基于自适应迭代的有限投影CT图像重建

摘要

X射线计算机断层成像是一种医学成像技术，该技术被广泛应用于疾病的诊断与治疗等领域中。研究表明X射线的辐射可能诱发癌症。为了降低CT扫描的患癌风险，有必要减少射线的辐射剂量。在有限投影数据条件下，迭代算法展现了其重建出高质量图像的潜力。本文对有限投影数据重建算法展开研究，主要研究内容如下:
　　(1)本文提出了两种自适应调整步长的CT图像重建算法。两种算法均将重建问题视为有约束的总变分最小化问题，采用两步式交替求解策略:凸集投影运算实现数据一致性约束和非负约束，最速下降法实现总变分最小化。本文所提算法根据凸集投影运算前后图像域或投影域的预测数据的变化值调整总变分最小化的下降步长，根据投影数据的噪声水平确定凸集投影的更新步长。本文设置了一个误差阈值，当投影误差小于阈值时，不进行凸集投影更新以减小算法的计算量。仿真数据和真实物体数据证明了本文两种算法的可行性。
　　(2)考虑到光子数检测过程的统计特性，本文将CT图像重建问题视为带惩罚项的加权最小二乘优化问题，并将此问题转化为一个有约束的总变分最小化问题。通过交替进行总变分最小化和数据一致性约束求解该问题。采用一阶原始对偶算法实现总变分最小化，而采用凸集投影实现数据一致性约束和非负约束。本文提出的这种一阶原始对偶-凸集投影算法，包括一个隐式的平衡控制机制，用于控制凸集投影和一阶原始对偶算法运算过程的平衡。该算法开始时，凸集投影具有较大作用，一阶原始对偶算法实现的总变分最小化具有较小的作用，促使中间结果迅速满足数据一致性约束。再通过省略部分凸集投影，增强TV最小对结果的作用。本文算法与经典的ASD-POCS算法进行了实验对比，比较了算法重建图像的图像质量。所提算法还与一个保证收敛的一阶原始对偶算法Sidky-A7算法进行实验对比，研究了算法的收敛性。实验结果表明，本文算法可以以简单的参数调整完成重建过程，且重建的图像质量较好，算法的收敛速度较快。

目录

声明

摘要

第1章 绪论

1．1 引言

1．2 课题的研究现状和研究意义

1．3 论文的主要工作及结构安排

1．3．1 论文的主要工作

1．3．2 论文的结构安排

第2章 CT图像重建理论基础

2．1 CT成像系统

2．2 CT成像基本原理

2．2．1 投影定理

2．2．2 Radon变换

2．2．3 中心切片定理

2．3 投影矩阵的离散模型

2．4 解析重建算法

2．4．1 滤波反投影算法(Filtered Backprojection，FBP)

2．4．2 三维滤波反投影算法(FDK)

2．5 迭代重建算法

2．5．1 代数迭代重建算法

2．5．2 统计迭代重建算法

2．6 本章小结

第3章 自适应步长调整的CT迭代重建算法

3．1 重建算法的目标函数

3．2 重建算法的过程

3．2．1 约束项的凸集投影(POCS)

3．2．2 最速下降实现总变分最小化

3．3 实验与结果分析

3．3．1 数字幻影数据的重建

3．3．2 物理幻象数据的重建

3．3．3 算法的稳定性分析

3．4 本章小结

第4章 基于稀疏正则项的CT重建算法

4．1 该重建问题的目标函数

4．2 有约束的TV最小化算法

4．2．1 约束项的凸集投影操作

4．2．2 总变分最小化的一阶原始对偶求解过程

4．2．3 一阶原始对偶-凸集投影算法

4．3 实验设置及图像质量评估指标设置

4．3．1 投影数据

4．3．2 评价指标

4．3．3 实验选用的对比算法

4．4 实验结果

4．4．1 不同噪声水平条件下的实验结果

4．4．2 不同投影角度个数条件下的实验结果

4．4．3 算法收敛性研究

4．4．4 CBCT数据的实验结果

4．4．5 伪真实投影数据的实验结果

4．5 本章小结

第5章 总结与展望

5．1 本文总结

5．2 工作展望

参考文献

发表论文和参加科研情况说明

致谢