中文摘要：

旋转X射线旋转冠状动脉造影成像,是继X射线心血管造影成像发明以来,又一项得到广泛关注的冠状动脉成像技术。同传统造影技术相比，旋转冠状动脉造影技术能够提供更多的信息。冠状动脉的4D重建（3D+T）是目前重建领域一个热门的难点问题。本项目旨在从降低算法复杂性，改善血管重建质量，提高冠状动脉运动估计精度和加快重建优化计算速度四个方面，进行冠状动脉重建算法的研究。本项目研究主要从以下两条思路展开1, 研究基于ECG门控技术的有限角度稀疏投影静态3D重建算法，利用预处理依赖性小的优势，重建血管结构；2，利用自适应模型动态演化算法进行进一步优化，利用其抗干扰性好的优势，进行进一步的优化，并动态更新血管运动参数方程。此外，本项目还将针对冠状动脉4D重建算法收敛速度的改进进行研究，并结合并行处理技术提高运算速度。为算法的临床实现打下基础。

结论摘要：

主要完成的研究工作涉及5个方面 1.旋转X射线仿真模拟平台改进。该研究内容有助于冠状动脉重建算法的测试验证以及定量评估。课题组在前期工作的基础上，改进了冠状动脉仿真系统。课题组利用距离驱动投影算法对CT背景数据和冠状动脉数据进行投影并进行融合，并对算法进行了GPU加速。 2.基于字典的图像稀疏表示及其在医学图像中的应用。课题组结合压缩感知理论，深入研究了基于字典的图像信息稀疏表示，提出了一系列基于字典学习的算法，例如基于字典学习的图像去噪算法，基于字典学习的投影正弦图修补算法等。并将字典学习技术应用于图像修补，提出了一种基于字典修补的血管分割算法。该算法的优势在于分割后额血管结构不含背景信息，符合投影定理，可以直接应用于断层图像重建。 3.自适应L0先验约束下的稀疏角度迭代重建算法。该研究内容被用于ECG门控冠状动脉迭代重建。课题组对前期研究工作“基于L0先验的稀疏角度迭代重建算法”的基础上进行了改进，提出了自适应L0先验约束迭代重建算法。该算法在迭代过程中分析图像体素的邻域信息，根据邻域特征自动选择先验函数参数，能够获得更好的图像平滑性和边界信息保持。 4. 基于CUDA并行化的快速计算模块。课题组利用CUDA并行化技术对字典去噪，字典修补，以及非局部大尺度滤波算法分别进行了优化加速。此外课题组针对三位锥束旋转造影系统的几何特征和投影模型，利用CUDA技术对投影和反投影过程进行了并行优化，取得了显著的效率提升。该研究内容被应用于旋转造影仿真系统的模拟投影和基于ECG门控的稀疏角度迭代重建算法。 5.基于稀疏角度重建和模型演化的二阶段冠状动脉重建算法。课题组根据旋转X射线冠脉造影的成像特征，结合人体心脏运动模型，提出了一种二阶段重建算法，该算法首先根据人体心脏运动和呼吸模型，对旋转X射线造影序列进行了呼吸运动校正，之后利用稀疏角度迭代重建进行粗略重建，并对重建结果进行参数化，获得参数化血管模型，最后利用模型演化算法对模型进行精确修正，最终得到重建结果。该方法能够有效应对旋转X射线序列中造影剂不均匀与背景纹理信息带来的干扰，获得较好的重建结果。