【摘要】：作為一種醫(yī)學輔助診斷技術(shù),計算機斷層成像(Computed Tomography,CT)在各種疾病的診斷中發(fā)揮著重要的作用。但是,由于其放射強度相對較大,對人體會造成不可逆的傷害,導致在臨床應用中具有一定的局限性。因此,降低CT設備的放射劑量,研制新一代低劑量CT成像設備越來越得到人們的期盼。然而,隨著放射劑量的大幅度降低,會嚴重地影響CT投影數(shù)據(jù)的信噪比,造成重建圖像的嚴重退化失真,傳統(tǒng)的圖像重建技術(shù)已經(jīng)無法滿足需求。因此,正確地分析低劑量投影數(shù)據(jù)的特性,并根據(jù)其特性發(fā)展針對于低劑量場條件下的快速、精準的重建算法,這具有重要的實際使用價值。本文研究內(nèi)容就是基于新一代低劑量CT設備的研制,開展了高精度快速迭代的重建算法研究。主要工作包括:1)對CT的成像原理進行了闡述與分析,研究了低劑量CT系統(tǒng)產(chǎn)生的投影數(shù)據(jù)的噪聲特性,建立了相應的噪聲統(tǒng)計模型。低劑量CT的投影數(shù)據(jù)服從Poisson分布,并受Gaussian噪聲的影響。在此基礎上,對低劑量CT的投影模型進行了計算機仿真。2)提出了一種可調(diào)動態(tài)自適應(ADSA-OSEM)算法來提高成像質(zhì)量。基于低劑量投影數(shù)據(jù)的統(tǒng)計特性,改進了迭代重建算法以適應低劑量CT數(shù)據(jù)。該方法將變子集策略與約束優(yōu)化的懲罰函數(shù)相結(jié)合,取代了傳統(tǒng)的具有固定子集的OSEM方法。通過與經(jīng)典的OSEM方法和FBP方法的比較,驗證了該方法的有效性和優(yōu)越性。通過對自適應參數(shù)的靈活調(diào)整,結(jié)果表明該方法需要的迭代次數(shù)少,重建圖像質(zhì)量也高,能夠有效地抑制粒度噪聲和條紋狀偽影。3)進一步地,提出了基于Bregman迭代正則化的OSEM(Bregman-OSEM)方法。針對于CT圖像重建問題是經(jīng)典的不適定反問題,現(xiàn)有的正則化方法已被證明在一定程度上能優(yōu)化解決這個問題。然而,由于它們的正則項是固定的,對低劑量情況下的適應性欠佳。Bregman迭代利用了 Bregman距離導出的自適應距離約束函數(shù),其能夠使得原來固定的正則優(yōu)化變?yōu)橹鸩阶兓恼齽t迭代,使求解過程更精細優(yōu)化。往往能在高頻噪聲被引入之前,收斂圖像,保持圖像的平滑性和精細結(jié)構(gòu)。本文比較了 Bregman-OSEM與經(jīng)典的FBP、OSEM和基于全變分正則化的OSEM(TV-OSEM)算法。通過計算機仿真結(jié)果表明,Bregman-OSEM能夠保持圖像的精度的同時,提高重建圖像的信噪比。該算法是一種處理低劑量CT圖像重建的十分有效的方法。
【圖文】：

圖１．邋１兩種掃描系統(tǒng)逡逑

圖２．１世界上第一張Ｘ射線照片（左〉和ＣＴ成像照片（右）逡逑
【學位授予單位】：杭州電子科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：R814;TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 姜永生;于燕燕;;一種適用于小視野的快速精確重建算法[J];東北大學學報(自然科學版);2012年12期

2 王振天;張麗;邢宇翔;康克軍;;統(tǒng)計重建算法綜述[J];CT理論與應用研究;2007年04期

3 盧建宇,韋鈺;合成孔徑超聲衍射CT付里葉域插值重建算法的研究[J];中國醫(yī)學影像技術(shù);1988年01期

4 薛慧亮;韋鈺;;反射模扇形束入射衍射CT的重建算法[J];南京工學院學報;1988年04期

5 張芳;張權(quán);崔學英;董嬋嬋;劉yN;孫未雅;白云蛟;桂志國;;基于小波和非局部的全變差中值先驗重建算法[J];計算機工程與設計;2015年08期

6 惠苗;;螺旋錐束精確重建算法優(yōu)化[J];三明學院學報;2012年04期

7 馬永波;陳龍;王國胤;聶能;黎龍;;基于有限狀態(tài)機的一種事件重建算法[J];計算機應用研究;2007年06期

8 夏靖波,魏穎,陸增喜,褚改霞;基于最大熵電容成象圖象重建算法的研究[J];控制與決策;2000年04期

9 伍曉平,谷士文,費耀平,劉應龍,李杰;基于遺傳算法的圖象重建算法[J];計算技術(shù)與自動化;2000年01期

10 譚建榮;一個連通域的重建算法[J];工程圖學學報;1993年02期

相關(guān)會議論文 前10條

1 伍曉平;谷士文;費耀平;劉應龍;李杰;;基于遺傳算法的圖象重建算法[A];中國圖象圖形科學技術(shù)新進展——第九屆全國圖象圖形科技大會論文集[C];1998年

2 杲霄源;譚晶文;潘自來;石博文;朱蘭;張歡;;原始數(shù)據(jù)迭代重建算法在胃癌術(shù)前分期診斷中的應用價值研究[A];中國中西醫(yī)結(jié)合學會醫(yī)學影像專業(yè)委員會第十五次全國學術(shù)大會暨上海市中西醫(yī)結(jié)合學會醫(yī)學影像專業(yè)委員會2017年學術(shù)年會暨《醫(yī)學影像新技術(shù)的臨床應用》國家級繼續(xù)教育學習班資料匯編[C];2017年

3 朱欣陽;;不同迭代重建算法提高低劑量圖象質(zhì)量的應用[A];中國中西醫(yī)結(jié)合學會醫(yī)學影像專業(yè)委員會第十五次全國學術(shù)大會暨上海市中西醫(yī)結(jié)合學會醫(yī)學影像專業(yè)委員會2017年學術(shù)年會暨《醫(yī)學影像新技術(shù)的臨床應用》國家級繼續(xù)教育學習班資料匯編[C];2017年

4 蘇俊宏;朱日宏;陳磊;;基于塊重建算法的干涉圖延拓方法研究[A];第十一屆全國光學測試學術(shù)討論會論文（摘要集）[C];2006年

5 徐啟飛;顏剛;陳武凡;;關(guān)于序列圖像的超分辨率重建算法[A];中國生物醫(yī)學工程進展——2007中國生物醫(yī)學工程聯(lián)合學術(shù)年會論文集（上冊）[C];2007年

6 王新波;李學軍;王林旭;;一種基于綜合搜索策略的表面增量重建算法[A];全國第19屆計算機技術(shù)與應用（CACIS）學術(shù)會議論文集（下冊）[C];2008年

7 韓冬;陳曉俠;任占麗;雷雨欣;賀太平;賈永軍;馬春玲;于勇;;基于低單能量水平圖像結(jié)合自適應迭代重建算法探討低碘負荷在門靜脈成像中的應用[A];中國中西醫(yī)結(jié)合學會醫(yī)學影像專業(yè)委員會第十五次全國學術(shù)大會暨上海市中西醫(yī)結(jié)合學會醫(yī)學影像專業(yè)委員會2017年學術(shù)年會暨《醫(yī)學影像新技術(shù)的臨床應用》國家級繼續(xù)教育學習班資料匯編[C];2017年

8 李亮;陳志強;張麗;邢宇翔;康克軍;;內(nèi)部感興趣區(qū)域CT精確重建算法新進展[A];全國射線數(shù)字成像與CT新技術(shù)研討會論文集[C];2009年

9 李梅;毛善君;馬藹乃;;平行輪廓線三維礦體重建算法研究[A];第十五屆全國遙感技術(shù)學術(shù)交流會論文摘要集[C];2005年

10 李亮;陳志強;張麗;康克軍;;CT精確重建算法新進展[A];全國第五屆核儀器及其應用學術(shù)會議論文集[C];2005年

相關(guān)重要報紙文章 前1條

1 本報記者 劉正午;更快 更清 更安全[N];醫(yī)藥經(jīng)濟報;2004年

相關(guān)博士學位論文 前10條

1 賈睿璽;基于超聲波溫度檢測的溫度場重建算法與實驗研究[D];重慶大學;2018年

2 彭冬;吸收光譜技術(shù)在復雜流場診斷中的應用研究[D];中國科學技術(shù)大學;2019年

3 竇少彬;CT圖像優(yōu)化重建算法研究[D];中國科學技術(shù)大學;2019年

4 楊立山;圖信號采樣與重建研究[D];北京郵電大學;2018年

5 羅戎蕾;基于小波多分辨率分析的圖像重建算法研究[D];浙江大學;2004年

6 萬雄;發(fā)射光譜層析算法研究及其三維流場重建應用[D];南京航空航天大學;2005年

7 霍修坤;錐束CT直接三維成像算法研究[D];安徽大學;2005年

8 王瑜;基于DSA掃描軌跡的錐束重建算法研究[D];大連理工大學;2008年

9 李志霖;基于先驗信息的壓縮感知重建算法研究[D];北京郵電大學;2017年

10 李志林;圖像壓縮感知重建算法研究[D];北京交通大學;2012年

相關(guān)碩士學位論文 前10條

1 陳彬;基于低劑量場新一代CT的重建算法研究[D];杭州電子科技大學;2019年

2 黃杰星;數(shù)字乳腺斷層成像的快速迭代重建算法研究[D];南方醫(yī)科大學;2019年

3 蔣運超;微波熱聲成像重建算法的優(yōu)化及高性能計算平臺的設計[D];電子科技大學;2019年

4 王雅涵;面向圖像壓縮感知的深度學習重建算法研究[D];北京交通大學;2019年

5 楊炎炎;腹部低劑量掃描聯(lián)合迭代重建算法的可行性研究[D];廣西醫(yī)科大學;2018年

6 郭帥志;基于最大似然估計的超分辨重建算法研究與FPGA實現(xiàn)[D];中國科學技術(shù)大學;2019年

7 華桁;多視點圖像的深度重建算法研究[D];北京郵電大學;2019年

8 王陽;基于深度學習的單目室內(nèi)場景深度估計與重建[D];北京郵電大學;2019年

9 宋曉瑩;基于卷積神經(jīng)網(wǎng)絡的超分辨率重建算法研究[D];哈爾濱理工大學;2019年

10 張雁霞;基于壓縮感知的能譜CT降噪重建算法研究[D];中北大學;2019年

，

本文編號：2655445