基于X射线能谱CT的生物医学材料分解关键技术研究

发布时间：2023-05-13 00:07

　　随着人工智能等信息技术的飞速发展,人类已迈入了智慧医疗时代。以深度学习为代表的机器学习算法也开始广泛应用在医学成像的各个领域。X射线计算机断层成像技术(X-CT),作为智慧医疗的重要组成内容,在医学临床诊断中发挥着重要作用。它利用X射线对不同物质的衰减差异,可以在不破坏物体本身的情况下,通过断层图像呈现出其内部结构和细节。然而,传统X-CT由于采用积分探测方式获取X光子信息,将会在一定程度上造成衰减特性缺失,难以满足精准诊疗的需求。于是,X射线能谱CT成像技术应运而生。X射线能谱CT成像得益于X射线能量分辨光子计数探测技术的出现与发展。它是通过光子计数探测器来获取被检测对象在不同能量区间内X射线衰减特性,依据这种差异,不仅可以提高衰减系数相近材料的成像对比度,而且还能对扫描对象进行定性及定量分析。其中,基于X射线能谱特性的物质分解,已成为能谱CT成像技术的一个重要研究方向。本论文依托科技部国家重点研发计划(No.2016YFC0104609)、国家自然科学青年基金(No.61401049)和重庆市基础科学与前沿技术研究专项项目(No.cstc2016jcyjA0473)等科研课题,着眼...

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
中文摘要
英文摘要
1 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 X射线能谱CT成像技术
        1.2.2 能谱CT物质分解
        1.2.3 基于深度学习的能谱CT物质分解
    1.3 论文的主要研究内容
    1.4 论文的结构安排
2 X射线能谱CT成像技术基本理论
    2.1 概述
    2.2 X射线能谱CT成像基础
        2.2.1 X射线CT成像原理
        2.2.2 X射线CT成像系统
        2.2.3 X射线能量分辨光子计数探测技术
    2.3 X射线CT图像重建算法
        2.3.1 Radon变换与傅里叶切片定理
        2.3.2 解析重建算法
        2.3.3 迭代重建算法
    2.4 物质分解基础
        2.4.1 衰减系数分解模型
        2.4.2 能谱CT重建方法
    2.5 本章小结
3 基于等效单色能量的双能CT投影域分解方法研究
    3.1 概述
    3.2 投影域的双效应分解方法
    3.3 基于等效单色能量的投影域分解方法
    3.4 双能CT投影分解实验研究
        3.4.1 仿真模拟
        3.4.2 实验研究
    3.5 结果与讨论
    3.6 本章小结
4 基于深度学习的能谱CT图像域分解方法研究
    4.1 概述
    4.2 图像域的基材料分解方法
    4.3 基于FC-DenseNets的图像域分解方法
    4.4 能谱CT图像分解实验研究
    4.5 结果与讨论
    4.6 本章小结
5 总结与展望
    5.1 研究工作总结
    5.2 研究展望
参考文献
附录
    A作者在攻读硕士学位期间发表的论文目录
    B作者在攻读硕士学位期间参加的科研项目
    C学位论文数据集
致谢



本文编号：3814906