非局部平均迭代修正的稀疏角度CT凸集投影重建

鉴于非局部平均(nonlocal means,NL-means)滤波后的图像质量大幅提升,本文提出一种非局部平均迭代修正的稀疏角度CT凸集投影(projection onto convex set,POCS)重建方法。新方法采用两相式重建策略:首先对CT稀疏投影数据采用POCS算法进行重建,以获得满足数据一致性及非负性约束的重建图像;随后由POCS重建图像导引非局部平均对其进行优化修正,以消除图像中的高频噪声,保持图像边缘,减少条形伪影,达到提升图像质量的目的。两相交替进行,直至满足某一终止准则。仿真实验表明,本文提出的非局部平均迭代修正稀疏角度CTPOCS重建算法,可有效抑制重建图像噪声和条形伪影,大幅提高重建图像质量。

基于TV最小化的稀疏角度CT重建算法的比较研究

离散梯度变换(DGT)已被广泛地用作稀疏算子,相应的TV最小化方法也被用于基于压缩感知(CS)的CT重建中。本文比较研究了梯度下降法、软阈值算法和Split-Bregman算法在基于TV最小化的稀疏角度CT重建中的应用。文章将Shepp-Logan模型和Head模型作为测试模型进行仿真实验,实验结果表明:对于稀疏角度CT重建问题,梯度下降法和软阈值算法收敛较慢,重建图像的质量及重建时间都相差不大,而Split-Bregman算法在收敛速度及重建图像质量方面都明显优于其余两种算法,但重建时间较长。

基于Split-Bregman方法的稀疏角度CT重建算法研究

离散梯度变换已被广泛地用作稀疏算子,相应的全变差(TV)最小化方法也被用于基于压缩感知(CS)的CT重建中.与此同时Split-Bregman算法在求解L1正则化问题方面引起了很大关注,此方法对原来的L1正则化问题引入一个分裂变量后利用Bregman迭代求解.本文将Split-Bregman方法用于稀疏角度CT重建,并与传统的SART和基于SART的软阈值算法(STF-SART)进行比较,最后用Head模型作为测试模型进行仿真实验,实验结果表明:对于稀疏角度CT重建问题,TV正则化(STF-SART和Split-Bregman)算法明显优于传统的SART算法,且Split-Bregman算法在收敛速度和重建图像质量方面又优于STF-SART算法.

基于多尺度小波残差网络的稀疏角度CT图像恢复

目的稀疏角度CT具有加速数据采集和减少辐射剂量的优点。然而,由于采集信息的减少,使用传统滤波反投影算法(FBP)进行重建得到的图像中伴有严重的条形伪影和噪声。针对这一问题,本文提出基于多尺度小波残差网络(MWResNet)对稀疏角度CT图像进行恢复。方法本网络中将小波网络与残差块相结合,用以增强网络对图像特征的提取能力和加快网络训练效率。实验中使用真实的螺旋几何CT图像数据"Low-dose CT Grand Challenge"数据集训练网络。通过观察图像表征和计算定量参数的方法对结果进行评估,并与其他现有网络进行比较,包括图像恢复迭代残差卷积网络(IRLNet),残差编码解码卷积神经网络(REDCNN)和FBP卷积神经网络(FBPConvNet)。结果实验结果表明,本文提出的多尺度小波残差网络优于其余对比方法。结论本文提出的MWResNet网络能够在保持稀疏角度CT图像边缘细节信息的同时有效抑制噪声和伪影。

基于选择性全变差约束的稀疏角度CT快速迭代重建算法

针对利用稀疏角度投影数据实现优质CT图像重建的问题,提出了一种改进的基于选择性图像全变差(TV)约束的快速迭代重建算法。该算法采用两相式重建策略,首先利用代数重建算法(ART)重建中间图像并进行非负性约束,然后采用选择性TV最小化对上述图像进行优化修正,两步交替进行直到满足某一收敛准则。为了进一步提升算法效能,该算法在迭代过程中应用快速收敛技术加快算法收敛。应用该算法对仿真的Sheep-Logan体模进行重建,实验结果表明,该算法不仅提高了图像的重建质量,保护了图像的边缘信息,而且显著加快了迭代重建的收敛速度。

基于图像边缘约束cGAN的稀疏角度锥束乳腺CT重建

锥束乳腺CT(CBBCT)相对高的辐射剂量和相对长的扫描时间阻碍了它的临床应用。该研究提出稀疏角度CBBCT解决上述问题。为了去除用滤波反投影(FBP)重建稀疏角度CT带来的伪影,该研究提出带有图像边缘约束的条件生成对抗网络—ECGAN。ECGAN的生成器是改进后的U-net,判别器是patch GAN和LSGAN的结合,这样的设计是为了提高训练效果,保留高频信息。为了进一步保留细微结构,图像边缘提取后被同时加入生成器和判别器中。之后采用20组临床原始数据进行训练验证。结果显示,ECGAN能实质性地提高稀疏角度CBBCT的图像质量,效果也优于基于全变分的迭代重建和基于FBPConv Net的深度学习后处理。在投影数从300降低到100时,ECGAN将峰值信噪比(PSNR)和结构相似度(SSIM)从FBP的24.26、0.812提高到37.78、0.963。结果表明ECGAN在保证图像质量基本不变的前提下,能将CBBCT的扫描时间和剂量降低为原来的三分之一。

基于L_p算子的CT迭代重建算法研究

针对稀疏角度下的CT图像重建问题,E.Y.Sidky等人提出了ART-TV算法。该算法利用图像梯度具有稀疏性作为先验知识,每次迭代利用梯度下降法调整图像梯度的L1范数。论文在ARTTV算法的基础上,利用图像梯度的Lp(0<p<1)范数代替L1范数对图像进行重建,研究不同Lp(0<p<1)算子对图像重建效果的影响。实验表明,适当的p可以进一步提高图像重建质量。

一种改进的TV图像重建算法

针对当前稀疏角度下有限角图像重建过程中,边界部分出现伪影,降低了图像重建质量的缺陷。文中提出了一种新的ART+TV算法,该方法是在原始TV算法的基础上进行改进。原始TV梯度下降算法求解目标函数最小值时,使用固定函数作为目标函数,文中对其进行更改,采用带参数的目标函数,并对TV重建后的结果进行自适应步长修正,加速图像收敛。与传统的ART+TV算法相比,文中算法在不改变重建速度的基础上,且在少量迭代次数下,能重建出质量更高的图像,抑制图像伪影。

一种加速的ART-TV算法

针对稀疏角度下的CT图像重建,ART-TV算法是有效的。该算法分为ART过程和梯度下降过程,有效提高了重建结果的质量。为了加快ART-TV算法的收敛速度,本文提出一种快速的ART-TV算法。实验结果表明,本文算法收敛速度要快于传统的ART-TV算法。