先验信息导引的稀疏角度CT重建算法研究

发布时间：2017-05-08 11:08

  本文关键词：先验信息导引的稀疏角度CT重建算法研究，，由笔耕文化传播整理发布。

【摘要】：x射线计算机断层成像(Computed Tomography, CT)作为现代影像学的杰出代表,具有高时间分辨率、空间分辨率及对比度分辨率的特点,已在临床诊断和治疗中广泛使用。大量研究表明,过高的X射线照射剂量将有可能对人体造成重大危害,使癌症或其它遗传性疾病发生的概率大幅提升。因此CT的辐射剂量安全问题成为业界关注的焦点。如何以最小的代价同时最低的X射线剂量获得最佳的图像质量,已经成为临床最为迫切的需求。 降低X射线辐射剂量的方法有很多种,最为典型的是通过降低管电流和缩短曝光时间来降低x射线球管的毫安秒(mAs),此外还可以通过减少扫描采样角度数目实现稀疏角度采样。然而,在降低剂量的同时,上述扫描模式下解析重建的图像质量将严重退化,图像中含有大量的噪声和伪影,严重影响了临床诊断和应用。低mAs技术通过降低入射光子数降低辐射剂量,其投影数据特点主要表现为严重的噪声,随之图像质量将显著退化。针对这种低mAs技术的成像手段主要分为三种方法：第一种方法是直接图像域针对性设计滤波器,对低剂量CT图像中的噪声进行滤波,这种处理方式一般属于图像后处理；第二种方法是根据投影数据的噪声分布特征在投影域建立统计恢复模型,首先在投影域对投影数据进行恢复,然后采用传统滤波反投影(Filtered Back-Projection, FBP)方法进行重建；第三种方法是根据投影数据满足的统计学分布规律,直接构建由投影数据到重建图像的统计迭代目标函数,直接图像域实现CT迭代重建。稀疏角度(Sparse-view)技术通过降低旋转一周的采样数降低辐射剂量,由于降采样,获得的投影数据不满足数据完备性条件,因此采用传统解析算法重建图像中有明显的条形伪影。近年来,针对这类稀疏角度CT重建算法主要分为基于投影域的数据插值或变换的方法和基于图像域的压缩感知迭代重建方法。其中,由于稀疏角度数据缺失比较严重,简单的插值或空间变换迭代并不能得到很满意的重建结果,往往损失了原有的结构及局部细节。而迭代重建算法往往能够精确模拟系统成像几何,因此能够更好的处理X线多能光谱、线束硬化、散射、噪声等多种问题,在CT固有的物理系统建模方面具有较大的优势。因此,同其他方法相比,迭代重建算法能在更好的保持或者提高图像空间分辨力的同时抑制伪影和噪声。 近年来,针对稀疏角度CT图像优质重建的研究主要基于压缩感知(Compress Sensing, CS)算法。CS理论的提出为处理不完全投影数据重建问题提供了新的理论依据。CT中不完全投影数据重建问题从本质上源于傅里叶空间中频谱不充分采样,即采样频率低于奈奎斯特(Nyquist)采样频率。CS理论的原理是：当信号具有某种稀疏表达时,可选择适当的方法,用远低于Nyquist频率的采样对原始信号进行精确重构。由于稀疏采样的投影数据具有不完备性,图像表现为严重的条形伪影。进一步的,Sidky证明了一个信号如果是稀疏表示的,则可以利用全变分(Total Variation, TV)最小化的方法从少量测量数据中精确重建信号。全变分算法由两项组成,即凸集投影(Projection Onto Convex Set, POCS)和梯度下降。POCS进行一致性和非负性约束,梯度下降进行TV最小化获取新的估计图像。在此基础上随后发展出了完善的自适应最速梯度下降-凸集投影算法。 基于压缩感知的迭代重建算法,总体上分为代数迭代重建算法(Algebraic Reconstruction Technique, ART)和统计迭代重建算法(Statistic Iterative Reconstruction, SIR)两种。基于代数迭代重建技术的有限角度重建,其核心思想是将断层测量中的二次投影视为一些通过横截面的未知目标函数的投影集。在这基础上,随后发展出了将全变分约束与凸集投影相结合的方法,并取得了成功。基于压缩感知的代数重建技术重建算法,其最显著的缺点是没有对数据噪声进行统计建模。相较于ART重建算法,SIR重建算法能基于光子统计学建立多种更精确的噪声模型,在降低图像噪声方面有更佳的表现。常规的,在迭代重建过程中,准确建模投影数据的测量方程是得到优质重建的前提和基础,而先验信息(Prior Information)的合理利用能够在一定程度上改善病态重建问题,对于避免求解的多义性及获得高精度重建图像具有非常重要的意义。 目前,在疾病的临床诊断和治疗过程中,常用到反复的CT扫描,如在灌注CT成像、4D-CT成像、CT图像引导的活体组织穿刺检查以及图像引导放疗等过程中。以图像引导放疗为例,除计划阶段CT扫描外,在整个放射治疗阶段,在分次治疗前需对患者进行CBCT扫描来进行定位,在此情况下,患者所接受的累加辐射剂量较常规CT检查扫描将会很高,反复CT扫描增加了罹患肿瘤的风险。在上述反复CT扫描过程中,对同一个病人,先后两次CT扫描的图像之间除了几何位置和不自主运动引起的某些不同外,大部分解剖结构是相同的。换句话说,两次扫描获取的CT图像之间存在大量的冗余信息。然后,事实上,由于扫描时间的差异,成像器官的位置会随着病人的自主和不自主的运动而不断地变化,同时血管或组织密度也可能因为造影剂的注射不断变化。人体器官的运动和增强剂的强弱都会引入前后两次扫描图像的不一致,这种不一致将不可避免的导致最终重建结果的偏差。因此,如何合理利用先前扫描正常剂量图像信息提高最终稀疏角度数据重建图像质量,同时最大限度减少运动和不配准所引入的偏差将成为本次研究的重点。 另外,将降低管电流和稀疏采样这两种低剂量手段加以结合,能够实现超低剂量,其成像技术仍然是一个崭新的领域,针对超低剂量成像的方法将是未来一个热点问题。然而针对同时降低管电流和稀疏采样这类超低剂量问题,由于低管电流引入了大量的噪声,这些噪声严重影响了稀疏角度数据的重建。因此,如何在重建前对投影数据进行预处理,最终实现既降低噪声又抑制伪影的目的,也是本次研究的重点。 归纳起来,本论文的主要内容有： (1)一种先验图像导引的全变分稀疏角度CT迭代重建方法。该方法通过引入先前扫描正常剂量图像提高稀疏角度图像质量。为合理的引入先验图像信息,同时突破传统先验依赖的图像局部邻域内的像素灰度信息的约束,本文利用非局部平均(Non-local Means, NLM)的思想通过在固定大小的搜索窗内检测基于图像块匹配的像素相似性实现基于先验图像的先验信息的有效引入。本算法在惩罚加权最小二乘算法(Penalized Weighted Least-Square, PWLS)框架下实行,结合了TV算法在稀疏角度图像重建中的优越特性。基于以往的工作经验,该算法采用交替最小化方法对目标函数进行求解。在交替过程中,待重建图像不断得到更新,同时用于衡量待重建低剂量图像和正常剂量图像之间相似性的权重也在不断更新。为了验证算法有效性,分别进行了仿真实验和真实数据实验。其中仿真实验分别采用Shepp-Logan体模以及数字NCAT体模,真实数据实验采用一组人体躯干仿真体模数据,分别结合图像视觉效果、噪声分辨率水平以及图像质量评价准则(峰值信噪比,平均百分均方误差、平均百分绝对误差等)对重建结果进行比较。最终实验结果表明,本方法减少了对配准的需求,在边缘细节保持以及噪声和分辨率水平都有显著的提高,实现了稀疏角度CT的优质重建。 (2)一种投影数据恢复导引的超低剂量CT图像重建方法。该方法主要分为超低剂量CT投影数据的PWLS'恢复预处理和基于恢复后投影数据的CT稀疏角度重建两个步骤。本方法首先对获得的超低剂量CT投影数据进行PWLS恢复预处理,去除低管电流所引入的噪声,然后采用基于PWLS框架的TV最小化方法进行统计迭代重建。分别采用数字NCAT模型仿真数据和人体头部真实数据对算法进行了验证。实验中,旋转一周采样值被设定为不同等级用于仿真的稀疏角度投影数据,同时电流强度被设定为不同等级用于仿真不同程度的低mAs投影数据。最终分别结合图像视觉效果和图像质量评价准则(相对均方根误差和平均百分绝对误差等)对重建结果进行比较。结果表明,本方法可实现超低剂量CT的优质重建,实现大幅降低CT辐射剂量的目的。值得一提的是,通过比较可以看出,投影数据的恢复处理这一步的作用显得尤为重要。
【关键词】：稀疏角度CT 先验信息 加权最小二乘 全变分 非局部平均 统计图像重建
【学位授予单位】：南方医科大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP391.41;R814.2
【目录】：

• 摘要3-8
• ABSTRACT8-15
• 第一章 绪论15-20
• 1.1 引言15-17
• 1.2 研究背景17-18
• 1.3 研究内容18-19
• 1.4 组织结构19-20
• 第二章 CT成像原理与低剂量CT概述20-36
• 2.1 引言20-21
• 2.2 CT成像原理21-25
• 2.2.1 CT设备的基本组成21
• 2.2.2 朗伯比尔定律21-22
• 2.2.3 Radon变换22-23
• 2.2.4 傅里叶切片定理23-25
• 2.3 基本重建算法25-29
• 2.3.1 滤波反投影重建算法25-27
• 2.3.2 代数迭代重建算法27-28
• 2.3.3 统计迭代重建算法28-29
• 2.4 低剂量CT成像原理及特点29-33
• 2.4.1 低管电流成像技术30-31
• 2.4.2 稀疏角度成像技术31-33
• 2.5 稀疏角度重建算法33-36
• 2.5.1 压缩感知算法33-34
• 2.5.2 基于压缩感知的代数迭代重建算法34
• 2.5.3 基于压缩感知的统计迭代重建算法34-36
• 第三章 先验图像导引的全变分稀疏角度CT迭代重建36-55
• 3.1 引言36-37
• 3.2 模型与方法37-40
• 3.2.1 惩罚加权最小二乘算法37
• 3.2.2 全变分算法37-38
• 3.2.3 先验图像导引的非局部平均算法38-40
• 3.3 先验图像导引的全变分稀疏角度CT迭代重建40-41
• 3.4 实验与分析41-53
• 3.4.1 重建中各参数的选择41
• 3.4.2 仿真实验41-51
• 3.4.3 真实数据实验51-53
• 3.5 结论与讨论53-55
• 第四章 投影数据恢复导引的超低剂量CT图像重建55-65
• 4.1 引言55-57
• 4.2 投影数据恢复导引的超低剂量CT图像重建57-58
• 4.2.1 投影数据恢复预处理57
• 4.2.2 超低剂量CT稀疏角度重建57-58
• 4.3 实验与分析58-63
• 4.3.1 仿真实验59-62
• 4.3.2 真实数据实验62-63
• 4.4 结论与讨论63-65
• 第五章 总结及展望65-67
• 5.1 工作总结65
• 5.2 工作展望65-67
• 参考文献67-74
• 硕士期间学术成果74-76
• 致谢76-77

【参考文献】

中国期刊全文数据库 前4条

1 王林元;李磊;闫镔;江成顺;王浩宇;包尚联;;稀疏信号恢复理论在CT图像重建中的应用[J];CT理论与应用研究;2009年03期

2 张喜乐;田玲玲;黄静;马建华;张华;冯前进;陈武凡;;基于非局部权值先验和GPU加速的3D低剂量CT成像[J];南方医科大学学报;2011年12期

3 张蕴婉;刘洋;黄静;曾栋;边兆英;张华;马建华;;正常剂量扫描导引的低剂量心血管CT造影图像恢复[J];南方医科大学学报;2013年09期

4 黄桂玲;孙戈新;刘剑平;;心脏CT成像的研究进展[J];中国老年学杂志;2010年21期

中国硕士学位论文全文数据库 前1条

1 刘文磊;低剂量CT成像与稀疏角度重建研究[D];第四军医大学;2013年

  本文关键词：先验信息导引的稀疏角度CT重建算法研究，由笔耕文化传播整理发布。

本文编号：351007