量信息进行水平超分辨和垂直超分辨处理，得到超分辨成像信号，
其中，所述超分辨网络模型包括水平超分辨模型和垂直超分辨模型。
本发明实施例所提供的CT成像装置可执行本发明任意实施例所提供的CT成像方法，具备执行方法相应的功能模块和有益效果。
实施例
图6示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备（如头盔、眼镜、手表等）和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图6所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器（ROM）12、随机访问存储器（RAM）13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器（ROM）12中的计算机程序或者从存储单元18加载到随机访问存储器（RAM）13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出（I/O）接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元（CPU）、图形处理单元（GPU）、各种专用的人工智能（AI）计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器（DSP）、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如CT成像方法。
在一些实施例中，CT成像方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的CT成像方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行CT成像方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、芯片上系统的系统（SOC）、负载可编程逻辑设备（CPLD）、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或快闪存储器）、光纤、便捷式紧凑盘只读存储器（CD-ROM）、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置（例如，CRT（阴极射线管）或者LCD（液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、或者触觉反馈）；并且可以用任何形式（包括声输入、语音输入或者、触觉输入）来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统（例如，作为数据服务器）、或者包括中间件部件的计算系统（例如，应用服务器）、或者包括前端部件的计算系统（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互）、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将系统的部件相互连接。通信网络的示例包括：局域网（LAN）、广域网（WAN）、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (5)
1.一种CT成像方法，其特征在于，包括：
通过双层探测器中第一层探测器和第二层探测器，分别采集目标对象对应的第一投影数据和第二投影数据；
基于所述第一投影数据和所述第一层探测器的像素确定多种类型的亚像素；
基于所述第一投影数据和所述第二投影数据确定每种类型的所述亚像素的目标信号强度，基于所述目标信号强度得到所述双层探测器对应的目标投影信号；
基于超分辨网络模型对所述目标投影信号进行超分辨处理得到超分辨成像信号，基于所述超分辨成像信号得到超分辨成像图像；
其中，在所述通过双层探测器中第一层探测器和第二层探测器，分别采集目标对象对应的第一投影数据和第二投影数据之前，还包括：
通过目标光源照射目标对象，使透过所述目标对象的光束投影于所述第一层探测器和所述第二层探测器上，并使单次投影于所述第二层探测器上的所述光束的宽度等于所述第二层探测器的像素的宽度；
将所述光束沿着所述第二层探测器的像素从第一方向至第二方向进行扫描，得到投影于所述第一层探测器的第一实时光束和投影于所述第二层探测器的第二实时光束，以得到所述第一实时光束对应的所述第一投影数据和所述第二实时光束对应的所述第二投影数据；
其中，所述第一层探测器位于所述第二层探测器和所述目标光源之间，所述目标对象位于所述第一层探测器和所述目标光源之间，所述目标光源位于所述双层探测器的中心轴上；
其中，所述第一投影数据包括所述第一实时光束的第一实时边界点和第二实时边界点，所述基于所述第一投影数据和所述第一层探测器的像素确定多种类型的亚像素，包括：
将所述第一实时光束对应的像素作为投影像素，并将被所述第一层探测器的像素所包裹的所述投影像素确定为第一类型的亚像素；
将第一边界为所述第一实时边界点且第二边界为所述第一层探测器的像素的边界点的所述投影像素确定为第二类型的亚像素；
将第一边界为所述第一层探测器的像素的边界点且第二边界为第二实时边界点的所述投影像素确定为第三类型的亚像素；
其中，所述第一投影数据还包括所述第一实时光束的第一信号强度，所述第二投影数据包括所述第二实时光束的第二信号强度，所述基于所述第一投影数据和所述第二投影数据确定每种类型的所述亚像素的目标信号强度，包括：
获取所述双层探测器的像素宽度、所述目标光源与所述第一层探测器之间的第一距离、所述目标光源与所述第二层探测器之间的第二距离以及所述第二实时边界点的第二实时坐标，并根据所述第一距离和所述第二距离确定放大比；
针对所述第一类型的亚像素，根据所述放大比、所述像素宽度以及当前亚像素的所述第二实时坐标确定第二下标信息，其中，所述的第二下标信息为当前所述亚像素所对应光束于所述第二层探测器的像素的下标；
根据所述第二下标信息和当前亚像素对应的第二信号强度确定所述目标信号强度；
其中，所述基于所述第一投影数据和所述第二投影数据确定每种类型的所述亚像素的目标信号强度，还包括：
获取所述第一实时边界点的第一实时坐标；
针对所述第二类型的亚像素，根据所述放大比、所述第一实时坐标以及所述像素宽度确定第一下标信息，其中，所述第一下标信息为当前所述亚像素于所述第一层探测器的像素的下标；
根据所述第二实时坐标和所述像素宽度确定所述第二下标信息，并根据所述第一下标信息、所述第二下标信息、所述第一下标信息对应的第一信号强度以及所述第二下标信息对应的第二信号强度确定所述目标信号强度；
其中，所述基于所述第一投影数据和所述第二投影数据确定每种类型的所述亚像素的目标信号强度，还包括：
针对所述第三类型的亚像素，根据所述第一实时坐标和所述像素宽度确定第一下标信息；
根据所述放大比、所述第二实时坐标以及所述像素宽度确定第二下标信息；
根据所述第一下标信息、所述第二下标信息、所述第一下标信息对应的第一信号强度以及所述第二下标信息对应的第二信号强度确定所述目标信号强度。
2.根据权利要求1所述的方法，其特征在于，所述第一投影数据还包括所述第一实时光束的第一能量信息，所述第二投影数据还包括第二实时光束的第二能量信息，所述基于超分辨网络模型对所述目标投影信号进行超分辨处理得到超分辨成像信号，包括：
通过所述超分辨网络模型对输入的所述目标投影信号、所述第一能量信息和所述第二能量信息进行水平超分辨和垂直超分辨处理，得到超分辨成像信号，
其中，所述超分辨网络模型包括水平超分辨模型和垂直超分辨模型。
3.一种CT成像装置，其特征在于，包括：
投影数据采集模块，用于通过双层探测器中第一层探测器和第二层探测器，分别采集目标对象对应的第一投影数据和第二投影数据；
亚像素确定模块，用于基于所述第一投影数据和所述第一层探测器的像素确定多种类型的亚像素；
信号强度确定模块，用于基于所述第一投影数据和所述第二投影数据确定每种类型的所述亚像素的目标信号强度，基于所述目标信号强度得到所述双层探测器对应的目标投影信号；
图像成像模块，用于基于超分辨网络模型对所述目标投影信号进行超分辨处理得到超分辨成像信号，基于所述超分辨成像信号得到超分辨成像图像；
其中，所述CT成像装置还包括：光束投影模块和光束扫描模块；其中，
所述光束投影模块，用于在所述通过双层探测器中第一层探测器和第二层探测器，分别采集目标对象对应的第一投影数据和第二投影数据之前，通过目标光源照射目标对象，使透过所述目标对象的光束投影于所述第一层探测器和所述第二层探测器上，并使单次投影于所述第二层探测器上的所述光束的宽度等于所述第二层探测器的像素的宽度；
所述光束扫描模块，用于将所述光束沿着所述第二层探测器的像素从第一方向至第二方向进行扫描，得到投影于所述第一层探测器的第一实时光束和投影于所述第二层探测器的第二实时光束，以得到所述第一实时光束对应的所述第一投影数据和所述第二实时光束对应的所述第二投影数据；
其中，所述第一层探测器位于所述第二层探测器和所述目标光源之间，所述目标对象位于所述第一层探测器和所述目标光源之间，所述目标光源位于所述双层探测器的中心轴上；
其中，所述第一投影数据包括所述第一实时光束的第一实时边界点和第二实时边界点，亚像素确定模块，用于：
将所述第一实时光束对应的像素作为投影像素，并将被所述第一层探测器的像素所包裹的所述投影像素确定为第一类型的亚像素；
将第一边界为所述第一实时边界点且第二边界为所述第一层探测器的像素的边界点的所述投影像素确定为第二类型的亚像素；
将第一边界为所述第一层探测器的像素的边界点且第二边界为第二实时边界点的所述投影像素确定为第三类型的亚像素；
其中，所述第一投影数据还包括所述第一实时光束的第一信号强度，所述第二投影数据包括所述第二实时光束的第二信号强度，信号强度确定模块，用于：
获取所述双层探测器的像素宽度、所述目标光源与所述第一层探测器之间的第一距离、所述目标光源与所述第二层探测器之间的第二距离以及所述第二实时边界点的第二实时坐标，并根据所述第一距离和所述第二距离确定放大比；
针对所述第一类型的亚像素，根据所述放大比、所述像素宽度以及当前亚像素的所述第二实时坐标确定第二下标信息，其中，所述的第二下标信息为当前所述亚像素所对应光束于所述第二层探测器的像素的下标；
根据所述第二下标信息和当前亚像素对应的第二信号强度确定所述目标信号强度；
其中，信号强度确定模块，还用于：
获取所述第一实时边界点的第一实时坐标；
针对所述第二类型的亚像素，根据所述放大比、所述第一实时坐标以及所述像素宽度确定第一下标信息，其中，所述第一下标信息为当前所述亚像素于所述第一层探测器的像素的下标；
根据所述第二实时坐标和所述像素宽度确定所述第二下标信息，并根据所述第一下标信息、所述第二下标信息、所述第一下标信息对应的第一信号强度以及所述第二下标信息对应的第二信号强度确定所述目标信号强度；
其中，信号强度确定模块，还用于：
针对所述第三类型的亚像素，根据所述第一实时坐标和所述像素宽度确定第一下标信息；
根据所述放大比、所述第二实时坐标以及所述像素宽度确定第二下标信息；
根据所述第一下标信息、所述第二下标信息、所述第一下标信息对应的第一信号强度以及所述第二下标信息对应的第二信号强度确定所述目标信号强度。
4.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-2中任一项所述的CT成像方法。
5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-2中任一项所述的CT成像方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310869034.3A CN116593504B (zh) | 2023-07-17 | 2023-07-17 | Ct成像方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310869034.3A CN116593504B (zh) | 2023-07-17 | 2023-07-17 | Ct成像方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116593504A CN116593504A (zh) | 2023-08-15 |
| CN116593504B true CN116593504B (zh) | 2023-10-03 |
Family
ID=87608494
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310869034.3A Active CN116593504B (zh) | 2023-07-17 | 2023-07-17 | Ct成像方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116593504B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117611447B (zh) * | 2024-01-24 | 2024-04-26 | 俐玛精密测量技术(苏州)有限公司 | 工业ct图像超分辨率重建方法、装置及可读存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5422962A (en) * | 1992-03-19 | 1995-06-06 | Fujitsu Limited | Method and apparatus for extracting line segments from an image of an object |
| CN102106740A (zh) * | 2011-03-11 | 2011-06-29 | 河海大学 | X射线复式断层扫描成像系统及方法 |
| JP2016145778A (ja) * | 2015-02-09 | 2016-08-12 | 株式会社ジョブ | Ｘ線検査装置及びｘ線検査方法 |
| CN108965736A (zh) * | 2018-09-28 | 2018-12-07 | 中国科学院长春光学精密机械与物理研究所 | 一种亚像素级超分辨成像方法、装置、设备、系统及介质 |
| CN109187591A (zh) * | 2018-06-04 | 2019-01-11 | 东南大学 | 一种x射线超分辨成像方法及其应用 |
| CN112581554A (zh) * | 2019-09-30 | 2021-03-30 | 中国科学院深圳先进技术研究院 | 一种ct成像方法、装置、存储设备及医学成像系统 |
| CN113870433A (zh) * | 2021-09-09 | 2021-12-31 | 华中科技大学 | 一种光场超分辨三维重建方法及系统 |
| CN115005853A (zh) * | 2022-07-19 | 2022-09-06 | 中国科学院深圳先进技术研究院 | 基于多层平板探测器的高时空分辨能谱ct成像方法和装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5997180B2 (ja) * | 2011-02-01 | 2016-09-28 | コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． | デュアルエネルギーｃｔ画像再構成のための方法及びシステム |
| DE102015226489B4 (de) * | 2015-12-22 | 2024-05-16 | Siemens Healthineers Ag | Röntgensystem und Verfahren zur Bildrekonstruktion |
-
2023
- 2023-07-17 CN CN202310869034.3A patent/CN116593504B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5422962A (en) * | 1992-03-19 | 1995-06-06 | Fujitsu Limited | Method and apparatus for extracting line segments from an image of an object |
| CN102106740A (zh) * | 2011-03-11 | 2011-06-29 | 河海大学 | X射线复式断层扫描成像系统及方法 |
| JP2016145778A (ja) * | 2015-02-09 | 2016-08-12 | 株式会社ジョブ | Ｘ線検査装置及びｘ線検査方法 |
| CN109187591A (zh) * | 2018-06-04 | 2019-01-11 | 东南大学 | 一种x射线超分辨成像方法及其应用 |
| CN108965736A (zh) * | 2018-09-28 | 2018-12-07 | 中国科学院长春光学精密机械与物理研究所 | 一种亚像素级超分辨成像方法、装置、设备、系统及介质 |
| CN112581554A (zh) * | 2019-09-30 | 2021-03-30 | 中国科学院深圳先进技术研究院 | 一种ct成像方法、装置、存储设备及医学成像系统 |
| CN113870433A (zh) * | 2021-09-09 | 2021-12-31 | 华中科技大学 | 一种光场超分辨三维重建方法及系统 |
| CN115005853A (zh) * | 2022-07-19 | 2022-09-06 | 中国科学院深圳先进技术研究院 | 基于多层平板探测器的高时空分辨能谱ct成像方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116593504A (zh) | 2023-08-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112771573B (zh) | 基于散斑图像的深度估计方法及装置、人脸识别系统 | |
| CN116593504B (zh) | Ct成像方法、装置、设备及存储介质 | |
| US10852208B2 (en) | Quantifying gas leak rates using frame images acquired by a camera | |
| Lo et al. | Joint trilateral filtering for depth map super-resolution | |
| Zhao et al. | Real-time stereo on GPGPU using progressive multi-resolution adaptive windows | |
| CN115439543B (zh) | 孔洞位置的确定方法和元宇宙中三维模型的生成方法 | |
| Liu et al. | High quality depth map estimation of object surface from light-field images | |
| CN115170510B (zh) | 一种病灶检测方法、装置、电子设备及可读存储介质 | |
| Chen et al. | A color-guided, region-adaptive and depth-selective unified framework for Kinect depth recovery | |
| Chen et al. | MAP-regularized robust reconstruction for underwater imaging detection | |
| CN115005853B (zh) | 基于多层平板探测器的高时空分辨能谱ct成像方法和装置 | |
| Kim et al. | Real-time stereo matching using extended binary weighted aggregation | |
| CN113538649B (zh) | 一种超分辨率的三维纹理重建方法、装置及其设备 | |
| CN113936197B (zh) | 一种基于视觉显著性对图像进行目标检测的方法和系统 | |
| CN113706692B (zh) | 三维图像重构方法、装置、电子设备以及存储介质 | |
| CN111369425B (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
| KR20130070341A (ko) | 영상의 스테레오 정합 방법 및 장치 | |
| CN114463409B (zh) | 图像深度信息的确定方法、装置、电子设备和介质 | |
| CN115239891B (zh) | 一种三维重建方法、装置、电子设备及存储介质 | |
| Borisagar et al. | Disparity map generation from illumination variant stereo images using efficient hierarchical dynamic programming | |
| CN115908723B (zh) | 基于区间感知的极线引导多视图立体重建方法 | |
| CN116182748A (zh) | 基于视线驱动的海上风力发电机组垂直度检测方法及装置 | |
| CN113312979B (zh) | 图像处理方法、装置、电子设备、路侧设备及云控平台 | |
| CN115272273A (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
| Oishi et al. | Range image smoothing and completion utilizing laser intensity |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |