步进轴扫CT重建中拼接伪影的去除方法及电子介质与制作流程
【精品】CT图像伪影及处理方法
【精品】CT图像伪影及处理方法CT图像伪影及处理方法[真诚为您服务]【摘要】介绍了CT常见图像伪影、产生原因以及相应的处理方法，旨在帮助影像医技人员及工程技术人员对CT伪影有进一步的认识。
【关键词】 CT; 图像; 伪影CT图像伪影是指CT图像中重建数据与物体实际衰减系数之间的差异，或指的是受检体中根本不存在，而图像中显示出来的影像。
根据CT图像伪影的来源，可以分为:与CT成像技术及CT机器有关的伪影、病人有关的伪影以及螺旋CT特有的伪影。
CT图像伪影严重降低了CT图像的质量，有时让放射科医生无法诊断或引起误诊，甚至导致医疗事故。
1 与CT成像技术及CT机器有关的伪影1.1 线束硬化产生机制:X射线不是单能的，是包含一系列频率的波动。
当连续谱能的X射线经过人体时，能量较低的X线优先被吸收，高能量X射线较易穿透，在射线传播过程中，平均能量变高，射线逐渐变硬，称之为线束硬化效应。
CT所建立的图像，是物质的衰减系数在人体的横断薄层的分布情况，即相当于人体组织密度的分布情况。
射线硬化就相当于降低了物质的吸收密度，必然会影响CT图像的质量。
形成伪影:线束硬化会产生暗带和条状伪影，杯状伪影两种类型的伪影。
前者是指当X线球管沿着不同的方向对某一物体进行扫描时，在密度不均匀组织横断面图像上的两个致密结构之间(例如颅底岩骨间(图1)，或者是出现在注射对比剂后的造影剂浓度不同的血管间(图2))会出现暗带和条纹伪影;后者是指均匀物质中间的CT值比边缘部分的CT值低，造成中间黑、边缘白的情况。
减少伪影的方法:?配置的X射线过滤器;?线束硬化矫正软件来减少线束硬化;对颅底伪影，也可以通过操作者采用薄层扫描以减少。
1.2 部分容积效应产生机制:在同一扫描层面内含有2种以上不同密度而又相重叠的物质时,则在同一个探测器上有着多种密度的检测数据，输出信号为检测数据的平均值，所得的CT值不能如实反映其中任何一种物质的CT值, 这种现象即为部分容积效应。
优化CT图像质量的伪影修复方法
优化CT图像质量的伪影修复方法CT (Computed Tomography) 是一种常用于医疗诊断的成像技术，可以提供人体内部的详细结构信息。
然而，由于各种因素，如扫描过程中的物理效应、设备故障和图像重建算法等，CT图像中常常会出现各种伪影。
这些伪影会影响图像质量，干扰医学诊断结果的准确性。
因此，优化CT图像质量的伪影修复方法具有重要的临床意义。
伪影是指图像中不随实际物体存在而出现的结构性信号，使图像模糊、失真或产生艺术性的变形。
常见的伪影包括金属伪影、噪声伪影和重投影伪影等。
为了优化CT图像质量，减少伪影的影响，以下是几种常用的伪影修复方法：1. 金属伪影修复方法：金属伪影是由于CT扫描中金属物体的高吸收率导致的。
为了解决金属伪影问题，可以采用金属伪影补偿算法。
这种算法通过在图像重建之前先对金属物体进行分割，然后根据不同金属的吸收特性对其进行模型化，最后利用这些模型对金属伪影进行修复。
此外，基于深度学习的方法也被用于减轻金属伪影，通过构建深度神经网络来学习金属伪影模型并对其进行修复。
2. 噪声伪影修复方法：噪声伪影是由于CT扫描中的噪声信号引起的。
噪声伪影会降低CT图像的信噪比和细节清晰度。
一种常用的噪声伪影修复方法是基于滤波的方法，例如均值滤波、中值滤波和高斯滤波等。
这些滤波方法可以减少图像中的噪声，但同时也会降低图像的细节信息。
另外，基于模态分解的方法也被广泛应用于噪声伪影修复。
模态分解是一种将图像分解为基本模态和噪声模态的技术，可以通过滤除噪声模态来修复噪声伪影。
3. 重投影伪影修复方法：重投影伪影是由于图像重建算法中的截断和采样不足引起的。
为了修复重投影伪影，可以采用迭代重建算法。
这种算法通过迭代优化图像重建过程中的截断和采样不足问题，以减少重投影伪影的产生。
另外，基于多种CT数据融合的方法也被应用于重投影伪影修复。
这种方法通过融合不同视角或不同扫描参数的CT数据来提高图像重建质量，进而减少重投影伪影。
CT图像伪影及处理方法
CT图像伪影及处理方法【摘要】介绍了CT常见图像伪影、产生原因以及相应的处理方法，旨在帮助影像医技人员及工程技术人员对CT伪影有进一步的认识。
【关键词】 CT；图像；伪影CT图像伪影是指CT图像中重建数据与物体实际衰减系数之间的差异，或指的是受检体中根本不存在，而图像中显示出来的影像。
根据CT图像伪影的来源，可以分为：与CT成像技术及CT机器有关的伪影、病人有关的伪影以及螺旋CT特有的伪影。
CT图像伪影严重降低了CT图像的质量，有时让放射科医生无法诊断或引起误诊，甚至导致医疗事故。
1 与CT成像技术及CT机器有关的伪影1.1 线束硬化产生机制：X射线不是单能的，是包含一系列频率的波动。
当连续谱能的X射线经过人体时，能量较低的X线优先被吸收，高能量X 射线较易穿透，在射线传播过程中，平均能量变高，射线逐渐变硬，称之为线束硬化效应。
CT所建立的图像，是物质的衰减系数在人体的横断薄层的分布情况，即相当于人体组织密度的分布情况。
射线硬化就相当于降低了物质的吸收密度，必然会影响CT图像的质量。
形成伪影：线束硬化会产生暗带和条状伪影，杯状伪影两种类型的伪影。
前者是指当X线球管沿着不同的方向对某一物体进行扫描时，在密度不均匀组织横断面图像上的两个致密结构之间（例如颅底岩骨间（图1），或者是出现在注射对比剂后的造影剂浓度不同的血管间（图2））会出现暗带和条纹伪影；后者是指均匀物质中间的CT值比边缘部分的CT值低，造成中间黑、边缘白的情况。
减少伪影的方法：①配置的X射线过滤器；②线束硬化矫正软件来减少线束硬化；对颅底伪影，也可以通过操作者采用薄层扫描以减少。
1.2 部分容积效应产生机制：在同一扫描层面内含有2种以上不同密度而又相重叠的物质时,则在同一个探测器上有着多种密度的检测数据，输出信号为检测数据的平均值，所得的CT值不能如实反映其中任何一种物质的CT值, 这种现象即为部分容积效应。
形成伪影：部分容积效应对图像的影响一般是带状和条状伪影。
CT图像伪影及处理方法
CT图像伪影及处理方法【摘要】介绍了CT常见图像伪影、产生原因以及相应的处理方法，旨在帮助影像医技人员及工程技术人员对CT伪影有进一步的认识。
【关键词】 CT；图像；伪影CT图像伪影是指CT图像中重建数据与物体实际衰减系数之间的差异，或指的是受检体中根本不存在，而图像中显示出来的影像。
根据CT图像伪影的来源，可以分为：与CT成像技术及CT机器有关的伪影、病人有关的伪影以及螺旋CT特有的伪影。
CT图像伪影严重降低了CT图像的质量，有时让放射科医生无法诊断或引起误诊，甚至导致医疗事故。
1 与CT成像技术及CT机器有关的伪影1.1 线束硬化产生机制：X射线不是单能的，是包含一系列频率的波动。
当连续谱能的X射线经过人体时，能量较低的X线优先被吸收，高能量X射线较易穿透，在射线传播过程中，平均能量变高，射线逐渐变硬，称之为线束硬化效应。
CT所建立的图像，是物质的衰减系数在人体的横断薄层的分布情况，即相当于人体组织密度的分布情况。
射线硬化就相当于降低了物质的吸收密度，必然会影响CT图像的质量。
形成伪影：线束硬化会产生暗带和条状伪影，杯状伪影两种类型的伪影。
前者是指当X线球管沿着不同的方向对某一物体进行扫描时，在密度不均匀组织横断面图像上的两个致密结构之间（例如颅底岩骨间（图1），或者是出现在注射对比剂后的造影剂浓度不同的血管间（图2））会出现暗带和条纹伪影；后者是指均匀物质中间的CT值比边缘部分的CT值低，造成中间黑、边缘白的情况。
减少伪影的方法：①配置的X射线过滤器；②线束硬化矫正软件来减少线束硬化；对颅底伪影，也可以通过操作者采用薄层扫描以减少。
1.2 部分容积效应产生机制：在同一扫描层面内含有2种以上不同密度而又相重叠的物质时，则在同一个探测器上有着多种密度的检测数据，输出信号为检测数据的平均值，所得的CT值不能如实反映其中任何一种物质的CT值，这种现象即为部分容积效应。
形成伪影：部分容积效应对图像的影响一般是带状和条状伪影。
影响CT图像质量的伪影源及解决方法
影响CT图像质量的伪影源及解决方法CT（Computed Tomography，计算机断层扫描）是医学影像学中常用的一种诊断工具，它通过扫描和重建人体内部的断层图像来帮助医生诊断疾病。
然而，在CT图像中，有时会出现伪影现象，这些伪影会影响图像的质量，干扰医生的准确诊断。
本文将探讨影响CT图像质量的伪影源，并提出解决伪影的方法。
1. 金属伪影金属物体在CT扫描中会产生明显的伪影。
金属伪影是由于金属对X射线具有高吸收能力，导致射线无法透过金属完全，所以扫描后的图像中会出现较大的黑暗伪影区域。
为了解决金属伪影问题，可以采用以下方法：- 改变扫描参数：调整扫描参数如管电压和电流，以减少伪影产生。
低电压和高电流可以减少金属伪影，但可能会降低图像质量和增加辐射剂量。
- 使用金属伪影校正算法：一些先进的CT设备具备金属伪影校正算法，通过处理原始数据，提供更清晰的图像，减少金属伪影的影响。
2. 散射伪影散射伪影是CT图像中常见的一种伪影，它是由于X射线在人体组织内部的散射而产生的。
散射伪影会降低图像的对比度并模糊图像细节。
以下是一些减少散射伪影的方法：- 使用组织饱和片：在扫描前，可以在扫描区域周围放置一些组织饱和片，用于吸收部分X射线，减少散射伪影的影响。
- 增加束野的限制：通过使用更小的束野尺寸（FOV），可以限制X射线的散射范围，减少散射伪影的产生。
3. 伪影源于运动运动是导致CT图像伪影的常见原因之一。
当受检人员在扫描过程中移动或呼吸时，会产生模糊和失真的图像。
下面是一些建议减少运动伪影的方法：- 体位固定：对于不能避免运动的部位，可以使用适当的体位固定装置，以限制运动的干扰。
- 呼吸控制：对于胸部或腹部扫描，可以使用呼吸控制技术，指导受检者在扫描期间保持稳定的呼吸，以减少运动伪影的影响。
- 快速扫描：使用快速扫描技术可以缩短扫描时间，减少运动伪影的产生。
4. 噪声伪影噪声是CT图像中的常见问题之一。
噪声伪影会导致图像模糊和细节丢失，影响诊断的准确性。
用于CT图像的去金属伪影分割图像校正方法、系统及计算机可读存储介质发明专利
用于CT图像的去金属伪影分割图像校正方法、系统及计算机可读存储介质技术领域本发明涉及CT图像处理技术领域，尤其涉及一种用于CT图像的去金属伪影分割图像校正方法、系统及计算机可读存储介质。
背景技术在临床诊疗中，患者体内有时会存在金属植入物，如假牙，心脏起搏器，血管手术后留下的金属夹、金属支架等，固定腰椎和假肢的不锈钢金属等。
CT断层扫描是作为一种常规的医学检查手段，当患者体内有植入金属的时候，在重建图像上产生金属伪影，主要表现为从金属发出的亮的和暗的条纹以及充满图像的细条纹。
金属伪影的产生是多种效应的组合，包括射束硬化，散射，低信号及部分容积效应，其中前两者是主要原因。
严重的金属伪影会遮盖图像的细节，甚至掩盖病灶，影响医生的临床判断。
目前处理金属伪影的算法主要有：迭代重建，双能扫描，投影域插值，图像域后处理等，其中投影域插值算法(如NMAR)能在金属和软组织边缘获得较好的平滑过渡，处理效果好，且计算效率高，较为临床接受，但结果不准确，亮的和暗的金属伪影将极大的影响分割精度。
另有使用复杂度高的分割算法，但计算效率低。
再有使用分割校正算法，但校正不全面。
发明内容为了克服上述技术缺陷，本发明的目的在于提供一种可减少金属伪影的生成和引入的用于CT图像的去金属伪影分割图像校正方法、系统及计算机可读存储介质。
本发明公开了一种用于CT图像的去金属伪影分割图像校正方法，包括如下步骤：在带有金属伪影的初始分割图像上获取金属分布的感兴趣区域，所述感兴趣区域为距离金属预设距离的区域；调整所述感兴趣区域内用于划分空气、软组织和骨头的阈值，获取划分有空气、软组织、骨头的第一分割图像；获取所述第一分割图像在金属轨迹上的投影数据，对所述投影数据进行插值处理获取第二分割图像；将所述第二分割图像与所述初始分割图像进行对比，获取校正标准，应用所述校正标准对所述初始分割图像进行校正获取最终分割图像。
优选地，所述获取所述第一分割图像在金属轨迹上的投影数据，对所述投影数据进行插值处理获取第二分割图像还包括：对进行所述插值处理后的所述投影数据进行滤波反投影重建；对所述重建图像进行图像分割获取所述第二分割图像。
优化CT图像制作技术消除伪影的方法探讨
优化CT图像制作技术消除伪影的方法探讨CT（计算机断层扫描）是一种常用的医学影像学技术，被广泛应用于临床诊断和疾病治疗中。
然而，在CT图像制作的过程中，常常会出现伪影，给医生的诊断带来一定的困扰。
因此，优化CT图像制作技术以消除伪影是非常重要的。
本文将就优化CT图像制作技术消除伪影的方法进行深入探讨。
首先，我们需要了解伪影的产生原因。
伪影主要来自于CT设备本身以及影像重建算法。
CT设备生产厂商会采用不同的技术和算法来降低伪影的产生，如增加探测器通道数、提高设备的空间分辨率等。
然而，由于物理限制和成本考虑，完全消除伪影是不可能的。
因此，我们需要研究一些优化方法来减少伪影。
一种常用的方法是优化扫描参数和扫描技术。
首先，选择合适的扫描参数对伪影的消除非常重要。
通常，增加扫描层数可以提高图像的空间分辨率，从而减少伪影。
此外，使用适当的曝光参数和扫描速度也可以减少伪影的产生。
其次，扫描技术的选择也会对伪影的消除产生影响。
如全球曝光、多采样等技术都被证明可以降低伪影水平。
另一种常见的方法是优化图像重建算法。
图像重建算法是整个CT图像制作过程中最关键的环节之一。
目前，常用的图像重建算法有滤波反投影算法、迭代重建算法等。
滤波反投影算法简单易行，但在伪影消除方面具有一定的局限性。
迭代重建算法使用数学模型对图像进行优化，能够有效降低伪影的产生。
然而，迭代重建算法的计算复杂度较高，可能会导致图像重建时间过长，需要根据实际情况做出取舍。
除了上述方法外，还可以通过图像后处理来消除伪影。
图像后处理是一种对原始图像进行进一步处理以提高图像质量的方法。
常见的图像后处理技术有滤波、去噪和增强等。
通过选择合适的滤波算法和参数，可以降低伪影水平。
去噪技术可以减少噪声对伪影的影响，从而提高图像的质量。
增强技术可以增强图像的对比度和细节，使伪影更加明显，方便医生对其进行诊断。
最后，为了进一步减少伪影的产生，我们还可以通过注意事项和规范操作来提高CT图像制作的质量。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
图片简介:本技术介绍了一种步进轴扫CT重建中拼接伪影的去除方法及电子介质，应用于图像处理技术领域；所述方法包括进行CT扫描，获取投影数据：采用锥束重建算法对所有投影数据进行图像重建；对重建后的所有图像进行非线性滤波，输出滤波后图像；获取第k次扫描和第k+1次扫描之间交界区域及其附近的共P层图像，计算每个图像的距离权重和组织结构权重，根据距离权重和组织结构权重对P层图像进行图像更正，去除拼接伪影，直至对N次CT 扫描的所有数据完成图像更正，获取去除拼接伪影的最终图像。
本技术通过对步进轴扫的交界区域图像进行图像更正，去除交界区域的拼接伪影，计算效率高，提高图像质量，并且不需要额外的硬件辅助，能满足临床需求。
技术要求1.一种步进轴扫CT重建中拼接伪影的去除方法，其特征在于，包括以下步骤：S1、进行CT扫描，获取投影数据：设置扫描协议，对需要扫描的区域进行N次CT扫描，相邻两次扫描之间有交界区域，扫描覆盖范围为C，每次扫描中获取M层投影数据；S2、图像重建：采用锥束重建算法对所有投影数据进行图像重建，其中对第k次扫描获取的投影数据进行重建的图像为volume_k，volume_k中第m层的图像为slice_m，则第k次扫描、第m层的图像可表示为；其中，k=1,2…N，m=1,2…C；S3、图像非线性滤波：对重建后的所有图像进行非线性滤波，输出滤波后图像；S4、图像更正：获取第k次扫描和第k+1次扫描之间交界区域及其附近的共P层图像，计算每个图像的距离权重和组织结构权重，根据距离权重和组织结构权重对P层图像进行图像更正，去除拼接伪影，获取更正后的图像；所述S4中获取更正后的图像，其计算公式为：其中，为滤波后的图像；为滤波后的图像，为另一次扫描沿z轴方向距离最近的图像，和分别为和图像的距离权重，为组织结构权重；S5、获取最终图像：重复步骤S4，直至对N次CT扫描的所有数据完成图像更正，结合交界区域图像及非交界区域图像，获取去除拼接伪影的最终图像。
2.根据权利要求1所述的一种步进轴扫CT重建中拼接伪影的去除方法，其特征在于，所述S4中图像更正通过人工智能神经网络实现，通过人工智能神经网络输出图像更正后图像的具体过程为：S41、生成训练样本：获取需要扫描的区域的有拼接伪影和无拼接伪影的图像数据，生成训练样本；S42、构建人工智能神经网络并进行预训练：构建人工智能神经网络，所述人工智能神经网络为Resnet网络或U-net网络，将训练样本中的有拼接伪影的图像数据作为人工智能神经网络的输入，对人工智能神经网络的输出与训练样本中的无拼接伪影的图像数据进行比较，并计算损失函数，反复训练，直至损失函数小于阈值，人工智能神经网络预训练完成；S43、图像更正：输入第k次扫描和第k+1次扫描之间交界区域及其附近的共P层图像，人工智能神经网络输出去除拼接伪影后的图像。
3.根据权利要求2所述的一种步进轴扫CT重建中拼接伪影的去除方法，其特征在于：所述S41中获取需要扫描的区域的有拼接伪影和无拼接伪影的图像数据中，有拼接伪影和无拼接伪影的图像数据来源为：有拼接伪影的图像数据为步进轴扫获取的图像数据，无拼接伪影的图像数据为多层螺旋扫描获取的图像数据；或有拼接伪影的图像数据为连续轴扫获取的图像数据，无拼接伪影的图像数据为多层螺旋扫描获取的图像数据；或通过改变步进轴扫的扫描起始位置获取的同一区域的有拼接伪影和无拼接伪影的图像数据。
4.根据权利要求1所述的一种步进轴扫CT重建中拼接伪影的去除方法，其特征在于：所述S3中非线性滤波的计算公式为：其中，为滤波后的图像，为在邻域中的滤波参数的权重。
5.根据权利要求1所述的一种步进轴扫CT重建中拼接伪影的去除方法，其特征在于：所述组织结构权重的计算公式为：其中，为组织的CT值，为调节的超参数。
6.一种电子介质，其特征在于：包括存储器和处理器，存储器和处理器相连，所述存储器存储有至少一个可被处理器执行的指令，所述至少一个指令被处理器执行时，实现如权利要求1-5任一所述的一种步进轴扫CT重建中拼接伪影的去除方法。
技术说明书一种步进轴扫CT重建中拼接伪影的去除方法及电子介质技术领域本技术涉及图像处理技术领域，尤其涉及一种步进轴扫CT重建中拼接伪影的去除方法及电子介质。
背景技术CT医学成像系统自20世纪70年代技术了之后经过了长足的进步，扫描速度从开始要几分钟到现在的0.2秒。
探测器排数也从开始的单排双排，到现在的64排，128排，甚至256排。
这其中的变化不单单是系统硬件的升级换代，系统的图像重建技术也带来了革命性的变化。
初期的CT系统由于只有一排探测器，所以X射线束是扇形束，所用到的重建技术也都是二维的扇形束重建技术。
因为每次只能扫描一层，整个扫描需要很长的时间，后来多排CT引入就是为了加快扫描的速度，比如16排，32排的系统。
这时候X射线也变成了三维的锥形束，和之前的几何结构有了些区别，所以必须要用锥形束重建技术来重建图像。
虽然锥形束精确重建技术的数学理论已经被提出来很久，但是由于算法的复杂性，还是没有能够普遍的应用到系统中。
目前主流产品中所应用的锥形束重建技术都是基于FDK算法的近似算法。
除了这些解析类的算法之外，还有应该用迭代重建算法来减少误差，改善图像质量。
迭代算法虽然能够改善图像质量，但是算法的计算量很大，很难满足临床的实际应用。
步进轴扫是CT扫描中常用的扫描方式，每次采用圆周扫描的方式，扫描患者的一部分身体部位。
由于圆周扫描的特殊性，接受扫描的整体区域的图像质量并不一致，通常是中心层面最好，越偏离中心层面，锥角越大，图像质量越差。
这主要的原因是重建误差和锥角（正比于探测器的排数）的平方成正比，随着探测器排数的增加就会带来很大的误差。
除了锥角原因，其他因素，如：射束硬化、Z轴采样、部分容积效应等也会引起图像不均匀和伪影。
这些图像质量的不均匀，很容易在步进扫描的交界区域附近产生伪影，导致图像不能够满足临床诊断的要求。
技术内容技术目的：针对现有技术中步进轴扫的交界区域存在拼接伪影的缺陷，本技术介绍了一种步进轴扫CT重建中拼接伪影的去除方法及电子介质，通过对步进轴扫的交界区域图像进行图像更正，去除交界区域的拼接伪影，计算效率高，提高图像质量，并且不需要额外的硬件辅助，能满足临床需求。
技术方案：为实现上述技术目的，本技术采用以下技术方案。
一种步进轴扫CT重建中拼接伪影的去除方法，包括以下步骤：S1、进行CT扫描，获取投影数据：设置扫描协议，对需要扫描的区域进行N次CT扫描，相邻两次扫描之间有交界区域，扫描覆盖范围为C，每次扫描中获取M层投影数据；S2、图像重建：采用锥束重建算法对所有投影数据进行图像重建，其中对第k次扫描获取的投影数据进行重建的图像为volume_k，volume_k中第m层的图像为slice_m，则第k次扫描、第m层的图像可表示为；其中，k=1,2…N，m=1,2…C；S3、图像非线性滤波：对重建后的所有图像进行非线性滤波，输出滤波后图像；S4、图像更正：获取第k次扫描和第k+1次扫描之间交界区域及其附近的共P层图像，计算每个图像的距离权重和组织结构权重，根据距离权重和组织结构权重对P层图像进行图像更正，去除拼接伪影，获取更正后的图像；所述S4中获取更正后的图像，其计算公式为：其中，为滤波后的图像；为滤波后的图像，为另一次扫描沿z轴方向距离最近的图像，和分别为和图像的距离权重，为组织结构权重S5、获取最终图像：重复步骤S4，直至对N次CT扫描的所有数据完成图像更正，结合交界区域图像及非交界区域图像，获取去除拼接伪影的最终图像。
优选地，所述S4中图像更正通过人工智能神经网络实现，通过人工智能神经网络输出图像更正后图像的具体过程为：S41、生成训练样本：获取需要扫描的区域的有拼接伪影和无拼接伪影的图像数据，生成训练样本；S42、构建人工智能神经网络并进行预训练：构建人工智能神经网络，所述人工智能神经网络为Resnet网络或U-net网络，将训练样本中的有拼接伪影的图像数据作为人工智能神经网络的输入，对人工智能神经网络的输出与训练样本中的无拼接伪影的图像数据进行比较，并计算损失函数，反复训练，直至损失函数小于阈值，人工智能神经网络预训练完成；S43、图像更正：输入第k次扫描和第k+1次扫描之间交界区域及其附近的共P层图像，人工智能神经网络输出去除拼接伪影后的图像。
优选地，所述S41中获取需要扫描的区域的有拼接伪影和无拼接伪影的图像数据中，有拼接伪影和无拼接伪影的图像数据来源为：有拼接伪影的图像数据为步进轴扫获取的图像数据，无拼接伪影的图像数据为多层螺旋扫描获取的图像数据；或有拼接伪影的图像数据为连续轴扫获取的图像数据，无拼接伪影的图像数据为多层螺旋扫描获取的图像数据；或通过改变步进轴扫的扫描起始位置获取的同一区域的有拼接伪影和无拼接伪影的图像数据。
优选地，所述S3中非线性滤波的计算公式为：其中，为滤波后的图像，为在邻域中的滤波参数的权重。
优选地，所述组织结构权重的计算公式为：其中，为组织的CT值，为调节的超参数，通过调节不同的和可以保留组织结构。
一种电子介质，包括存储器和处理器，存储器和处理器相连，所述存储器存储有至少一个可被处理器执行的指令，所述至少一个指令被处理器执行时，实现以上任一所述的一种步进轴扫CT重建中拼接伪影的去除方法。
有益效果：本技术通过对步进轴扫的交界区域图像进行图像更正，去除交界区域的拼接伪影，相对于精确重建和迭代重建来说，本方案计算效率高，并且能有效抑制和去除伪影，提高图像质量，并且不需要额外的硬件辅助，能满足临床需求。
附图说明图1为本技术的方法流程图；图2为拼接伪影在CT图像中的示意图；图3为多次扫描过程中交界区域及其图像质量示意图；图4为相邻两次扫描中交界区域示意图；图5为去除拼接伪影的最终图像；图6为采用人工智能神经网络的方法流程图。
具体实施方式以下将结合附图对本技术的一种步进轴扫CT重建中拼接伪影的去除方法及电子介质做进一步的解释和说明。
如附图1所示，一种步进轴扫CT重建中拼接伪影的去除方法，包括以下步骤：步骤一、进行CT扫描，获取投影数据：设置扫描协议，对需要扫描的区域进行N次CT扫描，扫描覆盖范围为C，每次扫描中获取M层投影数据。
为了获取整个组织或者器官的信息，通常采用步进扫描step and shot（或连续轴扫）的扫描模式，以32排探测器进行头部扫描为例，覆盖整个头部区域需要N次扫描，一般为8到10次；每一次扫描重建的图像为volume_ k，每个volume内包含M张(比如32张)图像分别记为slice_m，单幅图像可以表示为。
扫描的覆盖范围是C，比如32排的系统通常有20mm，每次步进的长度是 Step,这个步进长度不大于C。