CT图像重建中Mojette投影获取方法的研究

发布时间：2021-02-02 20:40

　　计算机层析成像技术（Computed Tomography,CT）广泛地应用在医学诊断、工业检测、社会安全等领域。随着CT系统的普及,由于受到辐射剂量、采样几何、系统硬件、采集时间等现实条件的约束,很多实际应用中往往无法获得完整的投影数据。在数据不完备的情况下,基于连续域中的Radon变换的重建方法需要求解一个病态问题,很难获得满意的结果。作为Radon变换的一种离散形式,Mojette变换凭借其独特的性质,只需少量的投影数据即可精确重建图像,为CT不完全投影数据重建问题提供了一个新的思路。然而,Mojette变换的成像模型与现行的CT系统并不兼容,它的获取只能通过从Radon投影数据中转换而实现,严重阻碍了Mojette变换实现产业化应用。为了解决这一问题,本文的具体研究工作如下:（1）首次将深度学习技术应用在Mojette投影数据的获取上。由于Radon变换和Mojette变换均可视为二维图像的某种一维特征表示方法,因此,本文从特征表达的角度出发,从实际CT系统采集到的Radon投影数据中获得Mojette投影,可以被视作图像特征转换。基于这一思想,本文确定了利用深度学习技术获得R... 

【文章来源】：大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 CT不完全投影数据重建的背景及意义
    1.2 国内外相关领域的研究现状
        1.2.1 CT不完全投影数据重建研究现状
        1.2.2 Mojette变换研究现状
    1.3 本文主要内容及章节安排
2 Mojette变换
    2.1 Mojette变换定义及性质
    2.2 Mojette逆变换
    2.3 Mojette投影获取的传统方法
        2.3.1 基于线性转换矩阵的Mojette投影获取
        2.3.2 基于插值的Mojette投影获取
3 等采样条件下Mojette投影获取
    3.1 基于反馈机制的Mojette投影获取
    3.2 网络结构
    3.3 投影数据集的建立
    3.4 实验及结果分析
        3.4.1 投影获取精度实验
        3.4.2 重建结果对比实验
        3.4.3 网络结构有效性分析
4 欠采样条件下Mojette投影获取
    4.1 投影数据集的建立
    4.2 基于特征融合的Mojette投影获取
        4.2.1 多通道融合模块
        4.2.2 特征融合模块
        4.2.3 通道注意力模块
        4.2.4 损失函数
    4.3 实验结果与分析
        4.3.1 实验环境
        4.3.2 投影获取精度实验
        4.3.3 重建实验
5 总结与展望
    5.1 本文研究工作总结
    5.2 未来工作展望
参考文献
攻读硕士学位期间发表学术论文情况
攻读硕士学位期间参与项目情况
致谢


【参考文献】：
期刊论文
[1]Mojette变换及其应用[J]. 计文平,沈兰荪.  测控技术. 2007(03)

硕士论文
[1]基于压缩感知理论的计算机层析图像重建算法[D]. 李梦婕.大连理工大学 2015



本文编号：3015337