低劑量X線(xiàn)CT重建若干問(wèn)題研究.pdf

1、自從上世紀(jì)70年代初首次商業(yè)應(yīng)用以來(lái)，X射線(xiàn)計(jì)算機(jī)斷層(Computed Tomography, CT)成像技術(shù)經(jīng)過(guò)四十余年的發(fā)展，已然成為一種重要的現(xiàn)代醫(yī)學(xué)成像手段之一。X線(xiàn)CT成像技術(shù)憑借其分辨率高、靈敏度高等優(yōu)點(diǎn)在醫(yī)學(xué)臨床診斷中發(fā)揮了不可替代的作用。然而，在為人類(lèi)健康做出重大貢獻(xiàn)的同時(shí)，X線(xiàn)CT卻因相對(duì)較高的輻射劑量限制了其自身的進(jìn)一步發(fā)展。因此，研究適合臨床應(yīng)用的低劑量CT(Low-dose CT, LDCT)成像技術(shù)顯得具有特

2、別重要的意義。
　　本文正是基于這一背景，在分析LDCT成像技術(shù)中若干問(wèn)題的基礎(chǔ)上，重點(diǎn)對(duì)影響LDCT成像質(zhì)量的關(guān)鍵環(huán)節(jié)—成像算法進(jìn)行了比較深入的研究。文中內(nèi)容主要從LDCT含噪投影數(shù)據(jù)的平滑算法研究及傳統(tǒng)濾波反投影(Filtered Back Projection，F(xiàn)BP)直接重建的LDCT圖像質(zhì)量改善算法研究?jī)煞矫嬲归_(kāi)，主要研究工作如下:
　　(1)提出了一種基于各向異性加權(quán)先驗(yàn)?zāi)Ｐ偷腖DCT正弦圖最大后驗(yàn)概率(Maxi

3、mum A Posterior,MAP)平滑算法?；隈R爾科夫隨機(jī)場(chǎng)(Markov Random Field, MRF)的二次先驗(yàn)?zāi)Ｐ褪且环N簡(jiǎn)單而易于求解的經(jīng)典模型。本文在此基礎(chǔ)上，引入了一個(gè)各向異性加權(quán)因子，構(gòu)造出一種各向異性加權(quán)先驗(yàn)?zāi)Ｐ?，并依?jù)含噪正弦圖中邊緣與平坦區(qū)域?qū)υ肼曇种频牟煌枨?，從理論上?duì)各向異性加權(quán)先驗(yàn)?zāi)Ｐ偷臄U(kuò)散特點(diǎn)進(jìn)行了詳細(xì)推導(dǎo)、分析。新先驗(yàn)?zāi)Ｐ湍茏赃m應(yīng)地區(qū)分邊緣與平坦區(qū)域，在擴(kuò)散過(guò)程中依據(jù)不同區(qū)域而改變擴(kuò)散強(qiáng)度與方

4、向。而后將該模型融入到MAP統(tǒng)計(jì)迭代重建算法中，并將其應(yīng)用到LDCT正弦圖的噪聲抑制中，結(jié)合FBP算法，實(shí)現(xiàn)了LDCT重建圖像質(zhì)量的改善。
　　(2)基于字典學(xué)習(xí)及稀疏表示理論，提出了一種聯(lián)合正則項(xiàng)模型，并將其與懲罰加權(quán)最小二乘優(yōu)化算法相結(jié)合，形成一種LDCT含噪正弦圖平滑算法。所構(gòu)建的聯(lián)合正則項(xiàng)包含字典學(xué)習(xí)正則項(xiàng)和二次方正則項(xiàng)，因而兼具邊緣細(xì)節(jié)保持特性與噪聲平滑特性，這主要得益于字典學(xué)習(xí)正則項(xiàng)能很好地刻畫(huà)圖像中邊緣、結(jié)構(gòu)細(xì)節(jié)等信

5、息，而二次方正則項(xiàng)則能實(shí)現(xiàn)良好的噪聲平滑效果。在分析聯(lián)合正則項(xiàng)優(yōu)勢(shì)的基礎(chǔ)上，結(jié)合懲罰加權(quán)最小二乘算法建立了算法模型。為了便于對(duì)所建立的算法模型進(jìn)行求解，文中依據(jù)優(yōu)化轉(zhuǎn)換的思想，推導(dǎo)了相應(yīng)的替代函數(shù)，建立了另一種新的算法模型，進(jìn)而給出了算法的迭代求解公式，將原模型的求解問(wèn)題簡(jiǎn)易化。對(duì)噪聲抑制后的投影數(shù)據(jù)，采用FBP算法重建得到最終LDCT圖像。基于仿真數(shù)據(jù)和實(shí)際掃描數(shù)據(jù)對(duì)提出的新算法性能進(jìn)行了驗(yàn)證。實(shí)驗(yàn)中，通過(guò)對(duì)幾種典型的LDCT正弦圖平

6、滑算法實(shí)驗(yàn)結(jié)果的視覺(jué)效果與SNR值的對(duì)比分析，驗(yàn)證了算法的有效性與優(yōu)越性。
　　(3)提出了一種小波域內(nèi)的方向性非局部均值LDCT圖像處理算法。算法以FBP從含噪投影數(shù)據(jù)直接重建的LDCT退化圖像為處理對(duì)象，是一種重建后處理算法。在分析LDCT圖像噪聲及偽影特點(diǎn)的基礎(chǔ)上，我們將非局部均值濾波思想引入到了LDCT圖像處理中。針對(duì)經(jīng)典非局部均值濾波算法中所采用的高斯加權(quán)核函數(shù)各向同性特點(diǎn)的不足，提出了一種改進(jìn)的距離加權(quán)核函數(shù)—橢圓加權(quán)

7、核函數(shù)。該加權(quán)核函數(shù)具有各向異性的特點(diǎn)，能在邊緣保持與偽影抑制之間取得較好平衡?；跈E圓加權(quán)核函數(shù)，構(gòu)建了一種改進(jìn)的方向性非局部均值濾波算法。算法首先對(duì)LDCT質(zhì)量退化圖像進(jìn)行二維平穩(wěn)小波分解，之后對(duì)得到的各高頻分量分別應(yīng)用改進(jìn)的方向性非局部均值濾波算法進(jìn)行偽影抑制。算法對(duì)于不同方向的高頻分量采用不同方向的橢圓加權(quán)核函數(shù)與橢圓匹配窗。最后基于處理后的各高頻分量，經(jīng)小波逆變換重建出LDCT圖像。通過(guò)實(shí)驗(yàn)詳細(xì)分析了參數(shù)對(duì)算法性能的影響，并給

8、出了參數(shù)選擇的建議?；诜抡娴腖DCT圖像與實(shí)際掃描的LDCT圖像進(jìn)行了算法性能的驗(yàn)證，實(shí)驗(yàn)結(jié)果表明算法在偽影抑制與邊緣保持方面具有較好的平衡效果。
　　(4)提出了一種小波域內(nèi)的LDCT圖像形態(tài)分量分析后處理算法。形態(tài)分量分析是一種剛剛興起不久的現(xiàn)代圖像處理方法，新算法綜合了這一新興方法和小波變換的優(yōu)勢(shì)，具有良好的LDCT圖像偽影去除效果。算法首先對(duì)LDCT圖像進(jìn)行二維平穩(wěn)小波變換，之后基于各高頻分量、采用字典學(xué)習(xí)方法分別進(jìn)行字