本文關(guān)鍵詞：基于字典學(xué)習(xí)的顯微CT低劑量問(wèn)題研究

  更多相關(guān)文章： 低劑量顯微CT 字典學(xué)習(xí) 稀疏 CT偽影

【摘要】：顯微CT (Micro Computed Tomography, Micro CT)因其高分辨率、非侵入性和成像速度快等優(yōu)勢(shì),在臨床動(dòng)物模型實(shí)驗(yàn)、科研微觀結(jié)構(gòu)研究中得到了廣泛的應(yīng)用。按照顯微CT的成像原理,其高分辨與射線源小焦點(diǎn)、探測(cè)器的積分時(shí)間之間一直存在矛盾的關(guān)系。為保證圖像質(zhì)量,顯微CT往往需要較長(zhǎng)的拍攝時(shí)間和較高X射線照射劑量,這樣對(duì)活體生物樣本有不良影響,降低X射線劑量則會(huì)影響重建圖像質(zhì)量,因此CT的低劑量問(wèn)題一直得到了廣泛的關(guān)注。CT劑量的降低主要通過(guò)單幅投影劑量的降低或投影總數(shù)量的減少兩種方式來(lái)實(shí)現(xiàn),這兩種方式均存在有效信息的部分缺失,因而會(huì)引起CT重建圖像噪聲模型的改變、重建結(jié)果信噪比的降低和各類偽影(如環(huán)狀偽影、低劑量偽影以及硬化偽影等)的產(chǎn)生。采用基于壓縮感知的方法,利用圖像信號(hào)的稀疏性,可通過(guò)更少的信息對(duì)圖像信號(hào)進(jìn)行復(fù)原,因而非常適用于解決CT低劑量所帶來(lái)的信息缺失問(wèn)題。字典學(xué)習(xí)作為壓縮感知理論的一個(gè)方向,具有對(duì)圖像信號(hào)結(jié)構(gòu)信息敏感的特點(diǎn),可對(duì)圖像信號(hào)進(jìn)行良好的稀疏分解。本文以字典學(xué)習(xí)為基礎(chǔ),選擇圖像信噪比提高、稀疏角CT圖像迭代重建及低劑量重建圖像偽影濾除等三個(gè)問(wèn)題,對(duì)CT低劑量所引起的圖像質(zhì)量問(wèn)題進(jìn)行了研究。在圖像信噪比提高的研究工作中,字典作為降噪工具用于改善圖像質(zhì)量。經(jīng)由噪聲圖像學(xué)習(xí)后的字典可獲得更好的降噪效果,但是每幅圖像都進(jìn)行學(xué)習(xí)會(huì)耗費(fèi)大量的時(shí)間。為此本文利用高劑量重建圖像作為學(xué)習(xí)樣本構(gòu)建全局字典,在保證降噪效果的同時(shí),節(jié)省了單幅噪聲圖像字典學(xué)習(xí)的時(shí)間,有效地提高了算法的效率。實(shí)際數(shù)據(jù)實(shí)驗(yàn)結(jié)果表明,本文算法與主流降噪算法相比,在降噪的同時(shí),能夠更好的保留圖像細(xì)節(jié)。在稀疏角重建的研究工作中,基于圖像信號(hào)可以被稀疏表達(dá)的先驗(yàn)信息下,本文將字典作為約束項(xiàng)引入迭代過(guò)程中,在迭代過(guò)程中對(duì)圖像進(jìn)行稀疏分解,有效地減少了方程數(shù)量。同時(shí)由于字典本身具備的降噪能力,在基于字典學(xué)習(xí)的迭代算法進(jìn)行稀疏角重建時(shí),可以在抑制稀疏角放射狀偽影的同時(shí),有著更好的抗噪效果。稀疏角實(shí)驗(yàn)的結(jié)果也證明了本文算法的有效性。針對(duì)低劑量所引入的多種偽影,本文著力解決環(huán)狀偽影以及低劑量條紋狀偽影。環(huán)狀偽影在軸向位斷層平面的結(jié)構(gòu)與物體自身結(jié)構(gòu)相似,僅僅基于平面的濾波很容易出現(xiàn)圖像有效信息的丟失,因此本文考慮了環(huán)狀偽影在空間結(jié)構(gòu)上的不連續(xù)性,利用基于三維字典的濾波方案去除；針對(duì)低劑量條紋偽影結(jié)構(gòu)特征相對(duì)較為單一的特點(diǎn),本文通過(guò)構(gòu)建結(jié)構(gòu)字典和偽影字典的雙字典組合,有針對(duì)性地進(jìn)行稀疏表達(dá),在圖像重構(gòu)階段濾除低劑量條紋偽影。實(shí)驗(yàn)結(jié)果表明,基于字典的偽影濾除算法濾除偽影的同時(shí),能夠更好的保留圖像細(xì)節(jié),并且不會(huì)引入新的偽影。最后,考慮到迭代算法及字典相關(guān)算法計(jì)算的高復(fù)雜度,因此均基于GPU平臺(tái)對(duì)其進(jìn)行了并行化加速,以滿足應(yīng)用的需求。
【關(guān)鍵詞】：低劑量顯微CT 字典學(xué)習(xí) 稀疏 CT偽影
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：R814.42;TP391.41
【目錄】：

• 摘要5-7
• Abstract7-12
• 第一章 緒論12-20
• 1.1 研究背景與意義12-14
• 1.1.1 CT技術(shù)的發(fā)展12-13
• 1.1.2 顯微CT低劑量問(wèn)題的研究意義13-14
• 1.2 CT低劑量問(wèn)題研究現(xiàn)狀14-18
• 1.2.1 CT低劑量下信噪比提高的研究14-15
• 1.2.2 CT稀疏角投影研究15-17
• 1.2.3 低劑量CT偽影濾除方面研究17-18
• 1.3 本文研究?jī)?nèi)容18-19
• 1.4 本文章節(jié)安排19-20
• 第二章 基于壓縮感知的CT重建理論基礎(chǔ)20-32
• 2.1 CT主流重建算法簡(jiǎn)介20-25
• 2.1.1 CT解析重建基礎(chǔ)20-22
• 2.1.2 迭代重建算法基礎(chǔ)22-23
• 2.1.3 ART迭代重建算法23-24
• 2.1.4 基于先驗(yàn)知識(shí)的迭代重建算法24-25
• 2.2 基于壓縮感知理論的重建算法25-31
• 2.2.1 壓縮感知理論基礎(chǔ)25-26
• 2.2.2 信號(hào)重構(gòu)26-27
• 2.2.3 TV算法27-28
• 2.2.4 字典問(wèn)題概述28-29
• 2.2.5 字典學(xué)習(xí)算法29-31
• 2.3 本章小結(jié)31-32
• 第三章 基于字典學(xué)習(xí)的CT圖像信噪比提高算法研究32-43
• 3.1 基于字典學(xué)習(xí)的降噪算法32-34
• 3.2 基于全局字典學(xué)習(xí)的顯微CT降噪框架34-35
• 3.3 基于全局字典學(xué)習(xí)的降噪實(shí)驗(yàn)與分析35-42
• 3.3.1 模擬數(shù)據(jù)實(shí)驗(yàn)結(jié)果與分析35-38
• 3.3.2 顯微CT數(shù)據(jù)實(shí)驗(yàn)結(jié)果及分析38-42
• 3.4 本章小結(jié)42-43
• 第四章 基于字典學(xué)習(xí)的稀疏角重建算法研究43-53
• 4.1 基于TV的迭代算法43
• 4.2 基于全局字典學(xué)習(xí)的字典迭代算法43-45
• 4.3 實(shí)驗(yàn)結(jié)果與分析45-52
• 4.3.1 模擬數(shù)據(jù)實(shí)驗(yàn)結(jié)果與分析45-49
• 4.3.2 顯微CT數(shù)據(jù)實(shí)驗(yàn)結(jié)果與分析49-52
• 4.4 本章小結(jié)52-53
• 第五章 基于字典學(xué)習(xí)的低劑量CT偽影濾除算法研究53-61
• 5.1 基于三維字典學(xué)習(xí)的環(huán)狀偽影濾除算法研究53-56
• 5.1.1 算法原理53-55
• 5.1.2 實(shí)驗(yàn)結(jié)果與分析55-56
• 5.2 基于雙字典學(xué)習(xí)的低劑量CT偽影濾除算法研究56-60
• 5.2.1 算法原理56-58
• 5.2.2 實(shí)驗(yàn)結(jié)果與分析58-60
• 5.3 本章小結(jié)60-61
• 第六章 GPU平臺(tái)算法加速優(yōu)化61-69
• 6.1 GPU CUDA61-63
• 6.1.1 GPU CUDA平臺(tái)簡(jiǎn)介61-62
• 6.1.2 GPU CUDA編程模型62
• 6.1.3 GPU CUDA編程難點(diǎn)62-63
• 6.2 迭代算法并行加速63-66
• 6.2.1 算法并行化63-64
• 6.2.2 GPU并行優(yōu)化64-65
• 6.2.3 迭代算法加速結(jié)果65-66
• 6.3 字典算法并行加速66-68
• 6.3.1 算法并行化66-67
• 6.3.2 算法并行優(yōu)化67-68
• 6.3.3 字典算法加速結(jié)果68
• 6.4 本章小結(jié)68-69
• 第七章 總結(jié)與展望69-71
• 7.1 總結(jié)69
• 7.2 展望69-71
• 致謝71-72
• 參考文獻(xiàn)72-78
• 作者簡(jiǎn)介78

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前6條

1 劉立;張惠慧;王建;;主成分分析先驗(yàn)約束總變分正則化CT圖像重建方法[J];計(jì)算機(jī)應(yīng)用;2013年S2期

2 段隆焱;田文;徐漫濤;陳亞珠;;基于非局部信息的醫(yī)學(xué)圖像降噪技術(shù)綜述[J];計(jì)算機(jī)應(yīng)用研究;2013年03期

3 李軍;張希牧;包尚聯(lián);;硬X射線相襯成像及其生物應(yīng)用[J];現(xiàn)代儀器;2010年01期

4 李然;馮盛;劉松;張學(xué)龍;;X射線成像的相位襯度與吸收襯度分析[J];生命科學(xué)儀器;2009年03期

5 唐杰,張麗,高文煥;基于平板探測(cè)器的錐束CT系統(tǒng)綜述[J];中國(guó)體視學(xué)與圖像分析;2004年02期

6 崔艷芬;孫保存;;小鼠乳腺腫瘤病毒及其與乳腺癌的關(guān)系[J];國(guó)際腫瘤學(xué)雜志;2009年02期

，

本文編號(hào)：1062039