計算機斷層成像（Computed Tomography,CT）技術(shù)己成為當今社會一種最偉大的的成像技術(shù)之一,已經(jīng)深深影響著人類的生活。X射線CT的作用是掃描物體的內(nèi)部結(jié)構(gòu)信息獲取投影數(shù)據(jù)進行重建過程。在過去幾十年中,關(guān)于這一技術(shù)得到了蓬勃發(fā)展,目前應(yīng)用最廣泛的算法是濾波反投影算法（Filtered Back Projection,FBP）,在投影數(shù)據(jù)是完備的情況下,該方法可以重建出高質(zhì)量的圖像。X射線CT圖像要想獲得清晰的成像效果,掃描角度范圍要超過180°,但在放射應(yīng)用中常常受到許多制約,只能在有限的旋轉(zhuǎn)角度范圍內(nèi)（小于180°）對成像物體進行掃描,此時獲得的投影數(shù)據(jù)是不完備的。比如:由于要在（1）在工業(yè)領(lǐng)域,現(xiàn)場檢查受到管道環(huán)境的限制,X射線源只能在有限的旋轉(zhuǎn)角度范圍內(nèi)旋轉(zhuǎn),此時獲得的投影數(shù)據(jù)是不完備的。（2）在醫(yī)學領(lǐng)域,當使用牙科CT掃描對象時,由于要受到掃描目標的對象幾何結(jié)構(gòu)影響,也只能在有限的旋轉(zhuǎn)角度范圍內(nèi)掃描數(shù)據(jù);當使用CT對胸腔和乳腺成像并進行醫(yī)學診斷時,情況也類似。（3）在某些特殊應(yīng)用中,為了節(jié)省掃描時間和減少輻射劑量,在有限的旋轉(zhuǎn)角度內(nèi)采集投影數(shù)據(jù)也是一種不錯的措施。... 

【文章來源】：南京郵電大學江蘇省

【文章頁數(shù)】：58 頁

【學位級別】：碩士

【部分圖文】：

X射線下倫琴夫人的手骨和戒指

南京郵電大學專業(yè)學位碩士研究生學位論文緒論2（3）在地質(zhì)領(lǐng)域，CT技術(shù)早已造福于地球資源勘探、地質(zhì)構(gòu)造分析、考古等領(lǐng)域。雖然CT在不同的領(lǐng)域都擁有著不同的應(yīng)用，但它們具有共同的數(shù)學和計算基礎(chǔ)：CT重建的核心理論。本文中研究對象主要是面向醫(yī)學CT圖像，因此接下來使用的數(shù)據(jù)都是醫(yī)學CT影像。下面簡單介紹一下有限角CT圖像和完備投影CT圖像的對比。圖1.2左圖為90°投影CT圖像，右圖為完備投影CT圖像從圖1.2可以看到，雖然90°投影CT影像重建影像減少了患者所受到的X射線劑量，在一定程度上了減少了輻射，但是90°投影CT影像同時表現(xiàn)出很多滑坡偽影，許多細節(jié)已經(jīng)消失，完全觀察不到病灶所在的位置，在醫(yī)療診斷中非常不利于醫(yī)生的診斷，右圖是完備的投影CT圖像，視覺上很清晰。本文的研究課題就是將類似于左圖有限角CT圖像重建為右邊清晰大圖，因此有限角度CT圖像的重建具有極其重大的作用。1.2國內(nèi)外研究現(xiàn)狀近些年來，研究者們陸續(xù)針對有限角CT圖像重建提出了許多有建設(shè)性的方法。接下來闡述一些比較經(jīng)典的方法。正交函數(shù)方法[2]的主要內(nèi)容為:首先，它使用一組特定的正交基來擴展投影數(shù)據(jù)或傅立葉變換后的數(shù)據(jù)，并依據(jù)已知掃描范圍的投影數(shù)據(jù)估計擴展系數(shù)。從原理來說下，正交函數(shù)法能夠恢復出大部分缺失的投影數(shù)據(jù)，但是該方法也有一個缺陷：重建過程中對噪聲比較敏感，一旦被重建圖像中有許多細微的噪聲，重建效果就會變得很差。Jüirgen[3]等人通過對平行光束掃描方法進行了局部分析，闡述了在有限角度CT圖像重建出現(xiàn)滑坡偽影，導致一部分目標信息無法被重建的原因。之后他又提出了一種改進的FBP算法來消除重建過程中出現(xiàn)的額外奇點。但如果重建圖像中奇點數(shù)量過多，而改進的算法僅僅能過濾一定數(shù)量的奇點，因此重建效果并不能令

南京郵電大學專業(yè)學位碩士研究生學位論文第二章相關(guān)背景知識介紹4第二章相關(guān)背景知識介紹2.1深度學習基礎(chǔ)知識了解眾多周知，近些年來人工智能（ArtificialIntelligence）來發(fā)展地如火如荼，其實AI這個概念最早在1956年在美國召開Dartmouth會議上就提出了，到目前也有將近65年的歷史了。因為當時計算機發(fā)展比較滯后，相對來說計算能力也要匱乏很多。與當前動則需要訓練成千上萬參數(shù)的網(wǎng)絡(luò)相比，當時面臨的挑戰(zhàn)要大很多，所以在當時來看還是以理論發(fā)展為主。深度學習屬于人工智能的一個分支，根據(jù)人類大腦的模型而提出，人類的大腦有140億個神經(jīng)元，這些神經(jīng)元有序的連接在一起，根據(jù)神經(jīng)末梢的突觸來傳遞信息給下一個神經(jīng)元，從而進行處理一系列動作，對外界環(huán)境做出相應(yīng)的變化。對人類來說，分清一種物體的類別是一件很簡單的事情，但是對于計算機來說卻是一件很困難的事情，因為機器不能向人類一樣向外界學習知識。到了上世紀80~90年代，科學家們根據(jù)生物的視覺感知（visualperception）[13]機制提出了卷積神經(jīng)網(wǎng)絡(luò)（ConvolutionalNeuralNetworks,CNN）[14]這一概念，CNN具有深度結(jié)構(gòu)，卷積層與卷積層之間由卷積核連接。這種理念類似于人類大腦中的突觸。一個完整的卷積神經(jīng)網(wǎng)絡(luò)一般由輸入層、卷積層、池化層、激勵函數(shù)層、全接連層和輸出層組成。其中卷積層是卷積神經(jīng)網(wǎng)絡(luò)的核心，卷積層中的卷積核具有局部連接和權(quán)值共享兩大特性，局部連接的意思是卷積核只與上一層的局部參數(shù)進行連接，權(quán)值共享表示的是每一個卷積核中的的權(quán)值對都是固定的。這兩個特性大大減少了神經(jīng)網(wǎng)絡(luò)中的參數(shù)量。圖2.1表示一個經(jīng)典的卷積過程。圖2.1卷積過程示意圖

【參考文獻】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的隨機梯度下降算法[J]. 王功鵬,段萌,牛常勇.  計算機工程與設(shè)計. 2018(02)
[2]基于改進TV-ART的變電壓CT重建算法[J]. 李權(quán),潘晉孝.  青島科技大學學報(自然科學版). 2015(04)
[3]比較兩種低劑量CT迭代重建法與常規(guī)劑量濾波反投影重建法的圖像質(zhì)量[J]. 楊晶,高艷,李坤成,杜祥穎,李巖.  中國醫(yī)學影像技術(shù). 2014(01)
[4]正交函數(shù)法的基本原理及其在藥物分析中的應(yīng)用[J]. 吳玉田.  國外醫(yī)學.藥學分冊. 1981(04)



本文編號：3491821