基于機器學習的低劑量CT成像關(guān)鍵問題研究
發(fā)布時間:2021-10-20 13:53
X射線計算機斷層成像技術(shù)(X-Ray Computed Tomography,X-CT)因其超高的時空分辨率特性在臨床中的應(yīng)用越來越廣泛,它能夠以無損的方式對人體內(nèi)部的超微信息進行結(jié)構(gòu)成像,也能對運動的器官進行高維度成像,如4DCT。然而有研究表明,X射線輻射會在人體內(nèi)部沉積,當沉積量超過人體器官耐受劑量的時候,會引起人體內(nèi)部器官結(jié)構(gòu)的改變,甚至局部基因的突變。因此降低CT掃描過程中病人所承受的X射線輻射劑量刻不容緩,但是降低CT掃描過程中病人所承受的X射線輻射劑量會極大地降低CT影像質(zhì)量,影響臨床診斷。如何平衡CT掃描過程中病人所承受的X射線輻射劑量和CT影像質(zhì)量之間的關(guān)系是一個迫切而又有復雜的問題。影響CT掃描過程中病人所承受的X射線輻射劑量的方式多種多樣,從廣義上可以分為X射線源輸出端:降低X射線源單次曝光劑量,提高X射線源單次曝光劑量的利用率,降低掃描過程中的投影采集率等;X射線探測器接收端:提高X射線探測器的探測效率,增加X射線探測器像元的尺寸等;不同的操作對于CT影像質(zhì)量的影響不同,降低X射線源單次曝光劑量會使得投影中充滿噪聲,降低了重建后CT影像的信噪比;降低掃描過程中的...
【文章來源】:中國科學院大學(中國科學院深圳先進技術(shù)研究院)廣東省
【文章頁數(shù)】:117 頁
【學位級別】:博士
【文章目錄】:
摘要
abstract
第一章 引言
1.1 課題的背景及其意義
1.2 CT劑量的影響因素及其國內(nèi)外研究現(xiàn)狀
1.2.1 降低單次曝光劑量
1.2.2 減少投影數(shù)據(jù)的采集率
1.2.3 增加X射線探測器像元的尺寸
1.2.4 提高單次曝光下X-Ray的利用率
1.3 CT成像技術(shù)
1.3.1 CT成像的基本原理
1.3.2 CT重建技術(shù)
1.3.3 圖像質(zhì)量評價
1.4 研究內(nèi)容
1.5 論文組織結(jié)構(gòu)
第二章 基于深度學習的稀疏CT重建算法
2.1 相關(guān)研究工作
2.1.1 基于投影域插值的重建方法
2.1.2 基于域間轉(zhuǎn)換的重建方法
2.1.3 基于圖像域后處理的重建方法
2.1.4 優(yōu)缺點
2.2 基于深度學習的稀疏CT重建算法
2.2.1 方法概述
2.2.2 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
2.2.3 實驗整體設(shè)計
2.3 本章小結(jié)
第三章 基于模型融合的低劑量CT重建算法
3.1 背景知識
3.2 基于模型融合的低劑量CT重建算法
3.2.1 問題的提出
3.2.2 SADIR-Net 架構(gòu)
3.2.3 實驗方案
3.2.4 實驗結(jié)果
3.2.5 超參數(shù)調(diào)節(jié)
3.2.6 正則化項的選擇
3.3 討論和小結(jié)
第四章 基于冷陰極X射線源的低劑量CT研究
4.1 背景知識
4.2 基于碳納米管X射線源的準靜態(tài)CT架構(gòu)設(shè)計
4.2.1 準靜態(tài)CT架構(gòu)
4.2.2 實驗設(shè)計及結(jié)果
4.3 基于碳納米管X射線源的雙環(huán)全靜態(tài)CT系統(tǒng)概念設(shè)計
4.3.1 整體結(jié)構(gòu)
4.3.2 環(huán)形分布式碳納米管X射線源
4.3.3 環(huán)形X射線探測器
4.3.4 幾何參數(shù)設(shè)計
4.4 討論和小結(jié)
第五章 結(jié)束語
5.1 本文工作總結(jié)
5.2 下一步研究方向
參考文獻
附錄
致謝
作者簡介
本文編號:3447020
【文章來源】:中國科學院大學(中國科學院深圳先進技術(shù)研究院)廣東省
【文章頁數(shù)】:117 頁
【學位級別】:博士
【文章目錄】:
摘要
abstract
第一章 引言
1.1 課題的背景及其意義
1.2 CT劑量的影響因素及其國內(nèi)外研究現(xiàn)狀
1.2.1 降低單次曝光劑量
1.2.2 減少投影數(shù)據(jù)的采集率
1.2.3 增加X射線探測器像元的尺寸
1.2.4 提高單次曝光下X-Ray的利用率
1.3 CT成像技術(shù)
1.3.1 CT成像的基本原理
1.3.2 CT重建技術(shù)
1.3.3 圖像質(zhì)量評價
1.4 研究內(nèi)容
1.5 論文組織結(jié)構(gòu)
第二章 基于深度學習的稀疏CT重建算法
2.1 相關(guān)研究工作
2.1.1 基于投影域插值的重建方法
2.1.2 基于域間轉(zhuǎn)換的重建方法
2.1.3 基于圖像域后處理的重建方法
2.1.4 優(yōu)缺點
2.2 基于深度學習的稀疏CT重建算法
2.2.1 方法概述
2.2.2 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
2.2.3 實驗整體設(shè)計
2.3 本章小結(jié)
第三章 基于模型融合的低劑量CT重建算法
3.1 背景知識
3.2 基于模型融合的低劑量CT重建算法
3.2.1 問題的提出
3.2.2 SADIR-Net 架構(gòu)
3.2.3 實驗方案
3.2.4 實驗結(jié)果
3.2.5 超參數(shù)調(diào)節(jié)
3.2.6 正則化項的選擇
3.3 討論和小結(jié)
第四章 基于冷陰極X射線源的低劑量CT研究
4.1 背景知識
4.2 基于碳納米管X射線源的準靜態(tài)CT架構(gòu)設(shè)計
4.2.1 準靜態(tài)CT架構(gòu)
4.2.2 實驗設(shè)計及結(jié)果
4.3 基于碳納米管X射線源的雙環(huán)全靜態(tài)CT系統(tǒng)概念設(shè)計
4.3.1 整體結(jié)構(gòu)
4.3.2 環(huán)形分布式碳納米管X射線源
4.3.3 環(huán)形X射線探測器
4.3.4 幾何參數(shù)設(shè)計
4.4 討論和小結(jié)
第五章 結(jié)束語
5.1 本文工作總結(jié)
5.2 下一步研究方向
參考文獻
附錄
致謝
作者簡介
本文編號:3447020
本文鏈接:http://sikaile.net/linchuangyixuelunwen/3447020.html
最近更新
教材專著