技術(shù)特征：

1.一種圖像迭代重建方法，其特征在于，包括：

獲取針對目標(biāo)對象進(jìn)行射線掃描后的經(jīng)過水硬化校正的投影數(shù)據(jù)，并依據(jù)所述投影數(shù)據(jù)生成初始重建圖像及噪聲權(quán)重矩陣；

依據(jù)所述初始重建圖像，獲得初始正則化懲罰因子及初始骨圖像分割矩陣；

依據(jù)所述投影數(shù)據(jù)、所述初始重建圖像、所述初始骨圖像分割矩陣、所述噪聲權(quán)重矩陣及所述初始正則化懲罰因子，利用預(yù)先建立的骨硬化迭代重建模型進(jìn)行圖像迭代重建，獲得骨硬化校正后的重建圖像。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取針對目標(biāo)對象進(jìn)行射線掃描后的經(jīng)過水硬化校正的投影數(shù)據(jù)，并依據(jù)所述投影數(shù)據(jù)生成初始重建圖像及噪聲權(quán)重矩陣包括：

對所述目標(biāo)對象進(jìn)行射線掃描獲得原始投影數(shù)據(jù)，并利用水模型校正算法對所述原始投影數(shù)據(jù)進(jìn)行水硬化校正，獲得經(jīng)過水硬化校正的投影數(shù)據(jù)；

對所述投影數(shù)據(jù)進(jìn)行圖像重建，獲得所述目標(biāo)對象的所述初始重建圖像；

對所述投影數(shù)據(jù)進(jìn)行噪聲估計，獲得所述噪聲權(quán)重矩陣。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述依據(jù)所述初始重建圖像，獲得初始正則化懲罰因子及初始骨圖像分割矩陣包括：

依據(jù)臨床測試數(shù)據(jù)，獲得所述初始重建圖像的初始正則化懲罰因子；

對所述初始重建圖像進(jìn)行閾值分割，獲得所述初始骨圖像分割矩陣。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述骨硬化迭代重建模型通過如下方式預(yù)先建立：

構(gòu)建骨硬化迭代重建模型的目標(biāo)函數(shù)如下：

$min\[\left|\right|FP\left(X^{BC}\right)-f\left(FP\right(mask\·X^{BC}\left)\right)-Y^{WC}|{|}_W^2+\mathrm{\β}R\left(X^{BC}\right)\]$

其中，F(xiàn)P是將圖像域轉(zhuǎn)換至投影域的正投影算子，X^BC是骨硬化校正后的重建圖像，F(xiàn)P(X^BC)是骨硬化校正后的重建圖像的投影數(shù)據(jù)，f是是對骨硬化投影數(shù)據(jù)進(jìn)行變換，以獲得骨硬化誤差投影數(shù)據(jù)的多項式函數(shù)，mask是與重建圖像具有相同維度的骨圖像分割矩陣，Y^WC是經(jīng)過水硬化校正的投影數(shù)據(jù)，f(FP(mask·X^BC))是理想投影數(shù)據(jù)與骨硬化校正投影數(shù)據(jù)之間的誤差投影數(shù)據(jù)，W是噪聲權(quán)重矩陣，β是控制數(shù)據(jù)相似性和圖像平滑性之間達(dá)到平衡的參數(shù)，R是正則化懲罰因子；

利用優(yōu)化算法對所述目標(biāo)函數(shù)進(jìn)行優(yōu)化求解，獲得所述目標(biāo)函數(shù)對應(yīng)的更新函數(shù)，作為所述骨硬化迭代重建模型。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述利用優(yōu)化算法對所述目標(biāo)函數(shù)進(jìn)行優(yōu)化求解，獲得所述目標(biāo)函數(shù)對應(yīng)的更新函數(shù)包括：

利用牛頓優(yōu)化算法對所述目標(biāo)函數(shù)進(jìn)行優(yōu)化求解，獲得所述目標(biāo)函數(shù)對應(yīng)的更新函數(shù)。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述依據(jù)所述投影數(shù)據(jù)、所述初始重建圖像、所述初始骨圖像分割矩陣、所述噪聲權(quán)重矩陣及所述初始正則化懲罰因子，利用預(yù)先建立的骨硬化迭代重建模型進(jìn)行圖像迭代重建，獲得骨硬化校正后的重建圖像包括：

依據(jù)所述投影數(shù)據(jù)、所述初始重建圖像、所述初始骨圖像分割矩陣、所述噪聲權(quán)重矩陣及所述初始正則化懲罰因子，利用預(yù)先建立的骨硬化迭代重建模型和常規(guī)迭代重建模型進(jìn)行圖像迭代重建，獲得骨硬化校正后的重建圖像。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述利用預(yù)先建立的骨硬化迭代重建模型和常規(guī)迭代重建模型進(jìn)行圖像迭代重建，獲得骨硬化校正后的重建圖像包括：

先利用至少一次所述常規(guī)迭代重建模型進(jìn)行圖像重建，獲得中間重建圖像，再依據(jù)所述中間重建圖像，利用至少一次所述骨硬化迭代重建模型進(jìn)行圖像迭代重建，獲得骨硬化校正后的重建圖像；或，

先利用至少一次所述骨硬化迭代重建模型進(jìn)行圖像重建，獲得中間重建圖像，再依據(jù)所述中間重建圖像，利用至少一次所述常規(guī)迭代重建模型進(jìn)行圖像迭代重建，獲得骨硬化校正后的重建圖像；或，

交替利用一次所述常規(guī)迭代重建模型及一次所述骨硬化迭代重建模型進(jìn)行圖像迭代重建，直至獲得骨硬化校正后的重建圖像；或，

交替利用一次所述骨硬化迭代重建模型及一次所述常規(guī)迭代重建模型進(jìn)行圖像迭代重建，直至獲得骨硬化校正后的重建圖像。

8.一種圖像迭代重建裝置，其特征在于，包括：

第一初始數(shù)據(jù)獲取模塊，用于獲取針對目標(biāo)對象進(jìn)行射線掃描后的經(jīng)過水硬化校正的投影數(shù)據(jù)，并依據(jù)所述投影數(shù)據(jù)生成初始重建圖像及噪聲權(quán)重矩陣；

第二初始數(shù)據(jù)獲取模塊，用于依據(jù)所述初始重建圖像，獲得初始正則化懲罰因子及初始骨圖像分割矩陣；

重建圖像獲取模塊，用于依據(jù)所述投影數(shù)據(jù)、所述初始重建圖像、所述初始骨圖像分割矩陣、所述噪聲權(quán)重矩陣及所述初始正則化懲罰因子，利用預(yù)先建立的骨硬化迭代重建模型進(jìn)行圖像迭代重建，獲得骨硬化校正后的重建圖像。

9.根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述第一初始數(shù)據(jù)獲取模塊具體用于：

對所述目標(biāo)對象進(jìn)行射線掃描獲得原始投影數(shù)據(jù)，并利用水模型校正算法對所述原始投影數(shù)據(jù)進(jìn)行水硬化校正，獲得經(jīng)過水硬化校正的投影數(shù)據(jù)；

對所述投影數(shù)據(jù)進(jìn)行圖像重建，獲得所述目標(biāo)對象的所述初始重建圖像；

對所述投影數(shù)據(jù)進(jìn)行噪聲估計，獲得所述噪聲權(quán)重矩陣。

10.根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述第二初始數(shù)據(jù)獲取模塊具體用于：

依據(jù)臨床測試數(shù)據(jù)，獲得所述初始重建圖像的初始正則化懲罰因子；

對所述初始重建圖像進(jìn)行閾值分割，獲得所述初始骨圖像分割矩陣。

11.根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述裝置還包括：

骨硬化迭代重建模型建立模塊，用于預(yù)先建立骨硬化迭代重建模型；

所述骨硬化迭代重建模型建立模塊包括：

目標(biāo)函數(shù)構(gòu)建子模塊，用于構(gòu)建骨硬化迭代重建模型的目標(biāo)函數(shù)如下：

$min\[\left|\right|FP\left(X^{BC}\right)-f\left(FP\right(mask\·X^{BC}\left)\right)-Y^{WC}|{|}_W^2+\mathrm{\β}R\left(X^{BC}\right)\]$

其中，F(xiàn)P是將圖像域轉(zhuǎn)換至投影域的正投影算子，X^BC是骨硬化校正后的重建圖像，F(xiàn)P(X^BC)是骨硬化校正后的重建圖像的投影數(shù)據(jù)，f是是對骨硬化投影數(shù)據(jù)進(jìn)行變換，以獲得骨硬化誤差投影數(shù)據(jù)的多項式函數(shù)，mask是與重建圖像具有相同維度的骨圖像分割矩陣，Y^WC是經(jīng)過水硬化校正的投影數(shù)據(jù)，f(FP(mask·X^BC))是理想投影數(shù)據(jù)與骨硬化校正投影數(shù)據(jù)之間的誤差投影數(shù)據(jù)，W是噪聲權(quán)重矩陣，β是控制數(shù)據(jù)相似性和圖像平滑性之間達(dá)到平衡的參數(shù)，R是正則化懲罰因子；

骨硬化迭代重建模型獲取子模塊，用于利用優(yōu)化算法對所述目標(biāo)函數(shù)進(jìn)行優(yōu)化求解，獲得所述目標(biāo)函數(shù)對應(yīng)的更新函數(shù)，作為所述骨硬化迭代重建模型。

12.根據(jù)權(quán)利要求11所述的裝置，其特征在于，所述骨硬化迭代重建模型獲取子模塊具體用于：

利用牛頓優(yōu)化算法對所述目標(biāo)函數(shù)進(jìn)行優(yōu)化求解，獲得所述目標(biāo)函數(shù)對應(yīng)的更新函數(shù)。

13.根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述重建圖像獲取模塊包括：

重建圖像獲取子模塊，用于依據(jù)所述投影數(shù)據(jù)、所述初始重建圖像、所述初始骨圖像分割矩陣、所述噪聲權(quán)重矩陣及所述初始正則化懲罰因子，利用預(yù)先建立的骨硬化迭代重建模型和常規(guī)迭代重建模型進(jìn)行圖像迭代重建，獲得骨硬化校正后的重建圖像。

14.根據(jù)權(quán)利要求13所述的裝置，其特征在于，所述重建圖像獲取子模塊具體用于：

先利用至少一次所述常規(guī)迭代重建模型進(jìn)行圖像重建，獲得中間重建圖像，再依據(jù)所述中間重建圖像，利用至少一次所述骨硬化迭代重建模型進(jìn)行圖像迭代重建，獲得骨硬化校正后的重建圖像；或，

先利用至少一次所述骨硬化迭代重建模型進(jìn)行圖像重建，獲得中間重建圖像，再依據(jù)所述中間重建圖像，利用至少一次所述常規(guī)迭代重建模型進(jìn)行圖像迭代重建，獲得骨硬化校正后的重建圖像；或，

交替利用一次所述常規(guī)迭代重建模型及一次所述骨硬化迭代重建模型進(jìn)行圖像迭代重建，直至獲得骨硬化校正后的重建圖像；或，

交替利用一次所述骨硬化迭代重建模型及一次所述常規(guī)迭代重建模型進(jìn)行圖像迭代重建，直至獲得骨硬化校正后的重建圖像。

15.一種圖像迭代重建方法，包括：

獲取目標(biāo)對象的經(jīng)過水硬化校正的投影數(shù)據(jù)；

依據(jù)所述投影數(shù)據(jù)對目標(biāo)對象的圖像進(jìn)行迭代重建，其中，迭代重建的過程中包含骨硬化校正。

16.一種圖像迭代重建方法，包括：

獲取目標(biāo)對象的原始投影數(shù)據(jù)；

基于所述原始投影數(shù)據(jù)進(jìn)行初始圖像重建，以獲取對應(yīng)的初始重建圖像；

基于所述原始投影數(shù)據(jù)進(jìn)行噪聲估計，以獲得對應(yīng)的噪聲權(quán)重數(shù)據(jù)；

將所述原始投影數(shù)據(jù)經(jīng)過水硬化校正的投影數(shù)據(jù)、所述初始重建圖像和所述噪聲權(quán)重數(shù)據(jù)輸入到迭代重建模型中，以生成最終的重建圖像；

其中，在所述迭代重建模型中至少包括骨硬化迭代重建模型，所述骨硬化迭代重建模型的目標(biāo)函數(shù)如下：

$min\[\left|\right|FP\left(X^{BC}\right)-f\left(FP\right(mask\·X^{BC}\left)\right)-Y^{WC}|{|}_W^2+\mathrm{\β}R\left(X^{BC}\right)\]$

其中，F(xiàn)P是將圖像域轉(zhuǎn)換至投影域的正投影算子，X^BC是骨硬化校正后的重建圖像，F(xiàn)P(X^BC)是骨硬化校正后的重建圖像的投影數(shù)據(jù)，f是是對骨硬化投影數(shù)據(jù)進(jìn)行變換，以獲得骨硬化誤差投影數(shù)據(jù)的多項式函數(shù)，mask是與重建圖像具有相同維度的骨圖像分割矩陣，Y^WC是經(jīng)過水硬化校正的投影數(shù)據(jù)，f(FP(mask·X^BC))是理想投影數(shù)據(jù)與骨硬化校正投影數(shù)據(jù)之間的誤差投影數(shù)據(jù)，W是噪聲權(quán)重矩陣，β是控制數(shù)據(jù)相似性和圖像平滑性之間達(dá)到平衡的參數(shù)，R是正則化懲罰因子。

17.一種圖像迭代重建方法，包括：

獲取目標(biāo)對象的原始投影數(shù)據(jù)；

對所述原始投影數(shù)據(jù)進(jìn)行水硬化校正，獲得經(jīng)過水硬化校正的投影數(shù)據(jù)；

基于所述經(jīng)過水硬化校正的投影數(shù)據(jù)，獲得所述目標(biāo)對象的初始重建圖像；

基于所述原始投影數(shù)據(jù)或者所述經(jīng)過水硬化校正的投影數(shù)據(jù)，獲得所述目標(biāo)對象的噪聲權(quán)重數(shù)據(jù)；

基于所述經(jīng)過水硬化校正的投影數(shù)據(jù)、初始重建圖像和所述噪聲權(quán)重數(shù)據(jù)，迭代獲得所述目標(biāo)對象的經(jīng)過骨硬化校正的投影數(shù)據(jù)；

基于經(jīng)過骨硬化校正的投影數(shù)據(jù)，重建獲得所述目標(biāo)對象的經(jīng)過骨硬化校正的圖像。