基于深度学习的低剂量CT成像方法研究

发布时间：2024-04-13 22:58

　　计算机断层成像(Computed Tomography,CT)作为一种非侵入式的医学成像技术,能够提供高分辨率的组织断层图像,在疾病的筛查、诊断以及图像引导的介入治疗中得到广泛应用。随着CT扫描数量的增加,病人在扫描过程中接收过量的X射线辐射会增加其患癌风险。因此,如何实现低剂量成像是CT研究中亟需解决的问题。目前,低剂量CT成像分为稀疏角度和低毫安秒两种模式。其中,稀疏角度成像是在常规扫描剂量下减少每圈球管的曝光次数。但采集投影数目的不足会导致重建图像中引入严重的条形伪影。而低毫安秒成像是在扫描时降低管电流或缩短曝光时间来降低每个投影的曝光剂量。但这使得探测器接收的光子数减少,采集的投影数据被电子噪声污染,导致重建图像中存在大量的噪声和伪影。近年来,深度学习技术作为一种高效的算法工具被用于解决低剂量CT成像中的噪声和伪影问题,并取得良好的结果。现有基于深度学习的稀疏角度图像恢复网络仅针对于二维扫描几何的稀疏角度图像恢复。当网络的输入为三维螺旋CT稀疏角度图像时,图像的恢复效果不明显。而现有基于深度学习的低毫安秒图像恢复网络仅针对于单一噪声水平的低毫安秒图像恢复。当输入图像的噪声水平未...

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

图2稀疏学习与深度学习方法在低剂量CT成像中的应用Fig.2Theapplicationofsparselearninganddeeplearninginlow-doseCTimaging

3期刘进等：基于特征学习的低剂量CT成像算法研究进展395习和深度学习的方法在低剂量CT成像方面都得到了一定的应用。图2分别为稀疏学习和深度学习方法在低剂量CT成像中的实验结果。（a）为不同稀疏学习方法实验结果，从左到右分别为FBP、TV[63]、DL[64]和FCR[70]的低....

图１－１不同扫描协议的ＣＴ重建图像

?硕士学位论文???＾ＢＳＳ＾ＳＳ＾ｂＳＢＳＳＳＳＫ??（ａ）?（ｂ）?（ｃ）??图１－１不同扫描协议的ＣＴ重建图像。（ａ）全剂量全角度图像（２００?ｍＡｓ，?２３０４?ｖｉｅｗｓ）；?（ｂ）低毫??安秒图像（２０?ｍＡｓ，２３０４?ｖｉｅｗｓ）；?（ｃ）稀疏角度图像（２００?ｍ....

图２－３斜波滤波器

?第三章基于多尺度小波残差网络的螺旋ＣＴ稀疏角度图像恢复???ＶＳ＾Ｉ?ＥＨｉ?９Ｂ１??■ｓｂ＂?ｗｍ?：?：??ｉｗｔ?丨?ｗ丁??ｍＳＳＳＳＫＫＫＫｔＢＢＭ??５１２＊５１２?２５６＊２５６＊４?１２８＊１２８＊１６??图３－１单幅图像进行离散小波变换实现图像分解降釆样和离....

图２－４扇形束ＣＴ成像几何

：?ｒｏｗ，?１：２：?ｃｏｌ）?＝?（ｘ，，?－?ｘ．?９?＋?ｘ．?－?ｘ．，）?／?２??ＩＷＴ｛?＇?＇？?＊?＇?（３．６）??Ｘｉ｛＼：?２?：?ｒｏｗ，?２：２：?ｃｏ／）?＝?（ｘ；ａ?＋?ｘｉ?２?－ｘｉ３－?ｘｉＡ?）?／?２??Ａ７（２：２?：?ｒａｗ，?２....

本文编号：3953749