基于压缩感知的CT重建算法的研究现状

摘要：

压缩感知理论是一种新兴的信号获取与处理理论,通过减少信号重建所需的数据以缩短信号采样时间,减少计算量,并在一定程度上保持原有图像的重建质量,由此可以解决在CT重建中还普遍存在的清晰度不够高、线性度不够好和有噪声伪影干扰等问题.由于该理论的这些显著优点,使其在CT成像领域引起了广泛关注,取得了很大进展.本文对近几年压缩感知应用于CT重建的研究方法和成果进行归纳和分析,其中包括传统统计迭代算法与压缩感知理论相结合方法的分析,先验图像约束与压缩感知理论相结合方法的分析以及字典学习的发展历程分析.最后,对该研究领域的发展进行了展望.

关键词：压缩感知、字典学习、图像重建、低剂量CT、稀疏表示

所属期刊栏目：35

分类号：R318.04(医用一般科学)

资助基金：国家自然科学基金30970777

在线出版日期：2016-07-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：76-80