本发明涉及属于计算机图像处理领域，尤其涉及一种基于aigc条件生成的顺序扫描dect心脏成像方法。
背景技术：
1、近年来，随着医学成像技术的不断发展，ct(computed tomography)技术已经成为诊断和治疗中的重要工具。ct技术通过x射线在不同角度上的旋转扫描来获取身体内部的断层图像，从而帮助医生诊断疾病、指导手术。传统ct成像技术是x射线混合能量成像，导致其有两个最大的先天缺陷：x射线硬化效应和平均吸收效应[1]。前者会产生线束硬化伪影，对于原子量较大的物体，例如如骨骼和碘对比剂，伪影则更加严重；后者会导致不同物质具有相似的ct值，即异物同影现象。
2、为了克服传统单能ct技术(sect，single-energy computed tomography)的这些缺点，双能ct(dect，dual-energy computed tomography)技术应运而生。dect利用两个不同能量的x射线束对物体进行扫描，可以获取不同的组织和材料的能量特征。相比于sect，dect可以提供更准确的组织鉴别能力，减少了金属伪影的产生，同时还能提高对低对比度结构的成像质量。然而，dect要求获取两组空间和时间上具备一致性的不同能量投影数据，对数据采集方法提出了更高的要求。
3、dect数据采集方法包括快速kvp切换扫描、单源多层扫描和双源扫描，这些方法都需要专门的硬件，成本高昂，技术难度大。相比之下，单源顺序扫描可以在任何传统的sect扫描仪上实现，成本较低，技术难度小,主要用于肾结石和痛风检查。然而，这种方法在扫描过程中更容易受到扫描对象运动的影响，例如体位变化、呼吸和心脏跳动引起的器官运动，尤其是心脏的跳动，在1秒钟的时间内可达几厘米，并且是高度非线性和局部化的。由于顺序扫描的是从同一解剖结构的不同位置获得的，因此可能会产生较大的全局运动伪影，降低dect成像的定量精度。
4、对于顺序扫描dect采集的心脏数据，需要在物质分解之前进行运动状态的匹配，一般通过图像配准算法实现。按照相似度度量标准的的不同，目前发展出的传统配准算法主要包括三类，第一类是基于图像灰度特征的配准方法，这一类方法根据图像的灰度分布特征。进行匹配，包括demons、ncc、mse、mi等。第二类是基于图像特征的配准方法，包括surf、orb、hog、lbp等；第三类是根据变换域的图像配准，如傅里叶变换。上述算法从不同的视角衡量图像相似度，尽管在特定的配准任务中能够发挥了很好的效果，但是都具有各自的局限性。例如，demons算法具有亮度恒定和小运动的约束条件，在运动幅度较大的情况下效果不佳；ncc和mse算法以图像的灰度特征一致为基础，在图像灰度值差异较大和多模态配准时效果不佳；mi作为一种全局度量，仅测量两幅完整图像之间的灰度值统计相关用于局部图像对齐；hog、surf、lbp、orb等基于图像特征的配准方法只针对图像中重要的点和进行配准，容易忽略全局信息；基于变换域的方法通常需要对图像变换模型进行一定的假设，例如仿射变换、多项式变换等，如变换模型与实际情况不符合，则可能影响配准的准确性和稳定性。
5、目前，针对单模态ct图像配准，一般使用基于ct强度值的相似度作为图像相似度度量标准，如ncc,mse,mi等，对于相同能级扫描的ct图像配准，这一方案已经被证明是可行的。但是，在dect成像中，由于两次扫描的能级不同，高能ct图像和低能ct图像的强度值存在较大的差异，导致以基于强度特征为相似度度量指标的单模态ct图像配准算法得出的形变图像存在明显的ct值漂移现象，放大了dect成像的误差。
6、因此，传统的基于配准的运动状态匹配方法难以直接用来解决顺序扫描dect心脏成像中的运动伪影问题。随着aigc技术的发展，通过条件生成的方式直接生成需要的图像成为可能，因此本发明将aigc条件生成技术和dect技术结合，致力于开发一种基于aigc条件生成的顺序扫描dect心脏成像方法，以全新的方式解决顺序扫描dect心脏成像中的运动伪影问题。
技术实现思路
1、为了解决顺序扫描dect心脏成像的运动伪影问题，本发明公开了一种基于aigc条件生成的顺序扫描dect心脏成像方法，通过条件生成的方式直接生成了运动状态匹配的顺序扫描dect心脏图像域数据，避免了在顺序扫描dect心脏成像条件下通过复杂的3d柔性配准对图像进行运动状态的匹配。
2、为了达到上述目的，本发明提供如下技术方案：
3、一种基于aigc条件生成的顺序扫描dect心脏成像方法，包括以下步骤：
4、步骤1，获取顺序扫描获得的心脏高低能ct数据，分别对高低能ct数据进行fdk重建；
5、步骤2，从fdk重建的高低能ct图像域数据中分离出静态图像层和动态图像层；
6、步骤3，利用静态低能图像层作为生成条件，静态高能图像层作为生成目标，训练energy-gan条件生成模型；
7、步骤4，利用动态低能图像层作为生成条件，输入到energy-gan中生成对应的高能图层；
8、步骤5，根据动态低能图像层和生成的高能图像层，进行图像域物质分解计算碘、水基图；
9、步骤6，利用模拟的心脏碘基、水基图，逐步添加高斯噪声，训练diffusion去噪模型；
10、步骤7，将步骤5中的水基、碘基图像输入到预训练好的去噪模型中降噪。
11、进一步的，所述步骤1中，使用astra toolbox中的锥束三维投影算法进行fdk解析重建。
12、进一步的，所述步骤2中，利用基于scikit-image库提供图像相似度度量函数分离静态图像层和动态图像层，具体包括如下过程：选取ssim作为图像的相似性测度，设定合适的阈值作为区分动态和静态图层的标准，将3d高能级心脏图像和3d低能级心脏图像中一一对应的2d图层作为输入，比较来自不同能级，相同图像层的图像对的ssim值，若低于指定阈值则认为该图像对运动状态不一致，属动态图层，反之则属于静态图层,最终得到四组图像集合m(low,t1,static)、m(low,t1,dynamic)、m(high,t2,static)、m(high,t2,dynamic)，分别表示低能静态图层，低能动态图层，高能静态图层，高能动态图层,其中m(low,t1,static)和m(high,t2,static)运动状态匹配，m(low,t1,dynamic)和m(high,t2,dynamic)运动状态不匹配。
13、进一步的，所述步骤3具体包括如下过程：
14、①将分离出的静态低能图像m(low,t1,static)和静态高能图像m(high,t2,static)对应的图像层沿通道方向拼接，作为正样本；
15、②将分离出的静态低能图像m(low,t1,static)输入到生成器g中，输出g(m(low,t1,static))，将m(low,t1,static)和g(m(low,t1,static))通道方向拼接，作为负样本；
16、③交替训练生成器g和判别器d，直至生成器和判别器的损失函数均收敛；
17、进一步的，所述步骤4具体包括如下过程：
18、把动态低能图像层输入到训练好的energy-gan中，获取生成器根据动态低能图像生成的对应的处于同一运动状态的高能图像。
19、进一步的，所述步骤5具体包括如下过程：
20、对动态低能图像层和对应生成的高能图像层进行基于矩阵求逆的图像域物质分解算法求解。根据基于图像的分解理论，ct图像的线性衰减系数近似为两个基材料图像的加权和，如公式1所示：
21、
22、xh,i,j表示在不同能级下重建的ct图像；d1/2表示基材料图像或称为分解图像；i,j是图像像素指数；成分矩阵由xkh/l(k＝1或2)元素组成,xkh/l是在高、低能量下测量的基材料线性衰减系数或质量衰减系数。此时,将矩阵求逆，过程如公式2所示:
23、
24、本方法中d1、d2分别表示水基图像water、碘基图像iodine，
25、xh，xl分别表示动态低能图像层m(low,t1,dynamic)[slicer]和g(m(low,t1,dynamic)[slicer])，slicer为图层索引。
26、进一步的，所述步骤6中，使用xcat体模中的模拟心脏数据生成物质基图像金标准t，并向金标准中逐步添加高斯噪声，用于训练diffusion去噪模型。
27、进一步的，所述步骤7中，将步骤5中生成的水基图water和碘基图iodine输入到训练好的diffusion去噪模型中降低噪声。
28、与有技术相比，本发明具有如下优点和有益效果：
29、1.本发明将aigc技术应用到顺序扫描dect心脏成像中，直接生成了运动状态匹配的心脏双能扫描图像域数据，避免了使用复杂的3d柔性配准技术对初始的高低能图像域进行运动状态校正，训练好的模型能够实时在线进行双能成像，相比于3d柔性配准技术，有效降低了成像时间。
30、2.本发明通过将分离出的静态低能图像m(low,t1,static)输入到生成器g中作为生成条件，将分离出的静态高低能图像对m(low,t1,static)、m(high,t2,static)在通道方向拼接输入到判别器d中作为正样本、m(low,t1,static)和g(m(low,t1,static))在通道方向上拼接输入到判别器作为负样本，有效地使得g在保留m(low,t1,static)运动状态不变的前提下，改变m(low,t1,static)的ct强度分布，使得g(m(low,t1,static))ct强度分布和m(high,t2,static)的强度分布具备一致性。
31、3.本发明实现的基于扩散模型的图像去噪方法具有很多优点。首先，它不需要大量的成对训练数据，因此在实际应用中更加灵活。其次，它可以通过逆向扩散过程来逼近干净图像的后验分布，从而避免了过度平滑的问题。最后，它可以通过调整逆向扩散的步数来控制去噪的程度，以满足不同的需求。
32、4.本发明所提出的基于aigc条件生成的顺序扫描dect心脏成像方法，有效地扩展的普通ct的临床应用范围，降低了dect心脏成像的成本。
1.一种基于aigc条件生成的顺序扫描dect心脏成像方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于aigc条件生成的顺序扫描dect心脏成像方法，其特征在于，所述步骤1中，使用astra toolbox中的锥束三维投影算法进行fdk重建。
3.根据权利要求1所述的基于aigc条件生成的顺序扫描dect心脏成像方法，其特征在于，所述步骤2中，利用基于scikit-image库提供图像相似度度量函数分离静态图像层和动态图像层，具体包括如下过程：
4.根据权利要求1所述的基于aigc条件生成的顺序扫描dect心脏成像方法，其特征在于，所述步骤3具体包括如下过程：
5.根据权利要求1所述的基于aigc条件生成的顺序扫描dect心脏成像方法，其特征在于，所述步骤4具体包括如下过程：
6.根据权利要求1所述的基于aigc条件生成的顺序扫描dect心脏成像方法，其特征在于，所述步骤5具体包括如下过程：
7.根据权利要求1所述的基于aigc条件生成的顺序扫描dect心脏成像方法，其特征在于，所述步骤6具体包括如下过程：
8.根据权利要求1所述的基于aigc条件生成的顺序扫描dect心脏成像方法，其特征在于，所述步骤7具体包括如下过程：
