伴隨著現(xiàn)代醫(yī)學(xué)影像技術(shù)的飛速發(fā)展,X射線計(jì)算機(jī)斷層(Computed Tomography,CT)成像技術(shù)已成為一種普及的臨床診療手段。目前,如何在盡可能減少X射線輻射傷害的前提下獲取密度分辨率高、解剖信息清晰、病變顯示良好的CT圖像,已經(jīng)成為臨床上最迫切的實(shí)際需求。因此,低劑量X線CT成像技術(shù)作為一個(gè)重要的研究課題越來越受到人們的重視。該課題研究熱點(diǎn)主要包括:降低X射線劑量的方法、成像硬件系統(tǒng)的改進(jìn)以及高性能成像算法的設(shè)計(jì)。針對在低劑量X線CT成像技術(shù)中因X射線衰減引起的成像質(zhì)量下降問題,本文以提高低劑量X線CT成像算法的性能為研究目標(biāo),從投影數(shù)據(jù)濾波、統(tǒng)計(jì)迭代重建以及CT圖像后處理三個(gè)方面進(jìn)行了深入研究,主要?jiǎng)?chuàng)新性工作如下:1.在分析低劑量X線CT投影統(tǒng)計(jì)特性的基礎(chǔ)上,提出了兩種投影數(shù)據(jù)濾波方法。(1)針對由正弦圖邊緣和平坦區(qū)域難以明顯區(qū)分引起的過度平滑問題,首先,從投影的模糊性出發(fā),將梯度的幅度和直覺模糊熵共同作為邊緣的判斷指標(biāo),構(gòu)造了一種邊緣指示函數(shù)。進(jìn)而,以所構(gòu)造的邊緣指示函數(shù)為擴(kuò)散系數(shù),提出了一種基于直覺模糊熵的正則化Perona-Malik方程正弦圖平滑模型。該模型克服了傳統(tǒng)Perona-Malik方程的病態(tài)性,同時(shí)能夠在正弦圖的不同區(qū)域進(jìn)行不同強(qiáng)度和方向的擴(kuò)散。最后,采用加法算子分裂方法求出了所提模型的最優(yōu)解。實(shí)驗(yàn)結(jié)果表明,所提算法速度較快,而且能夠在平滑噪聲的同時(shí)保留正弦圖的重要邊緣。(2)針對傳統(tǒng)投影恢復(fù)算法在平滑噪聲的同時(shí)不能很好地保留圖像重要邊緣的問題,提出了一種聯(lián)合先驗(yàn)約束的最大后驗(yàn)概率(Maximum A Posterior,MAP)投影恢復(fù)模型。算法模型優(yōu)點(diǎn)在于,構(gòu)造了一種由二次型中值根能量函數(shù)和正弦圖基于過完備冗余字典的稀疏表示組成聯(lián)合先驗(yàn)。由于二次型中值根能量函數(shù)能夠促進(jìn)噪聲平滑,而圖像的稀疏表示能夠有效感知邊界和結(jié)構(gòu)等信息,因而所提聯(lián)合先驗(yàn)?zāi)芎芎玫仄胶庠肼暺交瓦吔绫Ａ暨^程。為了完成新算法模型的優(yōu)化估計(jì),本文首先采用交替迭代法將所提出的聯(lián)合估計(jì)問題分解為兩個(gè)待估計(jì)的子問題,然后分別采用可分離拋物線替代函數(shù)法和正交匹配追蹤方法完成了兩個(gè)子問題的優(yōu)化估計(jì)。最后,對實(shí)驗(yàn)結(jié)果進(jìn)行視覺效果和量化指標(biāo)分析,驗(yàn)證了算法的可行性和有效性。2.在對低劑量X線CT投影數(shù)據(jù)統(tǒng)計(jì)建模的基礎(chǔ)上,通過設(shè)計(jì)能夠更好地表征圖像先驗(yàn)信息的正則項(xiàng),提出了兩種性能改善的統(tǒng)計(jì)迭代重建算法:(1)為了克服全變分正則項(xiàng)的“分片常數(shù)”效應(yīng),將能夠逼近任意階多項(xiàng)式函數(shù)的具有凸性和旋轉(zhuǎn)不變性的下半連續(xù)函數(shù)總廣義全變分(Total Generalized Variation,TGV)引入Markov隨機(jī)場(Markov Random Field,MRF),進(jìn)而,提出了一種改進(jìn)MRF先驗(yàn)約束的統(tǒng)計(jì)迭代重建算法。新算法模型的優(yōu)化估計(jì)過程分為兩步,第一步,采用交替迭代方法分解所提聯(lián)合估計(jì)問題,第二步,分別采用可分離拋物線替代函數(shù)法和一階原始—對偶方法求出兩個(gè)子問題的最優(yōu)解。最后,采用完備投影數(shù)據(jù)進(jìn)行仿真實(shí)驗(yàn),得到了質(zhì)量改善后邊緣和細(xì)節(jié)能夠清晰分辨的重建圖像。(2)為了克服由投影數(shù)據(jù)不完備造成的重建圖像質(zhì)量嚴(yán)重退化的問題,本文提出了一種聯(lián)合稀疏先驗(yàn)約束的統(tǒng)計(jì)迭代重建算法。由于圖像的稀疏表示可以表征圖像的主要特征,正則項(xiàng)稀疏性越好,反映圖像重要特征的能力就越強(qiáng),本文通過對圖像進(jìn)行聯(lián)合稀疏變換構(gòu)造了一種聯(lián)合稀疏先驗(yàn)。聯(lián)合稀疏變換由圖像的剪切波變換、圖像梯度的幅度變換以及圖像與待估計(jì)的輔助向量差值的幅度變換組成。進(jìn)一步地,為了實(shí)現(xiàn)對所提模型的優(yōu)化估計(jì),本文采用了兩種求解方案,即交替方向乘子法和共軛梯度法。最后,采用不完備投影數(shù)據(jù)進(jìn)行仿真實(shí)驗(yàn),結(jié)果分析表明新算法可行、有效。3.在對低劑量X線CT圖像偽影分析的基礎(chǔ)上,提出了一種基于嚴(yán)格直覺模糊熵的自適應(yīng)TGV正則化圖像復(fù)原算法。首先,從低劑量CT圖像的模糊性出發(fā),通過構(gòu)造圖像的嚴(yán)格直覺模糊熵,提出了一種具有自適應(yīng)判斷邊緣和平坦區(qū)域能力的擴(kuò)散系數(shù)函數(shù)。進(jìn)而,建立了一種基于所提擴(kuò)散系數(shù)的自適應(yīng)TGV正則化圖像復(fù)原模型。針對該算法模型優(yōu)化估計(jì)過程中的兩個(gè)難點(diǎn),即含有隱含估計(jì)問題的自適應(yīng)擴(kuò)散系數(shù)的求解和含有對偶變量的TGV正則化聯(lián)合估計(jì)模型的求解,本文分別采用粒子群優(yōu)化算法和一階原始—對偶算法進(jìn)行求解。最后,對三種條形偽影分布特征不同的CT圖像進(jìn)行實(shí)驗(yàn),結(jié)果表明所提算法能夠在抑制噪聲和條狀偽影的同時(shí),保留圖像的重要邊界。
【學(xué)位單位】：中北大學(xué)
【學(xué)位級別】：博士
【學(xué)位年份】：2016
【中圖分類】：R814.42;TP391.41
【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 選題背景及研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 低劑量X線CT投影域處理相關(guān)方法
        1.2.2 低劑量X線CT統(tǒng)計(jì)重建方法
        1.2.3 低劑量X線CT圖像后處理方法
    1.3 論文研究內(nèi)容及結(jié)構(gòu)框架
第二章 低劑量X線CT成像原理
    2.1 低劑量X線CT成像的物理和數(shù)學(xué)基礎(chǔ)
    2.2 低劑量X線CT投影數(shù)據(jù)特性分析
    2.3 低劑量X線CT重建方法
    2.4 低劑量X線CT圖像偽影
    2.5 仿真模型及重建圖像質(zhì)量評價(jià)指標(biāo)
    2.6 本章小結(jié)
第三章 兩種低劑量X線CT投影恢復(fù)算法
    3.1 基于直覺模糊熵的正則化Perona-Malik方程正弦圖平滑算法
        3.1.1 直覺模糊集理論基礎(chǔ)
        3.1.2 基于Perona-Malik方程的圖像濾波
        3.1.3 新算法模型及求解
        3.1.4 實(shí)驗(yàn)結(jié)果與分析
    3.2 基于字典學(xué)習(xí)的正則MAP投影恢復(fù)算法
        3.2.1 字典學(xué)習(xí)和稀疏表示理論基礎(chǔ)
        3.2.2 投影域正則MAP估計(jì)
        3.2.3 新算法目標(biāo)函數(shù)與算法求解
        3.2.4 算法仿真
    3.3 本章小結(jié)
第四章 兩種低劑量X線CT統(tǒng)計(jì)迭代重建算法
    4.1 基于改進(jìn)MRF正則項(xiàng)約束的統(tǒng)計(jì)迭代重建算法
        4.1.1 低劑量X線CT統(tǒng)計(jì)重建模型
        4.1.2 MMRF先驗(yàn)
        4.1.3 新算法模型及求解
        4.1.4 實(shí)驗(yàn)結(jié)果與分析
    4.2 基于聯(lián)合稀疏先驗(yàn)約束的統(tǒng)計(jì)迭代重建算法
        4.2.1 剪切波理論基礎(chǔ)
        4.2.2 新算法目標(biāo)函數(shù)
        4.2.3 優(yōu)化估計(jì)
        4.2.4 實(shí)驗(yàn)結(jié)果與分析
    4.3 本章小結(jié)
第五章 低劑量X線CT圖像后處理算法研究
    5.1 TV正則化修復(fù)模型
    5.2 TGV正則化修復(fù)模型
    5.3 基于嚴(yán)格直覺模糊熵的自適應(yīng)擴(kuò)散系數(shù)
        5.3.1 嚴(yán)格直覺模糊熵
        5.3.2 自適應(yīng)模糊擴(kuò)散系數(shù)函數(shù)
        5.3.3 本章算法模型及目標(biāo)函數(shù)優(yōu)化
    5.4 實(shí)驗(yàn)結(jié)果與分析
        5.4.1 實(shí)際胸腔實(shí)驗(yàn)
        5.4.2 仿真盆骨模型實(shí)驗(yàn)
        5.4.3 Modified Shepp-Logan頭部模型實(shí)驗(yàn)
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 未來工作展望
參考文獻(xiàn)
攻讀博士學(xué)位期間發(fā)表論文、參與項(xiàng)目情況
致謝

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 闕介民;王燕芳;孫翠麗;魏存峰;史戎堅(jiān);魏龍;;基于不完備投影數(shù)據(jù)重建的四種迭代算法比較研究[J];CT理論與應(yīng)用研究;2012年02期

2 李元景;金永杰;;正電子心腦功能儀圖象重建方法——一種特殊的不完備投影數(shù)據(jù)的圖象重建方法[J];CT理論與應(yīng)用研究;1991年01期

3 郭明煥,張朋;由相疊低分辨投影數(shù)據(jù)重建高分辨圖像[J];CT理論與應(yīng)用研究;2002年02期

4 駱建華,姚敏,樓正國,莊天戈;X-CT有限角投影圖像重建的截?cái)嗥娈惡瘮?shù)分析法[J];電子學(xué)報(bào);2000年07期

5 李毅;潘晉孝;;一種基于數(shù)據(jù)外插改進(jìn)的ART迭代算法[J];CT理論與應(yīng)用研究;2011年01期

6 錢姍姍;邊兆英;路利軍;;兩種基于Anscombe變換域?yàn)V波的低劑量CT重建方法討論[J];中國醫(yī)學(xué)物理學(xué)雜志;2013年02期

7 馬建華;陳凌劍;顏剛;陳武凡;;基于混合濾波的避投影數(shù)據(jù)微分螺旋錐束CT重建[J];南方醫(yī)科大學(xué)學(xué)報(bào);2008年06期

8 嚴(yán)洪范,熊明光,葉文龍,張建明,丁永紅,田志超;XDN-1型顱腦CT裝置圖象重建的數(shù)學(xué)模型[J];中國生物醫(yī)學(xué)工程學(xué)報(bào);1984年02期

9 林友俊;;核磁共振的應(yīng)用與現(xiàn)狀[J];鐵道醫(yī)學(xué);1990年01期

10 洪偉;儲(chǔ)穎;牟軒沁;;基于模型融合的有限角度CT迭代重建方法[J];CT理論與應(yīng)用研究;2012年04期

相關(guān)博士學(xué)位論文 前10條

1 武棟;有限角逆向螺旋錐束CT重建算法研究[D];重慶大學(xué);2015年

2 張峰;基于工業(yè)CT的扁平物體局部成像關(guān)鍵技術(shù)研究[D];解放軍信息工程大學(xué);2015年

3 上官宏;低劑量X線CT統(tǒng)計(jì)迭代重建方法研究[D];中北大學(xué);2016年

4 劉寶東;工業(yè)CT截?cái)嗤队皵?shù)據(jù)重建算法研究[D];重慶大學(xué);2010年

5 許瓊;X線CT不完備投影數(shù)據(jù)統(tǒng)計(jì)重建研究[D];西安交通大學(xué);2012年

6 郭威;CT不完全投影數(shù)據(jù)重建算法研究[D];吉林大學(xué);2011年

7 鄒晶;工業(yè)X射線CT成像有關(guān)問題研究[D];首都師范大學(xué);2009年

8 畢文元;雙能量單層螺旋CT物品機(jī)的圖像重建方法研究[D];清華大學(xué);2010年

9 鄒永寧;工業(yè)CT三維圖像重建與分割算法研究[D];重慶大學(xué);2014年

10 汪敏;同步輻射CT技術(shù)研究及應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 鄧林;錐束CT短掃描成像技術(shù)研究[D];解放軍信息工程大學(xué);2015年

2 張珠;低劑量CT投影數(shù)據(jù)多尺度去噪算法的研究[D];第四軍醫(yī)大學(xué);2009年

3 錢姍姍;基于投影數(shù)據(jù)非單調(diào)性全變分恢復(fù)的低劑量CT重建[D];南方醫(yī)科大學(xué);2011年

4 劉文磊;低劑量CT成像與稀疏角度重建研究[D];第四軍醫(yī)大學(xué);2013年

5 史源源;切向CT重建技術(shù)研究[D];中北大學(xué);2006年

6 唐曉春;非完全投影數(shù)據(jù)下的焊焰溫度場重建方法的研究[D];南昌航空大學(xué);2008年

7 谷文靜;CBCT投影數(shù)據(jù)去噪算法的研究[D];山東師范大學(xué);2015年

8 薛震;錐束螺旋CT的迭代算法研究[D];中北大學(xué);2009年

9 王浩;CT不完全投影數(shù)據(jù)重建算法研究[D];大連理工大學(xué);2008年

10 朱曉麗;基于OPED的有限角投影數(shù)據(jù)快速重建算法[D];華東理工大學(xué);2015年

本文編號：2865457