应用卷积神经网络进行能谱CT多材料分解

【摘要】：能谱CT可以对被测物体进行多能区的重建,因此可以被用于进行多材料分解,把重建得到的线衰减系数信息转变为物体内部基材料的分布。然而,传统的图像域材料分解算法受限于基材料线衰减系数过于接近,对重建图像的质量要求很高。因此,本文设计了两个卷积神经网络,提出一种卷积材料分解算法,训练神经网络使其找到材料分解的模式。通过两组仿真实验和一组真实实验表明,神经网络在重建图像质量环状伪影严重,基材料线衰减系数十分接近的情况下,仍然能得到较好的分解结果。对比传统的直接逆变换法,卷积材料分解法将分解的均方误差减少了两个数量级。