亚州av综合色区无码一区,午夜一区二区三区亚洲影院电影网,天堂а√在线地址,性人久久网av,无码内射成人免费喷射

曉木蟲
學術數據庫客戶端

蘇州醫(yī)工所在基于字典學習方法的CT圖像重建算法研究中取得進展

 找回密碼
 注冊新賬號

QQ登录

微信登录

蘇州醫(yī)工所在基于字典學習方法的CT圖像重建算法研究中取得進展

摘要: 　　目前，X射線的計算機斷層成像（computed tomography， CT）技術依然是一種重要的醫(yī)學成像手段，能夠清晰地呈現(xiàn)病人的幾何解剖結構。然而，CT圖像的質量與X射線的輻射劑量有關，較高的劑量會增加病人罹患癌癥等基 ...

　　目前，X射線的計算機斷層成像（computed tomography， CT）技術依然是一種重要的醫(yī)學成像手段，能夠清晰地呈現(xiàn)病人的幾何解剖結構。然而，CT圖像的質量與X射線的輻射劑量有關，較高的劑量會增加病人罹患癌癥等基因疾病的幾率。為了降低輻射劑量，減少投影角度是一個直接有效的方法，但是這種方法在利用傳統(tǒng)解析算法進行重建時，采樣率的降低會導致重建圖像中產生嚴重的混疊偽影，影響醫(yī)生的診斷和治療。
　　在已經提出的用于解決欠采樣投影重建問題的重建算法中，基于字典研究的方法是一種近來提出的重建算法。該算法是將待重建的CT圖像劃分為大小相等并且互相重疊的小圖像塊，以同一個過完備字典為基底，計算這些圖像塊的稀疏表示，利用字典研究方法提取圖像的稀疏性，求解低劑量的欠采樣重建問題。然而，現(xiàn)有的字典研究重建算法的正則約束項是L2范數（L2范數表示向量中每個元素平方和的開方，即歐式距離）下的稀疏約束，對圖像的稀疏特性提取得并不徹底，當采樣率進一步降低時，會引起重建圖像的低對比度細節(jié)丟失，質量明顯下降。
　　最近，中國科學院蘇州生物醫(yī)學工程技術學習所醫(yī)學影像室鄭健課題組的章程等人提出了一種基于L1范數（L1范數表示向量中每個元素絕對值的和）稀疏約束的字典研究重建算法。利用L1范數更好的稀疏特性，降低原算法中L2范數約束引起的過平滑效應，保留更多的圖像細節(jié)信息。提出的算法利用加權策略轉化為帶權重的字典研究重建函數，利用迭代加權最小二乘法（iteratively reweighted least squares，IRLS）進行求解。
　　實驗結果表明，與已有的基于L2范數的字典研究重建算法（ADSIR）以及其他兩種典型的重建算法（GPBB，SART）相比，提出的算法得到的重建結果更精確，尤其在進一步降低采樣率的條件下，得到的結果與對比算法相比有明顯的提升，說明L1范數的約束對于圖像稀疏特性提取的有效性。
　　以上學習得到國家自然科學基金（批準號：61201117，61301042）、江蘇省自然科學基金（批準號：BK20151232）和蘇州科技項目（批準號：ZXY2013001）的支持，相關結果發(fā)表在Biomedical Engineering Online 雜志2016年度期刊。
　　文章鏈接



　　圖：人體頭部切片的重建結果。a-d為180個采樣角度下的重建結果，從左到右分別為本文提出的L1-DL算法，ADSIR，GPBB，SART；e-h為圖像（a-d）與原始圖像的差異圖像；i-l為90個采樣角度下的重建結果，從左到右分別為本文提出的L1-DL算法，ADSIR，GPBB，SART；m-p為圖像（i-l）與原始圖像的差異圖像。由圖可見，本文提出的算法得到的重建圖像在黃色邊框的放大區(qū)域，更好地保留了細節(jié)信息，同時重建圖像和原始圖像的差異最小，這種優(yōu)勢在進一步降低采樣率時（90個采樣角度）表現(xiàn)得更加明顯。蘇州醫(yī)工所在基于字典學習方法的CT圖像重建算法研究中取得進展  |  責任編輯：蟲子
返回頂部