论文部分内容阅读
计算机断层扫描(Computerized Tomography,CT)能够无侵入地提供人体各部位无组织重叠的多方位解剖图像,是临床使用最广泛的成像方式之一。然而它在图像采集过程中产生的X射线辐射有可能引起非癌症疾病和患癌风险。随着医生和患者对辐射问题的关注,低剂量CT(Low Dose CT,LDCT)扫描技术逐渐应用于临床。实际扫描中常通过降低射线管电流的方式来降低辐射剂量,但由该方法扫描得到的投影数据受噪声干扰程度较强,致使重建图像的质量降低,从而影响医学诊断和治疗。因此,研究低剂量CT图像的去噪方法具有重要的临床应用价值。本文基于仿真数据、体模数据和临床数据,从投影域和图像重建域两方面研究了 LDCT噪声去除及伪影抑制方法,旨在提高低剂量CT重建图像的质量。具体工作内容如下:(1)针对降低射线管电流导致的低剂量投影数据噪声增强问题,本文研究了基于全变分最小化的统计迭代去噪方法。首先对投影数据进行预处理,得到入射射线的初始强度,根据探测器的一致性系数对投影数据进行校准。然后根据全变分最小化去噪模型,对预处理之后的投影数据进行统计迭代去噪。将去噪后的投影数据经滤波反投影重建,得到噪声水平较低的重建图像。本研究在投影域对噪声进行抑制,避免了其在重建过程中被映射到整个图像域。将该算法应用于临床头部和肺部投影数据,较好地提升了重建图像质量。(2)针对投影域去噪算法高度依赖于CT厂商的数据采集格式,可移植性差的问题,本文对图像域的噪声去除及伪影抑制方法进行探究,将加权核范数最小化(Weighted Nuclear Norm Minimization,WNNM)算法与三维块匹配滤波(Block-Matching and 3D filtering,BM3D)算法相结合,提出 了 BM3D-WNNM 图像后处理方法,对斑点状噪声和条形伪影都有很好地去除效果,进一步提升了LDCT噪声伪影的去除性能。(3)针对传统图像后处理去噪方法对强度较大的伪影去除效果不佳及区别性伪影抑制字典学习方法的缺点,本文提出了基于在线字典学习的区别性噪声伪影抑制方法。提出的方法设计了两种模式,针对不同类型训练样本进行训练,增强了字典样本训练的灵活性,避免了人工获取噪声样本的主观影响;其次,选用适用于大样本训练的在线字典学习算法进行字典训练,提高了训练速度;最后,本方法提出的由高低剂量体模数据训练得到噪声字典的训练方法,可以为不同机器提供其特有的噪声校准字典,提高了算法的针对性。