低剂量X射线CT重建算法研究-东篱科研大数据发现系统（DRDS）

位置：立项数据库 > 立项详情页

低剂量X射线CT重建算法研究

项目名称：低剂量X射线CT重建算法研究
项目类别：面上项目
批准号：61071192
申请代码：F010401
项目来源：国家自然科学基金
研究期限：2011-01-01-2013-12-31

项目负责人：桂志国
负责人职称：教授
依托单位：中北大学
批准年度：2010

中文摘要：

近年来，低剂量X射线CT技术由于辐射危害小的优点逐渐成为CT技术发展中的一个热点。但低剂量射线扫描存在最明显的缺点是观测数据噪声大，由此导致了成像质量的下降。针对这一问题，本课题主要研究低剂量X射线CT成像技术中的关键问题-图像重建算法。首先对建立观测数据的准确模型、观测数据的相关性进行详细研究；继而，研究投影域中基于离散小波变换的自适应滤波、基于噪声类型的自适应滤波等自适应类噪声处理方法，以期达到有效滤除噪声的目的；之后，重点研究统计重建方法等，研究基于K-L域的最大后验概率重建方法、构造了新的图像先验分布模型；最后，针对统计重建算法速度慢的不足，对有序子集类加速算法、基于计算机显卡的重建算法的加速技术进行研究。本课题中的去噪算法具有抑制噪声与保持图像分辨率的优点，重建算法具有收敛速度快、重建图像质量好的优点。因此,本课题具有重要的理论意义和实用价值。

中文主题词：低剂量；统计重建；Bayes重建；先验模型；加速算法

英文摘要：

low-dose；statistical reconstruction；Bayes reconstruction；priori model；accelerated algorithm

英文主题词： low-dose；statistical reconstruction；Bayes reconstruction；priori model；accelerated algorithm

结论摘要：

低剂量CT(Computed Tomography)因其大大降低了辐射剂量而广泛用于现代医疗中。然而，随着辐射剂量的减少，扫描过程中投影数据受到随机噪声的污染，导致重建图像中存在明显的条形伪影。为解决上述问题，本课题主要研究了CT 投影数据的噪声统计特性，对投影图像噪声进行有效建模。我们在此模型的基础上研究了投影数据自适应恢复算法，较之于传统的滤波器，自适应滤波器针对投影数据每一个坐标位置的不同类别的像素特性，使用不同的滤波器以达到更优的滤波效果，明显消除了重建图像中的伪影；设计出惩罚最小加权二乘重建算法中更准确、更符合实际的图像先验模型，以达到既能抑制图像噪声，又能保持边缘的目的，项目研究结果表明重建图像在信噪比的提高方面有了很大的改善；在基于统计信息的各向异性滤波器的基础上，利用局部模糊熵来判断边缘和平滑区域，新的扩散模型能有效地控制扩散程度，大大提高了扩散速度，达到快速恢复投影数据的目的。仿真实验和实际数据试验结果表明，基于局部模糊熵的自适应恢复方法能够得到高信噪比的重建图像，且与传统算法相比，缩短了对投影数据的处理时间，从而减轻了辐射对患者的危害。　　本课题的研究致力于以最低的辐射剂量获得最佳的CT诊断影像，可以大大减少患者在CT扫描过程中吸收的辐射剂量，提高我国医学设备自主开发的水平，对于我国医学领域的发展具有极大的促进作用，既具有重要的学术意义，又有巨大的实用价值。

成果综合统计