扇束图像重建中OSEM算法及子集划分的研究

将一种快速迭代图像重建方法OSEM用于仿真Phantom模型的扇束投影数据的重建中,验证其重建参数的有效取值范围,分析比较不同子集选取对扇束OSEM重建的图像质量以及收敛速度的影响。方法: 本研究采用事先计算特定几何扇束扫描的概率矩阵和最大间距划分投影子集的方法,选取图像大小为128*128。通过对模拟的Phantom扇束投影数据的重建,结果: OSEM重建效果好于传统滤波反投影(FBP)重建的结果,尤其是在有噪声情况下,在一定范围内重建质量与迭代次数和子集划分个数成正比,而计算时间仅仅与迭代次数正比。结论: 恰当地选取子集个数,扇束OSEM重建可用较少迭代次数和较短的计算时间获取好的重建图像。

高精度CT图像重建的并行运算实现

为解决超大图像(2048×2048)的FBP与OR-OSEM扇束图像重建,作者采用PC机群的并行处理技术。将图像重建算法改写为并行运算方式,按角度数均匀地分配计算任务给各个CPU。并行运算结果表明:图像重建速度与CPU的个数基本上成线性正比关系,可提高近25倍(CPU数为25时)。超大图像的在线重建可采用CPU阵列机来高速实现,这一技术对发展高精度CT具有重要的作用。

正电子断层扫描仪与PET图像重建概述

概述了PET(Positron emission tomography,正电子断层扫描仪)及其图像重建的基本原理、方法与临床使用,介绍了常用的图像重建FBP(滤波反投影,Filtered Back-Projection)算法和OSEM(有序子集最大似然法,Ordered Subset Expectation Maximization)算法,描述了如何通过PET的临床协议中的参数选择以得到满意的重建效果。此外,对PET的准三维重建也做了一些简介。

有序子集最小二乘OS-LS图像重建迭代算法

为推导一种新的快速图像迭代重建方法,首先将有序子集(orderedsubsets,OS)技术应用到最小二乘图像重建迭代算法(leastsquarereconstruction,LS);然后对仿真Phantom模型数据和实际医用正电子发射断层成像仪(PET)数据进行重建,并研究了在不同子集划分下的重建结果,同时分析比较了不同子集的选取对OSLS重建图像质量以及重建收敛速度的影响。重建结果表明,这种基于有序子集的最小二乘图像重建迭代算法(OSLS)具有较高的重建图像质量和较短的计算时间,相对于传统LS算法的重建,OSLS的收敛速度加速了约L倍(L为子集个数),其重建图像质量也好于传统的滤波反投影(FBP)方法的重建,可应用在PET图像重建中。

工业CT图像均匀性校正

在工业CT图像重建过程中 ,射束硬化使得图像出现“杯状”伪影 ,阵列探测器响应不一致使得图像出现环状伪影、带状伪影和点伪影 ,影响图像均匀性 .本文分析了射束硬化的原理和探测器响应不一致的数学模型 ,并通过实验 ,对探测器响应进行多挡板定标得到校正系数表 .利用查表插值的方法对投影数据进行均匀性校正 ,消除上述伪影 .