基于字典学习的低剂量CT图像处理方法

发布时间：2023-01-30 08:40

　　X射线计算机断层成像（X-ray Computed Tomography, CT）作为一种成熟的检查方法,在临床上已经被普遍认可,成为了放射诊断领域内不可或缺的主要工具之一。然而,随着CT断层扫描的普及,CT扫描中的辐射剂量问题已经越来越多地引起了人们的关注。超过正常范围的辐射剂量易诱发人体新陈代谢异常甚至引发癌症。通过调节管电流和电压可以减少CT扫描剂量,但会在重建图像中增加噪声以及具有方向性的条状伪影,降低CT重建图像质量,从而影响临床医生对异常组织的确诊率。本文将主要研究基于字典学习的低剂量CT图像处理算法,具体内容包括以下几个方面：基于字典学习的稀疏表示方法是最近提出的一种信号/图像处理方法。这种方法首先训练出一个全局过完备字典,之后将目标图像拆分成若干很小的图块,并对每个图块进行稀疏编码,令其用一个过完备字典中的很少的几个基（原子）通过线性组合进行表示。在这一过程中,通过控制参数,可以使正常结构得到表示,而伪影噪声很难被稀疏表示,从而达到去噪/去伪影的目的。基于字典学习的稀疏表示方法已被证实在低剂量腹部CT图像中能够实现较好的图像恢复效果。本文中将继续探索该方法在头部灌注CT... 

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 课题背景和意义
        1.1.1 CT设备的组成和成像原理
        1.1.2 CT中噪声和伪影
        1.1.3 X射线辐射和低剂量CT的临床意义
        1.1.4 CT剂量和降低剂量的方法
    1.2 国内外研究现状
    1.3 研究的主要内容
    1.4 论文组织结构
第二章 基于稀疏表示的低剂量CT图像处理
    2.1 稀疏表示
        2.1.1 稀疏表示问题
        2.1.2 匹配追踪算法
        2.1.3 OMP算法
    2.2 生成图像字典的方法
        2.2.1 K-SVD算法
    2.3 基于稀疏表示的低剂量CT图像处理
    2.4 实验结果与分析
    2.5 本章小结
第三章 三维稀疏表示方法及应用
    3.1 背景介绍
        3.1.1 心脏CT简介
        3.1.2 脑部灌注CT简介
    3.2 三维字典学习及稀疏表示方法
    3.3 实验结果与分析
        3.3.1 心脏CT实验结果及分析
        3.3.2 脑部灌注CT实验结果及分析
    3.4 本章小结
第四章 伪影抑制字典学习方法
    4.1 伪影抑制字典学习方法
    4.2 实验结果与分析
        4.2.1 实验准备
        4.2.2 DSR步骤的小波域效果展示
        4.2.3 视觉评价
        4.2.4 定量评价
        4.2.5 质量评价
        4.2.6 计算量分析
    4.3 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
致谢
参考文献
作者简介



本文编号：3732899