基于GAN的有限角CT去伪影重建
发布时间：2021-11-12 23:11
计算机断层成像（Computed Tomography,CT）技术己成为当今社会一种最伟大的的成像技术之一,已经深深影响着人类的生活。X射线CT的作用是扫描物体的内部结构信息获取投影数据进行重建过程。在过去几十年中,关于这一技术得到了蓬勃发展,目前应用最广泛的算法是滤波反投影算法（Filtered Back Projection,FBP）,在投影数据是完备的情况下,该方法可以重建出高质量的图像。X射线CT图像要想获得清晰的成像效果,扫描角度范围要超过180°,但在放射应用中常常受到许多制约,只能在有限的旋转角度范围内（小于180°）对成像物体进行扫描,此时获得的投影数据是不完备的。比如:由于要在（1）在工业领域,现场检查受到管道环境的限制,X射线源只能在有限的旋转角度范围内旋转,此时获得的投影数据是不完备的。（2）在医学领域,当使用牙科CT扫描对象时,由于要受到扫描目标的对象几何结构影响,也只能在有限的旋转角度范围内扫描数据;当使用CT对胸腔和乳腺成像并进行医学诊断时,情况也类似。（3）在某些特殊应用中,为了节省扫描时间和减少辐射剂量,在有限的旋转角度内采集投影数据也是一种不错的措施。...
【文章来源】：南京邮电大学江苏省
【文章页数】：58 页
【学位级别】：硕士
【部分图文】：
X射线下伦琴夫人的手骨和戒指
南京邮电大学专业学位硕士研究生学位论文绪论2（3）在地质领域，CT技术早已造福于地球资源勘探、地质构造分析、考古等领域。虽然CT在不同的领域都拥有着不同的应用，但它们具有共同的数学和计算基础：CT重建的核心理论。本文中研究对象主要是面向医学CT图像，因此接下来使用的数据都是医学CT影像。下面简单介绍一下有限角CT图像和完备投影CT图像的对比。图1.2左图为90°投影CT图像，右图为完备投影CT图像从图1.2可以看到，虽然90°投影CT影像重建影像减少了患者所受到的X射线剂量，在一定程度上了减少了辐射，但是90°投影CT影像同时表现出很多滑坡伪影，许多细节已经消失，完全观察不到病灶所在的位置，在医疗诊断中非常不利于医生的诊断，右图是完备的投影CT图像，视觉上很清晰。本文的研究课题就是将类似于左图有限角CT图像重建为右边清晰大图，因此有限角度CT图像的重建具有极其重大的作用。1.2国内外研究现状近些年来，研究者们陆续针对有限角CT图像重建提出了许多有建设性的方法。接下来阐述一些比较经典的方法。正交函数方法[2]的主要内容为:首先，它使用一组特定的正交基来扩展投影数据或傅立叶变换后的数据，并依据已知扫描范围的投影数据估计扩展系数。从原理来说下，正交函数法能够恢复出大部分缺失的投影数据，但是该方法也有一个缺陷：重建过程中对噪声比较敏感，一旦被重建图像中有许多细微的噪声，重建效果就会变得很差。Jüirgen[3]等人通过对平行光束扫描方法进行了局部分析，阐述了在有限角度CT图像重建出现滑坡伪影，导致一部分目标信息无法被重建的原因。之后他又提出了一种改进的FBP算法来消除重建过程中出现的额外奇点。但如果重建图像中奇点数量过多，而改进的算法仅仅能过滤一定数量的奇点，因此重建效果并不能令
南京邮电大学专业学位硕士研究生学位论文第二章相关背景知识介绍4第二章相关背景知识介绍2.1深度学习基础知识了解众多周知，近些年来人工智能（ArtificialIntelligence）来发展地如火如荼，其实AI这个概念最早在1956年在美国召开Dartmouth会议上就提出了，到目前也有将近65年的历史了。因为当时计算机发展比较滞后，相对来说计算能力也要匮乏很多。与当前动则需要训练成千上万参数的网络相比，当时面临的挑战要大很多，所以在当时来看还是以理论发展为主。深度学习属于人工智能的一个分支，根据人类大脑的模型而提出，人类的大脑有140亿个神经元，这些神经元有序的连接在一起，根据神经末梢的突触来传递信息给下一个神经元，从而进行处理一系列动作，对外界环境做出相应的变化。对人类来说，分清一种物体的类别是一件很简单的事情，但是对于计算机来说却是一件很困难的事情，因为机器不能向人类一样向外界学习知识。到了上世纪80~90年代，科学家们根据生物的视觉感知（visualperception）[13]机制提出了卷积神经网络（ConvolutionalNeuralNetworks,CNN）[14]这一概念，CNN具有深度结构，卷积层与卷积层之间由卷积核连接。这种理念类似于人类大脑中的突触。一个完整的卷积神经网络一般由输入层、卷积层、池化层、激励函数层、全接连层和输出层组成。其中卷积层是卷积神经网络的核心，卷积层中的卷积核具有局部连接和权值共享两大特性，局部连接的意思是卷积核只与上一层的局部参数进行连接，权值共享表示的是每一个卷积核中的的权值对都是固定的。这两个特性大大减少了神经网络中的参数量。图2.1表示一个经典的卷积过程。图2.1卷积过程示意图
【参考文献】：
期刊论文
[1]基于卷积神经网络的随机梯度下降算法[J]. 王功鹏,段萌,牛常勇. 计算机工程与设计. 2018(02)
[2]基于改进TV-ART的变电压CT重建算法[J]. 李权,潘晋孝. 青岛科技大学学报(自然科学版). 2015(04)
[3]比较两种低剂量CT迭代重建法与常规剂量滤波反投影重建法的图像质量[J]. 杨晶,高艳,李坤成,杜祥颖,李岩. 中国医学影像技术. 2014(01)
[4]正交函数法的基本原理及其在药物分析中的应用[J]. 吴玉田. 国外医学.药学分册. 1981(04)
本文编号：3491821
【文章来源】：南京邮电大学江苏省
【文章页数】：58 页
【学位级别】：硕士
【部分图文】：
X射线下伦琴夫人的手骨和戒指
南京邮电大学专业学位硕士研究生学位论文绪论2（3）在地质领域，CT技术早已造福于地球资源勘探、地质构造分析、考古等领域。虽然CT在不同的领域都拥有着不同的应用，但它们具有共同的数学和计算基础：CT重建的核心理论。本文中研究对象主要是面向医学CT图像，因此接下来使用的数据都是医学CT影像。下面简单介绍一下有限角CT图像和完备投影CT图像的对比。图1.2左图为90°投影CT图像，右图为完备投影CT图像从图1.2可以看到，虽然90°投影CT影像重建影像减少了患者所受到的X射线剂量，在一定程度上了减少了辐射，但是90°投影CT影像同时表现出很多滑坡伪影，许多细节已经消失，完全观察不到病灶所在的位置，在医疗诊断中非常不利于医生的诊断，右图是完备的投影CT图像，视觉上很清晰。本文的研究课题就是将类似于左图有限角CT图像重建为右边清晰大图，因此有限角度CT图像的重建具有极其重大的作用。1.2国内外研究现状近些年来，研究者们陆续针对有限角CT图像重建提出了许多有建设性的方法。接下来阐述一些比较经典的方法。正交函数方法[2]的主要内容为:首先，它使用一组特定的正交基来扩展投影数据或傅立叶变换后的数据，并依据已知扫描范围的投影数据估计扩展系数。从原理来说下，正交函数法能够恢复出大部分缺失的投影数据，但是该方法也有一个缺陷：重建过程中对噪声比较敏感，一旦被重建图像中有许多细微的噪声，重建效果就会变得很差。Jüirgen[3]等人通过对平行光束扫描方法进行了局部分析，阐述了在有限角度CT图像重建出现滑坡伪影，导致一部分目标信息无法被重建的原因。之后他又提出了一种改进的FBP算法来消除重建过程中出现的额外奇点。但如果重建图像中奇点数量过多，而改进的算法仅仅能过滤一定数量的奇点，因此重建效果并不能令
南京邮电大学专业学位硕士研究生学位论文第二章相关背景知识介绍4第二章相关背景知识介绍2.1深度学习基础知识了解众多周知，近些年来人工智能（ArtificialIntelligence）来发展地如火如荼，其实AI这个概念最早在1956年在美国召开Dartmouth会议上就提出了，到目前也有将近65年的历史了。因为当时计算机发展比较滞后，相对来说计算能力也要匮乏很多。与当前动则需要训练成千上万参数的网络相比，当时面临的挑战要大很多，所以在当时来看还是以理论发展为主。深度学习属于人工智能的一个分支，根据人类大脑的模型而提出，人类的大脑有140亿个神经元，这些神经元有序的连接在一起，根据神经末梢的突触来传递信息给下一个神经元，从而进行处理一系列动作，对外界环境做出相应的变化。对人类来说，分清一种物体的类别是一件很简单的事情，但是对于计算机来说却是一件很困难的事情，因为机器不能向人类一样向外界学习知识。到了上世纪80~90年代，科学家们根据生物的视觉感知（visualperception）[13]机制提出了卷积神经网络（ConvolutionalNeuralNetworks,CNN）[14]这一概念，CNN具有深度结构，卷积层与卷积层之间由卷积核连接。这种理念类似于人类大脑中的突触。一个完整的卷积神经网络一般由输入层、卷积层、池化层、激励函数层、全接连层和输出层组成。其中卷积层是卷积神经网络的核心，卷积层中的卷积核具有局部连接和权值共享两大特性，局部连接的意思是卷积核只与上一层的局部参数进行连接，权值共享表示的是每一个卷积核中的的权值对都是固定的。这两个特性大大减少了神经网络中的参数量。图2.1表示一个经典的卷积过程。图2.1卷积过程示意图
【参考文献】：
期刊论文
[1]基于卷积神经网络的随机梯度下降算法[J]. 王功鹏,段萌,牛常勇. 计算机工程与设计. 2018(02)
[2]基于改进TV-ART的变电压CT重建算法[J]. 李权,潘晋孝. 青岛科技大学学报(自然科学版). 2015(04)
[3]比较两种低剂量CT迭代重建法与常规剂量滤波反投影重建法的图像质量[J]. 杨晶,高艳,李坤成,杜祥颖,李岩. 中国医学影像技术. 2014(01)
[4]正交函数法的基本原理及其在药物分析中的应用[J]. 吴玉田. 国外医学.药学分册. 1981(04)
本文编号：3491821
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3491821.html
最近更新
教材专著
