基于低剂量场新一代CT的重建算法研究

发布时间：2020-05-09 02:24

【摘要】：作为一种医学辅助诊断技术,计算机断层成像(Computed Tomography,CT)在各种疾病的诊断中发挥着重要的作用。但是,由于其放射强度相对较大,对人体会造成不可逆的伤害,导致在临床应用中具有一定的局限性。因此,降低CT设备的放射剂量,研制新一代低剂量CT成像设备越来越得到人们的期盼。然而,随着放射剂量的大幅度降低,会严重地影响CT投影数据的信噪比,造成重建图像的严重退化失真,传统的图像重建技术已经无法满足需求。因此,正确地分析低剂量投影数据的特性,并根据其特性发展针对于低剂量场条件下的快速、精准的重建算法,这具有重要的实际使用价值。本文研究内容就是基于新一代低剂量CT设备的研制,开展了高精度快速迭代的重建算法研究。主要工作包括:1)对CT的成像原理进行了阐述与分析,研究了低剂量CT系统产生的投影数据的噪声特性,建立了相应的噪声统计模型。低剂量CT的投影数据服从Poisson分布,并受Gaussian噪声的影响。在此基础上,对低剂量CT的投影模型进行了计算机仿真。2)提出了一种可调动态自适应(ADSA-OSEM)算法来提高成像质量。基于低剂量投影数据的统计特性,改进了迭代重建算法以适应低剂量CT数据。该方法将变子集策略与约束优化的惩罚函数相结合,取代了传统的具有固定子集的OSEM方法。通过与经典的OSEM方法和FBP方法的比较,验证了该方法的有效性和优越性。通过对自适应参数的灵活调整,结果表明该方法需要的迭代次数少,重建图像质量也高,能够有效地抑制粒度噪声和条纹状伪影。3)进一步地,提出了基于Bregman迭代正则化的OSEM(Bregman-OSEM)方法。针对于CT图像重建问题是经典的不适定反问题,现有的正则化方法已被证明在一定程度上能优化解决这个问题。然而,由于它们的正则项是固定的,对低剂量情况下的适应性欠佳。Bregman迭代利用了 Bregman距离导出的自适应距离约束函数,其能够使得原来固定的正则优化变为逐步变化的正则迭代,使求解过程更精细优化。往往能在高频噪声被引入之前,收敛图像,保持图像的平滑性和精细结构。本文比较了 Bregman-OSEM与经典的FBP、OSEM和基于全变分正则化的OSEM(TV-OSEM)算法。通过计算机仿真结果表明,Bregman-OSEM能够保持图像的精度的同时,提高重建图像的信噪比。该算法是一种处理低剂量CT图像重建的十分有效的方法。
【图文】：

图１．邋１两种扫描系统逡逑

图２．１世界上第一张Ｘ射线照片（左〉和ＣＴ成像照片（右）逡逑
【学位授予单位】：杭州电子科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：R814;TP391.41

【相似文献】

相关期刊论文 前10条

1 姜永生;于燕燕;;一种适用于小视野的快速精确重建算法[J];东北大学学报(自然科学版);2012年12期

2 王振天;张丽;邢宇翔;康克军;;统计重建算法综述[J];CT理论与应用研究;2007年04期

3 卢建宇,韦钰;合成孔径超声衍射CT付里叶域插值重建算法的研究[J];中国医学影像技术;1988年01期

4 薛慧亮;韦钰;;反射模扇形束入射衍射CT的重建算法[J];南京工学院学报;1988年04期

5 张芳;张权;崔学英;董婵婵;刘yN;孙未雅;白云蛟;桂志国;;基于小波和非局部的全变差中值先验重建算法[J];计算机工程与设计;2015年08期

6 惠苗;;螺旋锥束精确重建算法优化[J];三明学院学报;2012年04期

7 马永波;陈龙;王国胤;聂能;黎龙;;基于有限状态机的一种事件重建算法[J];计算机应用研究;2007年06期

8 夏靖波,魏颖,陆增喜,褚改霞;基于最大熵电容成象图象重建算法的研究[J];控制与决策;2000年04期

9 伍晓平,谷士文,费耀平,刘应龙,李杰;基于遗传算法的图象重建算法[J];计算技术与自动化;2000年01期

10 谭建荣;一个连通域的重建算法[J];工程图学学报;1993年02期

相关会议论文 前10条

1 伍晓平;谷士文;费耀平;刘应龙;李杰;;基于遗传算法的图象重建算法[A];中国图象图形科学技术新进展——第九届全国图象图形科技大会论文集[C];1998年

2 杲霄源;谭晶文;潘自来;石博文;朱兰;张欢;;原始数据迭代重建算法在胃癌术前分期诊断中的应用价值研究[A];中国中西医结合学会医学影像专业委员会第十五次全国学术大会暨上海市中西医结合学会医学影像专业委员会2017年学术年会暨《医学影像新技术的临床应用》国家级继续教育学习班资料汇编[C];2017年

3 朱欣阳;;不同迭代重建算法提高低剂量图象质量的应用[A];中国中西医结合学会医学影像专业委员会第十五次全国学术大会暨上海市中西医结合学会医学影像专业委员会2017年学术年会暨《医学影像新技术的临床应用》国家级继续教育学习班资料汇编[C];2017年

4 苏俊宏;朱日宏;陈磊;;基于块重建算法的干涉图延拓方法研究[A];第十一届全国光学测试学术讨论会论文（摘要集）[C];2006年

5 徐启飞;颜刚;陈武凡;;关于序列图像的超分辨率重建算法[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集（上册）[C];2007年

6 王新波;李学军;王林旭;;一种基于综合搜索策略的表面增量重建算法[A];全国第19届计算机技术与应用（CACIS）学术会议论文集（下册）[C];2008年

7 韩冬;陈晓侠;任占丽;雷雨欣;贺太平;贾永军;马春玲;于勇;;基于低单能量水平图像结合自适应迭代重建算法探讨低碘负荷在门静脉成像中的应用[A];中国中西医结合学会医学影像专业委员会第十五次全国学术大会暨上海市中西医结合学会医学影像专业委员会2017年学术年会暨《医学影像新技术的临床应用》国家级继续教育学习班资料汇编[C];2017年

8 李亮;陈志强;张丽;邢宇翔;康克军;;内部感兴趣区域CT精确重建算法新进展[A];全国射线数字成像与CT新技术研讨会论文集[C];2009年

9 李梅;毛善君;马蔼乃;;平行轮廓线三维矿体重建算法研究[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

10 李亮;陈志强;张丽;康克军;;CT精确重建算法新进展[A];全国第五届核仪器及其应用学术会议论文集[C];2005年

相关重要报纸文章 前1条

1 本报记者 刘正午;更快 更清 更安全[N];医药经济报;2004年

相关博士学位论文 前10条

1 贾睿玺;基于超声波温度检测的温度场重建算法与实验研究[D];重庆大学;2018年

2 彭冬;吸收光谱技术在复杂流场诊断中的应用研究[D];中国科学技术大学;2019年

3 窦少彬;CT图像优化重建算法研究[D];中国科学技术大学;2019年

4 杨立山;图信号采样与重建研究[D];北京邮电大学;2018年

5 罗戎蕾;基于小波多分辨率分析的图像重建算法研究[D];浙江大学;2004年

6 万雄;发射光谱层析算法研究及其三维流场重建应用[D];南京航空航天大学;2005年

7 霍修坤;锥束CT直接三维成像算法研究[D];安徽大学;2005年

8 王瑜;基于DSA扫描轨迹的锥束重建算法研究[D];大连理工大学;2008年

9 李志霖;基于先验信息的压缩感知重建算法研究[D];北京邮电大学;2017年

10 李志林;图像压缩感知重建算法研究[D];北京交通大学;2012年

相关硕士学位论文 前10条

1 陈彬;基于低剂量场新一代CT的重建算法研究[D];杭州电子科技大学;2019年

2 黄杰星;数字乳腺断层成像的快速迭代重建算法研究[D];南方医科大学;2019年

3 蒋运超;微波热声成像重建算法的优化及高性能计算平台的设计[D];电子科技大学;2019年

4 王雅涵;面向图像压缩感知的深度学习重建算法研究[D];北京交通大学;2019年

5 杨炎炎;腹部低剂量扫描联合迭代重建算法的可行性研究[D];广西医科大学;2018年

6 郭帅志;基于最大似然估计的超分辨重建算法研究与FPGA实现[D];中国科学技术大学;2019年

7 华桁;多视点图像的深度重建算法研究[D];北京邮电大学;2019年

8 王阳;基于深度学习的单目室内场景深度估计与重建[D];北京邮电大学;2019年

9 宋晓莹;基于卷积神经网络的超分辨率重建算法研究[D];哈尔滨理工大学;2019年

10 张雁霞;基于压缩感知的能谱CT降噪重建算法研究[D];中北大学;2019年

，

本文编号：2655445