基于字典学习与纵向TV约束的低剂量螺旋CT重建

摘要：

多层螺旋CT在临床影像诊断中被广泛应用,由于X线是一种电离辐射,对人体有一定伤害,高剂量的X线辐射会增加人体罹患癌症等疾病的风险,因此在保证诊断效果的前提下尽可能地降低X射线剂量是当前研究的热点问题.考虑到螺旋扫描方式在纵向采样具有不一致的特性,本文提出了一种基于三维字典学习的统计迭代重建算法用于低剂量螺旋CT重建,同时在迭代框架中引入纵向TV约束以改变螺旋重建图像的噪声分布特性.为了保证重建结果的精确度,经典的基于距离驱动的前向投影和反投影被用于迭代重建框架.同时为了提升计算速度.本文核心算法采用GPU实现,有序子集和Nesterov方法也用于加速迭代收敛过程.本文提出的方法能够有效的提高图像质量,对比度噪声比指标和医学从业人员的主观评价指标验证了本文算法的优越性.

关键词：低剂量螺旋CT、纵向约束、字典学习、距离驱动、GPU实现

所属期刊栏目：22

分类号：TP3(计算技术、计算机技术)

资助基金：国家重点研发计划2016YFA0202003;国家自然科学基金61571359

在线出版日期：2018-04-25（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：271-275