本文關(guān)鍵詞：基于稀疏梯度域字典學(xué)習(xí)的低劑量腦CT圖像恢復(fù)，由筆耕文化傳播整理發(fā)布。

【摘要】：計(jì)算機(jī)斷層成像技術(shù)(Computed Tomography,CT)被廣泛地應(yīng)用于臨床疾病的診斷與治療。與普通X射線圖像相比,腦CT圖像的組織密度分辨率高,能夠精確反映不同部位輻射量衰減的微小差異以區(qū)分各軟組織的密度,對顱腦病變診斷有很高的價(jià)值,是腦血管疾病、顱內(nèi)腫瘤、腦梗死、腦外傷等的首選檢查方法。多層螺旋CT設(shè)備的誕生及發(fā)展,使得CT圖像的成像質(zhì)量不斷得到提高,但與此同時(shí),也不可避免地增加了X射線劑量。過多的輻射劑量有誘發(fā)癌癥等疾病的風(fēng)險(xiǎn),所以,研究人員熱衷于研究低劑量的CT圖像。然而,降低X射線劑量必將導(dǎo)致圖像質(zhì)量下降,進(jìn)而影響醫(yī)生的診斷。因此,在保證圖像質(zhì)量的前提下,有效降低X射線輻射劑量已成為醫(yī)學(xué)圖像領(lǐng)域的一個(gè)重要課題和研究方向。基于字典學(xué)習(xí)的稀疏表示方法因其良好的性能被應(yīng)用于圖像去噪和恢復(fù)等信號(hào)處理問題。研究表明,訓(xùn)練樣本越稀疏,字典學(xué)習(xí)的效率和穩(wěn)健性越好。CT圖像的鄰近像素具有很強(qiáng)的相關(guān)性,因此,相比于原始圖像,其對應(yīng)的梯度圖像稀疏性更大�；谙∈杼荻扔虻淖值鋵W(xué)習(xí)算法在一定程度上提高了字典學(xué)習(xí)的效率,然而,梯度算子的引進(jìn)往往會(huì)放大噪聲。為了減小梯度算子帶來的放大噪聲的影響,本文提出了兩種改進(jìn)的基于稀疏梯度域字典學(xué)習(xí)的低劑量腦CT圖像恢復(fù)算法。其中一種算法先對梯度圖進(jìn)行主分量分析(Principal Component Analysis,PCA),以減少梯度算子放大噪聲的影響,然后用PCA降維數(shù)據(jù)訓(xùn)練字典并去噪。另一種算法是在對CT圖像進(jìn)行梯度運(yùn)算前先對圖像塊進(jìn)行三維塊匹配(BM3D)濾波,然后再利用濾波得到的圖像的梯度圖進(jìn)行字典學(xué)習(xí)并去噪。臨床人腦CT圖像實(shí)驗(yàn)表明,這兩種算法對病人低劑量CT圖像均具有良好的去噪性能,應(yīng)用于臨床將有望在確保醫(yī)生診斷精確性的同時(shí)大大降低病人接收的X射線輻射劑量。
【關(guān)鍵詞】：稀疏梯度域 字典學(xué)習(xí) 圖像去噪 主分量分析 三維塊匹配濾波
【學(xué)位授予單位】：南昌大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：R814.42;TP391.41
【目錄】：

• 摘要3-4
• ABSTRACT4-8
• 第1章 緒論8-14
• 1.1 引言8-9
• 1.2 研究背景及國內(nèi)外研究現(xiàn)狀9-11
• 1.3 本文研究內(nèi)容和組織結(jié)構(gòu)11-14
• 第2章 低劑量CT及基于稀疏表示的醫(yī)學(xué)圖像恢復(fù)概述14-26
• 2.1 計(jì)算機(jī)斷層成像技術(shù)簡介14-19
• 2.2 低劑量CT臨床意義19-20
• 2.3 稀疏表示理論20-25
• 2.3.1 稀疏表示理論與傳統(tǒng)采樣定理的比較20-21
• 2.3.2 稀疏分解21-23
• 2.3.3 基于字典學(xué)習(xí)的稀疏表示23-25
• 2.4 基于稀疏表示的醫(yī)學(xué)圖像恢復(fù)25
• 2.5 小結(jié)25-26
• 第3章 基于稀疏梯度域字典學(xué)習(xí)的CT圖像恢復(fù)26-38
• 3.1 稀疏梯度域26-27
• 3.2 GradDL算法27-28
• 3.3 算法求解28-31
• 3.4 實(shí)驗(yàn)31-37
• 3.4.1 實(shí)驗(yàn)數(shù)據(jù)——DICOM文件32-33
• 3.4.2 低劑量CT圖像模擬33-34
• 3.4.3 低劑量CT圖像去噪34-37
• 3.5 小結(jié)37-38
• 第4章 改進(jìn)的稀疏梯度域字典學(xué)習(xí)算法38-51
• 4.1 Grad-PCA算法及實(shí)驗(yàn)38-45
• 4.1.1 主分量分析38
• 4.1.2 Grad-PCA算法38-42
• 4.1.3 實(shí)驗(yàn)42-45
• 4.2 Grad-BM3D算法及實(shí)驗(yàn)45-50
• 4.2.1 BM3D濾波45-46
• 4.2.2 Grad-BM3D算法46-47
• 4.2.3 實(shí)驗(yàn)47-50
• 4.3 小結(jié)50-51
• 第5章 總結(jié)與展望51-53
• 5.1 工作總結(jié)51-52
• 5.2 工作展望52-53
• 致謝53-54
• 參考文獻(xiàn)54-58
• 攻讀學(xué)位期間的研究成果58

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 郝立巍;程遠(yuǎn)雄;汪天富;陳思平;;采用局部相位的Nonlocal低劑量CT圖像去噪[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年07期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 陳利文;低劑量CT圖像的小波噪聲抑制研究[D];西安電子科技大學(xué);2006年

  本文關(guān)鍵詞：基于稀疏梯度域字典學(xué)習(xí)的低劑量腦CT圖像恢復(fù)，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：358449