买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：苏州雷泰医疗科技有限公司

摘要：本发明公开一种基于独立滑环的低剂量CBCT摆位方法及装置，低剂量CBCT摆位方法包括以下步骤：S1：利用混合重建的CBCT、全角度重建的CBCT以及CT数据对深度学习网络模型进行训练，得到能够将欠角度的混合重建的CBCT转换成全角度的增强CBCT图像的网络模型；S2：将待转换的混合重建的CBCT和CT数据输入训练好的网络模型中，得到全角度的增强CBCT图像；S3：利用S2得到的全角度的增强CBCT图像指导移床摆位。本发明利用深度学习网络模型将混合重建的CBCT与CT数据融合，生成全角度的增强CBCT图像，经过转换后，欠角度的混合重建的CBCT图像边缘轮廓信息得到增强，可以直接用于和计划CT配准摆位，引导效果好。

主权项：1.基于独立滑环的低剂量CBCT摆位方法，其特征在于，具体包括以下步骤：S1：利用混合重建的CBCT、全角度重建的CBCT以及CT数据对深度学习网络模型进行训练，得到能够将欠角度的混合重建的CBCT转换成全角度的增强CBCT图像的网络模型；S2：将待转换的混合重建的CBCT和CT数据输入训练好的网络模型中，得到全角度的增强CBCT图像；S3：利用S2得到的全角度的增强CBCT图像指导移床摆位；混合重建的CBCT通过以下步骤得到：A1：利用CT数据生成与KV级影像系统采图角度一致的DRR投影数据，分别将该DRR投影数据和KV级影像系统的KV投影数据进行重建，并对两个重建结果进行配准，得到两者之间的配准偏移值；A2：将CT数据生成与KV级影像系统采图角度范围不一致的DRR投影数据，根据A1得到的配准偏移值矫正DRR的等中心位置，得到矫正后的DRR投影数据，将矫正后的DRR投影数据和KV级影像系统的KV投影数据进行混合迭代重建，得到混合重建的CBCT；深度学习网络模型的训练包括以下步骤：B1：将混合重建的CBCT输入第一编码器，将CT数据输入第二编码器；B2：将第一编码器和第二编码器生成的张量合并在一起；B3：利用解码器将合并的张量生成伪CBCT图像；B4：将全角度重建的CBCT和伪CBCT图像输入判别器，判别器判断生成图像的真伪，并输出全角度的增强CBCT图像。

全文数据：

权利要求：

百度查询： 苏州雷泰医疗科技有限公司 基于独立滑环的低剂量CBCT摆位方法及设备