基于加权字典学习方法的低剂量CT图像重建

作     者：章程 张健 杜强 李铭 刘景鑫 ZHANG Cheng;ZHANG Jian;DU Qiang;LI Ming;LIU Jingxin

作者机构：中国科学院苏州生物医学工程技术研究所江苏苏州215163 长春市计量检定测试技术研究院吉林长春130012 吉林大学中日联谊医院放射线科吉林长春130033 

基　　金：国家重点研发计划(2016YFC0103500) 江苏省自然科学基金项目(BK20170392 BK20151232) 中国科学院青年创新促进会(2014281) 

出 版 物：《中国医疗设备》 (China Medical Devices)

年 卷 期：2018年第33卷第6期

页      码：12-15,20页

摘      要：为了减轻X射线辐射对病患的危害,CT扫描设备的设计需要考虑降低辐射剂量的需求。源于压缩感知理论的字典学习重建算法可用于求解不完备投影数据的CT图像重建问题,然而该算法的正则约束项无法有效区分噪声和低对比度信息,重建图像容易丢失软组织边缘细节信息。本文提出一种加权字典学习重建算法,基于每次迭代的结果,利用字典稀疏表示的残差设计正则约束项的权重因子,使算法在迭代过程中对图像不同区域施加不同程度的平滑效应,从而在平滑噪声的同时保留低对比度信息。实验结果表明,提出的改进算法有效的保留了软组织边缘信息,与原算法相比,明显提高了重建图像的质量。

主 题 词：图像处理 CT重建 字典学习 权重因子 欠采样 

学科分类：070207[070207] 07[理学] 08[工学] 081203[081203] 0835[0835] 0803[工学-仪器类] 0702[理学-物理学类] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1674-1633.2018.06.003

馆 藏 号：203296160...