锥形束CT中散射校正与噪声抑制的初步研究

发布时间：2017-08-06 21:01

  本文关键词：锥形束CT中散射校正与噪声抑制的初步研究

  更多相关文章： 锥形束CT 噪声抑制 散射校正 蒙特卡罗模拟 CUDA

【摘要】：近年来,随着肿瘤的发病率以及科学技术的不断提升,放射治疗技术由传统的三维适形放射治疗逐渐演变为精确的图像引导放射治疗(Image-guided Radiation Therapy, IGRT). IGRT是继三维适形放射治疗(3-Dimensional Conformal Radiation Therapy,3D-CRT)和调强放射治疗(Intensity Modulation Radiation Therapy, IMRT)后出现的又一新的放疗技术。IGRT的核心为精确治疗、准确定位以及优化计划,并且尽可能的提高肿瘤靶区内的照射量以及减少正常组织器官的受量来提高治疗增益比。其中锥形束计算机断层成像技术(Cone Beam Computed Tomography, CBCT)因为其自身的扫描速度快、辐射剂量相对较低以及射线利用率相对较高等优点,并且还能解决分次放疗间患者的摆位误差等问题,而广泛利用在IGRT中。相比于传统的体层CT,基于CBCT图像进行计划验证的技术有能降低患者所受辐射剂量且耗时短等优点。但是由于CBCT的探测器信噪比低,且没有遮挡散射的准直器,会存在大量的散射伪影与噪声,导致重建图像的CT值(Hounsfield Unit, HU)不精确,对于后续图像分割、配准等以及医生的诊断产生很大的影响。在CBCT系统成像时,X射线穿过被检测物体会产生的一系列互相作用,导致到达探测器上的成分除了包含原射线以外,还有散射线以及噪声,其中散射线和噪声的存在会严重降低图像质量。虽然提高X射线辐射剂量能够提高原发信号所占信噪比,并获得质量相对高的CBCT图像,但是提高辐射剂量同时会影响到患者的身体健康,可能引发一系列的并发症。因此,在如何避免患者接受不必要的剂量辐射的同时,提高CBCT图像质量是CBCT图像处理领域的热点问题。目前,针对CBCT图像中的散射伪影的研究可以分为两大类：一种是基于硬件的散射校正方法,另一种则是基于软件的散射校正的计算方法。其中,散射校正的硬件校正方法是指在X射线成像系统的某个器件上添加一些校正工具,减少到达x线探测器的散射量从而达到散射校正目的的技术。常用的基于硬件校正方法有：空气间隔方法(air gap)、准直器方法(collimator)以及滤线栅方法(anti-scatter grid)等。散射校正的软件计算方法是指对已经得到的x射线投影图像,依据数字图像处理的方法,在计算机中通过对图像本身的分析和对被照物体的性质的估计,得出一个散射分布图,来进行散射校正。基于软件校正的常用方法有：散射板方法(Beam stop array，BSA)、反卷积法(Beam stop array,BSA)以及蒙特卡罗模拟法(Monte Carlo, MC)等。由于散射线分布的不均匀性(例如在骨头周围的散射线可能大于原射线),导致散射校正后的CBCT图像的噪声信号被增强。因此改进现有的散射校正后的CBCT图像噪声抑制方法,减少噪声对图像的影响,具有重要的研究价值和意义。常用的CBCT图像噪声抑制方法可分为两种：基于硬件的噪声抑制方法和基于软件的噪声抑制方法。基于硬件的噪声抑制方法使用一系列的校正工具来改善和弥补CBCT成像系统本身存在的缺陷,从而达到抑制噪声的目的。基于软件的去噪方法可以从去噪空间和噪声类型两个方面来考虑：在软件去噪空间方法领域中,CBCT图像中的滤波又可分为变换域滤波和空间域滤波。在变化域滤波中,基于传统傅里叶变换的滤波算法并不能达到非常理想的去噪效果,然而相比于基于传统傅里叶变换的滤波算法,小波去噪方法由于具有良好的时频及特征多分辨率性能,成为了当前CBCT图像噪声抑制中主流的方法之一；在空间域滤波方法中,可分为高斯滤波、维纳滤波、非局部均值滤波等。其中高斯滤波和维纳滤波并不能满足CBCT图像去噪的要求,原因在于：传统的高斯滤波,虽然可以得到相对平滑的图像但是同样导致图像边缘过于平滑,这使得医生对于肿瘤靶区的勾画变得更为困难；维纳滤波对于高频部分的去噪效果相对较好,但是其不仅在低对比度的组织中并不适用,而且不能很好的保持图像的边缘。相比于其他的去噪方法,非局部均值滤波拥有优异的噪声抑制性能更能得到研究者的认可,并常被应用到CBCT图像的噪声抑制研究中。在软件去噪中的噪声类型方面区分,还可以分为两大类：一类是与图像不相关的噪声,常见的是CT管电流、管电压等产生的电子噪声,也称高斯噪声。高斯噪声是指噪声的概率密度函数服从于高斯分布(正态分布)。同时,如果高斯噪声功率谱密度服从均匀分布,则可以称之为高斯白噪声,高斯白噪声包括了热噪声以及散粒噪声。另一类是与图像相关的噪声,常见的是由X射线光子引起的量子噪声,也称泊松噪声。对于CBCT图像中存在的泊松噪声,本文提出了一种基于蒙特卡罗(Monte Carlo,MC)模拟的噪声抑制方法。本文使用的蒙特卡罗模拟方法是以概率统计理论为指导的一类数值计算方法。蒙特卡罗方法能够精确的模拟粒子的运输。然而蒙特卡罗方法是真实地模拟实际物理相互作用过程,会导致其计算量过大,模拟速度相对缓慢,这也是往年导致蒙特卡罗方法难以广泛应用的主要原因。随着计算机计算能力的发展,计算机行业从单一使用中央处理器(Central Processing Unit,CPU)转向到CPU与图形处理器(Graphics Processing Unit,GPU)的协作处理。目前,一种可以在GPU上进行并行加速计算的平台CUDA(Compute Unified Device Architecture)的应用越来越广泛,CUDA是由NVIDIA公司推出的拥有强大并行计算能力且可以使用C++、C以及FORTRAN语言编程的平台。GPU与CPU之间的区别在于虽然单个处理器相比于CPU来说运行速度较低,但是GPU中包含了大量的线程处理器,同时,GPU与CPU上内存空间也有很大的差异。CUDA的工作原理是：首先由CPU发送指令到GPU,GPU接受到指令的同时对任务进行并行运算处理,计算结束后,将处理得到的结果返回CPU,这样由于大量数据同步进行计算,工作时间就大大的缩减了。利用CUDA的这种并行处理的特性可以来解决蒙特卡罗模拟方法运算量过大的问题。本文首先分析介绍CBCT图像中存在的散射伪影与噪声的影响与国内外的研究现状,其次分别对于散射校正与噪声抑制方法进行研究,最后深入介绍本文使用的基于蒙特卡罗方法的散射校正方法以及基于泊松分布的投影平滑滤波方法。改进并实现了以下方法：1.基于蒙特卡罗的散射模拟常规方法一般采用含有散射伪影的成像数据作为模体,通过模体的CT(Hounsfield Unit,HU)值获取物质的材料、类型和密度等参数用于蒙特卡罗方法的模拟。由于含散射伪影的图像HU值不精确,所以只进行一次模拟会导致模拟的散射信号不够精确。为了解决这个问题,通过迭代蒙特卡罗模拟的方法进行补偿更正,即当前模体数据是上一次去散射图像重建的结果。通过这样的方法迭代约两到三次就可以获得准确的散射图像,但是模拟时间会成倍增加。本文为了避免多次蒙特卡罗模拟迭代模拟,使用gMCDRR代码包,提出在IGRT中以原始计划的CT图像作为模体图像。这样做的好处在于,使用原始计划的CT图像作为蒙特卡罗模拟的输入数据可以得到更加精确的HU值,进而模拟得到精确的散射信号。首先用原始的CBCT投影进行快速FDK重建,接着以原始计划的CT图像和FDK重建的CBCT图像以卷积形式实现快速刚性配准；然后将偏移配准后的原始计划CT图像作为输入数据,进行蒙特卡罗快速散射模拟。在散射模拟时,采用如下加速技术：降采样蒙特卡罗模拟的模体图像、降低模拟的光子数和在角度方向进行散射信号的稀疏模拟,对模拟出的散射信号进行先验平滑约束和插值。最后在原始投影中减去估计出的散射信号,再进行FDK重建以获得散射伪影校正后的重建图像。2.对于CBCT图像中散射校正后的噪声抑制研究,本文针对的是量子噪声,也就是泊松噪声。首先通过公式推导证明了散射校正后的CBCT图像中噪声信号被增强这一现象的原因,再跟据泊松分布的性质得到本文所用的投影平滑去噪目标函数,最后对目标函数求导,利用连续超松弛迭代逼近最优值。本文分别对真实机器数据以及仿真数据进行了实验,实验所用数据为一组骨盆(Pelvis)模体的CBCT投影,分辨率为512×385×656,体素大小为0.0977×0.0977×0.25cm3。在仿真实验中,信噪比(SNR)从去噪前的19.8dB提升至最优化情况下的26.8dB,同时均方根误差(RMSE)从去噪前的50.7降为最优情况下的22.5。在真实机器数据实验中,均方根误差(RMSE)从去噪前的64.1降至最优情况下的58.2。最后,实验中包括去散射以及去噪在内的整个过程保持在40秒之内完成,提高了本文方法临床应用的可能性。CBCT图像质量的好坏会直接影响到医生的诊断以及后续图像分割、配准等结果的优劣,所以需要拥有良好效果的散射校正以及噪声抑制的方法来改善图像质量。本文对于CBCT系统中散射校正以及噪声抑制方法做了初步研究,取得了初步的研究成果。
【关键词】：锥形束CT 噪声抑制 散射校正 蒙特卡罗模拟 CUDA
【学位授予单位】：南方医科大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;R730.55
【目录】：

• 摘要3-8
• ABSTRACT8-17
• 第一章 绪论17-23
• 1.1 课题研究背景及意义17-18
• 1.2 国内外研究现状及趋势18-21
• 1.3 本文研究内容和安排21-23
• 第二章 CBCT图像散射伪影和噪声简介23-39
• 2.1 CBCT图像中伪影的种类和影响23-25
• 2.2 散射伪影的成因和影响25-28
• 2.3 散射校正的硬件校正方法28-29
• 2.4 散射校正的软件计算方法29-33
• 2.5 医学图像噪声33-36
• 2.6 CBCT图像噪声仿真模型36-38
• 2.7 本章小结38-39
• 第三章 CBCT图像散射校正方法39-45
• 3.1 算法流程39-42
• 3.2 结果与分析42-44
• 3.3 本章小结44-45
• 第四章 CBCT投影去噪方法研究45-60
• 4.1 基于泊松分布的投影平滑去噪方法45-49
• 4.2 算法流程49-51
• 4.3 模体与噪声评估51-53
• 4.4 结果与分析53-59
• 4.5 本章小结59-60
• 第五章 总结与展望60-62
• 5.1 论文主要研究内容总结60
• 5.2 存在的问题及展望60-62
• 参考文献62-68
• 攻读硕士学位期间发表的论文68-69
• 致谢69-71

【相似文献】

中国期刊全文数据库 前2条

1 傅松荣;贾梓平;;体外反搏机电磁阀噪声抑制技术研究[J];中国医疗器械杂志;2006年02期

2 ;[J];;年期

中国重要会议论文全文数据库 前7条

1 邹士新;马远良;杨坤德;雷波;;稳健的匹配场噪声抑制与高分辨目标定位[A];2005年全国水声学学术会议论文集[C];2005年

2 何亮;胡永明;胡正良;;一种用于流噪声抑制的被动湍流控制方法[A];中国声学学会水声学分会2011年全国水声学学术会议论文集[C];2011年

3 王昕;魏有利;李高略;刘富;;多源视频序列噪声抑制融合算法[A];2013年中国智能自动化学术会议论文集（第五分册）[C];2013年

4 郜广军;李林;王涌天;;基于正交多项式函数系的噪声抑制方法[A];大珩先生九十华诞文集暨中国光学学会2004年学术大会论文集[C];2004年

5 宋惠宁;;浅谈SPECT图像处理中的噪声抑制[A];中华医学会医学工程学分会第一次医学影像设备应用技术研讨会论文集[C];1999年

6 张健;付中华;谢磊;赵亚丽;;基于目标声源方位已知的双麦克风噪声抑制[A];第十一届全国人机语音通讯学术会议论文集（二）[C];2011年

7 张健;付中华;谢磊;赵亚丽;;基于目标声源方位已知的双麦克风噪声抑制[A];第十一届全国人机语音通讯学术会议论文集（一）[C];2011年

中国博士学位论文全文数据库 前6条

1 王梦蛟;混沌信号的噪声抑制研究[D];华南理工大学;2015年

2 谢宗伯;信号的噪声抑制理论与技术研究[D];华南理工大学;2010年

3 张俊峰;圆截面非晶细丝复合材料微波噪声抑制特性的研究[D];钢铁研究总院;2012年

4 杨党国;内埋武器舱气动声学特性与噪声抑制研究[D];中国空气动力研究与发展中心;2010年

5 邹士新;稳健匹配场反演与噪声抑制技术研究[D];西北工业大学;2006年

6 陈国忠;SAR图像纹斑噪声抑制算法研究[D];上海交通大学;2008年

中国硕士学位论文全文数据库 前10条

1 岳海林;超声合成聚焦信号噪声抑制与相位校正技术研究[D];西南交通大学;2015年

2 李银;锥形束CT中散射校正与噪声抑制的初步研究[D];南方医科大学;2016年

3 杜培宇;基于自适应滤波器的噪声抑制技术研究[D];山东大学;2005年

4 杨克雄;基于零差相干光通信的激光噪声抑制技术研究[D];电子科技大学;2015年

5 张兆伟;语音中瞬态噪声抑制算法研究[D];大连理工大学;2013年

6 曾爱琴;红外接收器中噪声抑制的研究与设计[D];西安电子科技大学;2013年

7 段树华;列车车辆通讯终端音源噪音抑制软件开发及管理[D];吉林大学;2012年

8 丁亮;SAR图像纹斑噪声抑制算法研究[D];上海交通大学;2007年

9 曾秋云;高速电子系统电源分配网络噪声抑制与隔离[D];西安电子科技大学;2014年

10 刘实;InSAR干涉纹图噪声抑制方法研究[D];湖南大学;2007年

，

本文编号：631393