10.16798/j.issn.1003-0530.2017.03.014
基于非局部自相似图像块字典学习的伪CT图像预测
随着PET/CT技术的日益发展,其被广泛应用于现代放射治疗.但在采集数据过程中,对人体放射时间较长,辐射当量较大,增加了患者的痛苦,因此人们希望减少CT扫描中X射线的辐射.为解决这一问题,本文提出基于非局部自相似图像块字典学习的伪CT图像预测方法.首先,对训练CT与MRI图像进行图像分块,通过块匹配算法聚类CT图像块,并提取CT与MRI图像块的多尺度特征.其次,通过字典学习,获得MRI图像与CT图像的映射关系矩阵,并对CT图像块进行预测.最后,通过重构算法,从目标MRI图像中得到预测CT图像.仿真实验证明了提出算法相对基于图谱集算法的有效性,以及在现代放射治疗中利用MRI图像替代CT图像的应用前景.
非局部自相似性、字典学习、多尺度特征、伪CT图像
33
TP391.41(计算技术、计算机技术)
国家自然科学基金项目61340034;滨州学院科研基金项目BZXYG1112
2017-06-23(万方平台首次上网日期,不代表论文的发表时间)
共6页
346-351