基于压缩感知的CT迭代图像重建技术应用研究

基于压缩感知的CT迭代图像重建技术应用研究

论文摘要

CT成像技术是一种能准确、直观的展示物体内部组织结构信息的技术。近年来,多排螺旋CT技术飞速发展,标志着CT又进入了快速的技术发展阶段。随着CT更加广泛的临床应用,会遇到不完全投影数据重建的情况。比如障碍物的阻挡或者对检查者健康的人性化考虑想缩短扫描时间等。这样获得的投影数据就会不完整。研究如何在不完全投影数据的情况下重建满足临床需求的CT图像,无论从理论上还是实践应用上都具有非常重要的意义。对于不满足数据完备性条件的不完全投影数据,现有的经典滤波反投影类重建方法不能重建出满足临床要求的CT图像,图像出现混叠伪影或是图像不完整。因此,必须寻求新的图像重建方法解决不完全投影数据图像重建问题。与滤波反投影类方法相比,另一类CT图像重建方法-迭代类图像重建算法,具有所需投影数较少,即使信噪比低的情况下也能重建出质量好的图像的突出优点,非常适合不完全投影数据图像重建的情况。因此,采用迭代类图像重建方法是更好的解决路线。同时,压缩感知理论证明了稀疏信号可以由远不满足Shannon/Nyquist采样定理的采样数据精确重建,为解决不完全投影数据CT重建问题提供了很好的思路。本课题基于压缩感知理论,提出并实现了一类适用于不完全投影数据的CT迭代图像重建方法-CSIR算法。该方法将不完全投影CT图像重建问题转化为线性约束条件下的函数最小化问题,并且考虑构造不同的目标函数使结果更加精确。而且CSIR算法还充分利用图像的先验信息来抑止伪影及弥补缺失投影数据。针对不完全投影数据重建问题,我们进行了大量仿真实验研究。仿真实验结果表明,在不完全投影的情况下,CSIR算法重建出的图像不仅没有滤波反投影类算法的混叠伪影,而且重建图像足够精确。这也是传统的迭代类重建方法和单纯的压缩感知算法都无法实现的,评价指标也说明了这点。因此本文CSIR方法能够从不完全投影数据中重建出足够精确的CT断层图像,在临床实践中将具有良好的应用前景。

论文目录

  • 中文摘要
  • ABSTRACT
  • 符号说明
  • 第一章 绪论
  • 1.1 课题的来源及背景
  • 1.2 论文的研究内容和结构
  • 1.3 课题的创新点
  • 第二章 CT原理及图像重建算法
  • 2.1 CT成像原理
  • 2.1.1 CT技术的发展及研究现状
  • 2.1.2 CT成像原理及系统组成
  • 2.2 CT图像重建的基础
  • 2.2.1 物理基础
  • 2.2.2 CT图像重建的数学基础
  • 2.3 图像重建算法
  • 2.3.1 图像重建算法的基本内容及分类
  • 2.3.2 滤波反投影类重建算法
  • 2.4 CT图像重建仿真实验
  • 2.4.1 仿真模型介绍
  • 2.4.2 CT仿真实验平台介绍
  • 第三章 CT迭代图像重建算法
  • 3.1 引言
  • 3.1.1 迭代图像重建的必要性及分类
  • 3.1.2 迭代图像重建的基本问题及原理
  • 3.2 ART迭代方法的研究
  • 3.2.1 基本原理
  • 3.2.2 影响迭代图像重建算法速度和图像质量的关键要素分析
  • 3.3 投影数对迭代图像重建算法图像质量的影响
  • 3.3.1 欠采样情况
  • 3.3.2 有限角情况
  • 3.3.3 两种情况的比较
  • 3.4 总结
  • 第四章 压缩感知理论
  • 4.1 引言
  • 4.1.1 传统采样定理的问题
  • 4.1.2 传统采样定理与压缩感知的比较
  • 4.2 压缩感知理论
  • 4.2.1 基本原理
  • 4.2.2 关键问题分析
  • 4.2.3 压缩感知的应用
  • 4.3 压缩感知与CT图像重建
  • 第五章 基于压缩感知的CT迭代图像重建算法
  • 5.1 引言
  • 5.1.1 数据完备性条件
  • 5.1.2 不完备数据投影重建的思路
  • 5.1.3 最速下降法
  • 5.2 基于压缩感知的CT迭代图像重建
  • 5.2.1 基本思想
  • 5.2.2 基于多目标优化的不完全投影数据重建算法
  • 5.3 CSIR算法的实现
  • 5.3.1 基于CS的CT不完全投影数据重建算法具体实现
  • 5.3.2 目标函数最优化
  • 5.4 实验结果及讨论
  • 5.4.1 综述
  • 5.4.2 欠采样投影数据下的图像重建仿真
  • 5.4.3 有限角情况投影数据下的图像重建仿真
  • 5.4.4 总结
  • 第六章 结论与展望
  • 6.1 结论
  • 6.2 展望
  • 参考文献
  • 致谢
  • 硕士期间发表论文
  • 学位论文评阅及答辩情况表
  • 相关论文文献

    • [1].低照度三维船舶图像的重建方法研究[J]. 舰船科学技术 2018(08)
    • [2].医学图像重建课程的实验教学研究[J]. 时代教育 2014(17)
    • [3].稀疏阵列综合孔径辐射计的欠采样图像重建[J]. 计算机仿真 2020(05)
    • [4].基于压缩感知的医学图像重建方法[J]. 生物医学工程学进展 2019(04)
    • [5].基于虚拟线圈和卷积神经网络的多层同时激发图像重建[J]. 波谱学杂志 2020(04)
    • [6].代数迭代图像重建技术在SPECT图像重建中应用的研究[J]. 中国医疗器械杂志 2010(01)
    • [7].一种全共享低交换并行高分辨太阳图像重建方法[J]. 科学通报 2018(02)
    • [8].卷积神经网络在ECT图像重建上的应用[J]. 辽宁大学学报(自然科学版) 2018(01)
    • [9].基于约束最小二乘法的CT图像重建[J]. 临床医学研究与实践 2018(29)
    • [10].不同采样率对光声图像重建的影响[J]. 应用激光 2016(01)
    • [11].层析γ扫描发射图像重建实验研究[J]. 核电子学与探测技术 2012(11)
    • [12].荧光分子层析成像图像重建研究进展[J]. 中国激光 2018(03)
    • [13].东芝Aquilion 64层螺旋CT机图像重建故障维修[J]. 医疗装备 2010(04)
    • [14].基于梯度旋转的局部分块图像重建[J]. 江苏第二师范学院学报 2017(12)
    • [15].融入背景差分连续重构的心脏医学图像重建[J]. 科技通报 2015(08)
    • [16].Kalman滤波在ECT图像重建中的应用[J]. 电子技术与软件工程 2019(06)
    • [17].光声-超声联合图像重建方法研究进展[J]. 中国医学影像技术 2019(03)
    • [18].基于GPU异构平台的实时CT图像重建系统的研究[J]. 计算机应用研究 2019(06)
    • [19].单张图像重建人脸3D模型的卷积神经网络系统研究[J]. 计算机产品与流通 2019(12)
    • [20].基于深度学习的图像去雾霾研究[J]. 信息技术 2018(08)
    • [21].图像重建及3D虚拟现实技术在经蝶垂体瘤手术中的应用[J]. 系统医学 2018(14)
    • [22].虚拟现实技术的3D激光扫描图像重建[J]. 激光杂志 2017(08)
    • [23].基于统计量的加权函数图像重建方法[J]. 传感器与微系统 2017(09)
    • [24].基于压缩感知的图像重构算法[J]. 科技视界 2019(01)
    • [25].GE Prospeed AI CT[J]. 中国医疗设备 2010(05)
    • [26].结合图像重建和L系统的虚拟水稻模型系统设计[J]. 安徽农业科学 2009(33)
    • [27].基于Radon变换和包络法的CT图像重建问题研究[J]. 齐鲁工业大学学报 2019(02)
    • [28].基于图像重建的智能监控系统教学实验平台设计[J]. 云南民族大学学报(自然科学版) 2017(02)
    • [29].自适应零风格强度图像重建[J]. 现代计算机 2019(13)
    • [30].正则化算法在CT图像重建上的应用[J]. 计算机系统应用 2017(12)

    标签:;  ;  ;  

    基于压缩感知的CT迭代图像重建技术应用研究
    下载Doc文档

    猜你喜欢