X射線(xiàn)計(jì)算機(jī)斷層成像（Computed Tomography,CT）技術(shù)作為一種檢測(cè)手段,因其具有成像清晰、檢測(cè)時(shí)間短以及檢測(cè)成本較低等優(yōu)點(diǎn),使其在臨床疾病篩查、檢測(cè)以及病情追蹤等方面的應(yīng)用越來(lái)越廣泛。但隨著CT檢測(cè)數(shù)量的增加,過(guò)量輻射帶來(lái)的疾病問(wèn)題越來(lái)越受到重視。目前,臨床上通常采取的降低劑量手段是降低管電流,此時(shí)探測(cè)器接收光子數(shù)下降,使得解析重建得到的CT圖像充滿(mǎn)斑點(diǎn)噪聲和條形偽影,進(jìn)而干擾醫(yī)師對(duì)病情的診斷與分析。因此,如何在降低CT輻射劑量的同時(shí),保證CT的成像質(zhì)量是低劑量CT研究領(lǐng)域的一個(gè)重要研究課題。為解決低管電流情景下CT圖像質(zhì)量下降的問(wèn)題,本文結(jié)合稀疏表示領(lǐng)域的知識(shí),通過(guò)圖像后處理法和統(tǒng)計(jì)迭代重建法實(shí)現(xiàn)低劑量CT圖像的成像質(zhì)量的提高。具體內(nèi)容涵蓋以下幾個(gè)方面:（1）利用學(xué)習(xí)型稀疏變換對(duì)信息的稀疏表示能力,并結(jié)合圖像分解理論,提出了一種基于學(xué)習(xí)型稀疏變換的低劑量CT圖像后處理方法,通過(guò)學(xué)習(xí)型稀疏變換對(duì)特定信息的稀疏表達(dá),實(shí)現(xiàn)低劑量CT圖像組織結(jié)構(gòu)信息與噪聲、偽影信息的分離,從而達(dá)到去除噪聲與偽影的目的,最后實(shí)現(xiàn)低劑量CT成像效果的提升。本文采用兩個(gè)不同的學(xué)習(xí)型稀疏變換,其中... 

【文章來(lái)源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

CT設(shè)備基本結(jié)構(gòu)圖

第二章CT成像原理與低劑量CT實(shí)現(xiàn)17,,,,addedijsimlowijijAdgAdgAdg(2-8)通過(guò)濾波反投影算法，完成CT噪聲圖像重建，結(jié)合標(biāo)準(zhǔn)劑量CT圖像，生成低劑量CT圖像。2.3.3重建低劑量CT圖像本文利用MATLAB軟件實(shí)現(xiàn)低劑量CT圖像的模擬，模擬的實(shí)現(xiàn)效果如圖2-7所示，分別展示了入射光子數(shù)為510、410以及3510三種低劑量CT模擬情況。圖2-7中，從上面一行的重建圖像中可以觀(guān)察到，隨著光子數(shù)的減少，圖中出現(xiàn)越來(lái)越多的斑點(diǎn)噪聲與條形偽影，圖像質(zhì)量越來(lái)越糟糕；下面一行圖像是對(duì)應(yīng)入射光子數(shù)的正弦圖，從中觀(guān)察到隨著劑量的降低，正弦圖中明亮區(qū)域的噪聲越來(lái)越嚴(yán)重。(a)(b)(c)(d)(e)(f)圖2-7低劑量CT圖像與低劑量正弦圖。(a)、(d)入射光子數(shù);(b)、(e)入射光子數(shù);(c)、(f)入射光子數(shù)2.4圖像質(zhì)量評(píng)價(jià)方法圖像質(zhì)量評(píng)價(jià)方法在評(píng)價(jià)各類(lèi)算法的成像質(zhì)量以及算法參數(shù)設(shè)置時(shí)都有重要作用。本文采用的圖像質(zhì)量評(píng)價(jià)方法分為兩個(gè)方面，分別是視覺(jué)效果展示與定量

電子科技大學(xué)碩士學(xué)位論文22如圖3-1展現(xiàn)了圖像形態(tài)分量分析方法的結(jié)果，從圖中可以看出，不同的圖像內(nèi)容得到很好的分解。在圖像形態(tài)分量分析方法中，如何對(duì)形態(tài)分量進(jìn)行分解是十分重要的，而實(shí)現(xiàn)良好分解與基函數(shù)或過(guò)完備字典等有關(guān)，因此如何設(shè)計(jì)基函數(shù)或過(guò)完備字典是該問(wèn)題的重點(diǎn)和難點(diǎn)。通常情況下，可以使用雙正交小波變換、局部脊波變換、曲線(xiàn)波變換表示對(duì)圖像中平滑區(qū)域進(jìn)行表示，而圖像紋理部分中尺寸較小的細(xì)節(jié)表述通常選取離散余弦變換等[74]。圖像形態(tài)分量分析方法現(xiàn)如今已很好地應(yīng)用于圖像處理領(lǐng)域，例如：圖像修復(fù)、圖像超分辨率等問(wèn)題。因此，本文受該思想的啟發(fā)，結(jié)合學(xué)習(xí)型稀疏變換的知識(shí)，應(yīng)用了新的圖像形態(tài)分量的稀疏變換模型，提出區(qū)別性學(xué)習(xí)稀疏變換低劑量CT圖像處理方法，實(shí)現(xiàn)圖像分離，進(jìn)而達(dá)到CT圖像去噪的目的。3.2基于學(xué)習(xí)型稀疏變換的低劑量CT圖像處理20世紀(jì)90年代，Olshause和Field曾在Nature上刊登論文，其內(nèi)容是從生物學(xué)角度解釋了圖像信號(hào)稀疏表達(dá)：人類(lèi)的視覺(jué)首先從圖片中獲得統(tǒng)計(jì)獨(dú)立的特征信息，之后才可對(duì)其實(shí)現(xiàn)有效識(shí)別，說(shuō)明一張圖像能夠被一系列基函數(shù)的線(xiàn)性和表示。我們將基函數(shù)組成的集合稱(chēng)之為字典，故針對(duì)信號(hào)的稀疏變換的工作就分為兩個(gè)部分，一是字典的構(gòu)造，二是稀疏編碼表示。其中按照字典的構(gòu)造不同，圖3-1基于圖像形態(tài)分量分析方法的含噪圖像分離

【參考文獻(xiàn)】：
期刊論文
[1]低劑量CT成像的研究現(xiàn)狀與展望[J]. 羅立民,胡軼寧,陳陽(yáng).  數(shù)據(jù)采集與處理. 2015(01)

博士論文
[1]低劑量X線(xiàn)CT統(tǒng)計(jì)迭代重建方法研究[D]. 上官宏.中北大學(xué) 2016



本文編號(hào)：3215785