摘要：正电子发射型计算机断层成像(PET)作为一种重要的临床影像技术,其图像重建技术非常重要.本文将γ光子飞行时间信息(TOF)加入到系统响应矩阵并提出基于TOF的图像重建算法.基于压缩感知原理,利用全变差和小波变换对图像进行稀疏化,以它们为正则项构建目标函数;并运用惩罚函数的方法将目标函数求解分解为二次优化和稀疏约束2个子问题,运用交替求解的方法逐一求解,降低了求解的复杂性.采用蒙特卡罗对Derenzo模型进行仿真重建并比较不同算法的成像效果,结果表明,加入TOF信息和利用稀疏约束能够更好地拟制噪声,图像重建效果优于传统算法.文中进一步研究了系统时间分辨率和时间采样间隔对图像重建的影响,结果表明,时间分辨率越高、时间采集间隔越短,重建效果越好.

摘要：随着CT成像技术的发展,其射线剂量明显降低,然而实现优质成像依然是低剂量CT研究领域中的重点问题.为实现低剂量CT的优质成像,减缓重建图像中伪影及噪声干扰,提出了一种小波域的卷积稀疏编码CT重建算法.该算法是利用预先构建的滤波器集,对重建图像中的小波域高频子带进行卷积稀疏表示,并引入到低剂量CT重建中以构造目标函数.通过重建图像更新和小波域卷积稀疏编码两个步骤的交替优化,实现重建目标函数的求解.在Shepp-Logan模拟数据、AAPM模拟数据与UIH真实数据上进行实验,并与全变差、字典学习、梯度正则化的卷积稀疏编码等进行对照分析,实验结果表明,所提算法可获得噪声伪影少、结构细节对比度高的重建图.最后,参数分析实验表明所提算法易实施且具有良好的参数稳健性.

摘要：针对计算机断层扫描(Computed Tomography,CT)中因采用低剂量扫描方式,导致图像噪声伪影干扰,尤其是不同部位噪声和伪影强度存在较大差异这一问题,提出了一种基于动态可控残差的卷积神经网络(DC-ResNet)算法。DC-ResNet的主要思想是在常规残差网络连接中添加一个图像质量指导的控制变量,以允许获取残差的加权和,从而实现残差特征的动态可控。所设计的DC-ResNet网络是一种包括两个子网络的组合型结构,一个是作为主干网络的基础子网络,在该子网络中使用全局动态残差块和局部动态残差块来实现低剂量CT图像质量的提高;另一个是作为辅助网络的条件子网络,用来生成基础子网络中不同动态可控残差块的权值,辅助基础子网络的学习。通过Mayo与UIH数据实验验证,其视觉结果表明:处理后的不同部位CT图像噪声伪影均能够得到较好的抑制,并能有效地保留结构细节及组织纹理;量化结果表明:处理后的CT图像峰值信噪比(Peak-Signal to Noise Ratio,PSNR)和结构相似性(Structure Similarity,SSIM)均优于对比方法。

摘要：目的 针对计算机断层扫描(Computed Tomography,CT)中由于不完全扫描数据导致图像噪声伪影严重的问题,提出一种基于Transformer块的混合域网络稀疏角度CT成像算法(Hybrid Domain network for sparse view CT imaging based on Transformer,HDTransformer)。方法 算法的主要思想是借助于新型的Transformer网络,构建适用于多阶段稀疏角度CT投影数据及图像数据的处理流,以提高稀疏角度CT图像重建质量;与现有两阶段混合域处理方法相比,本方法采用图像域-投影域-图像域三阶段混合处理流程,通过多阶段信息的联合互补提高成像质量;此外,针对不同阶段数据噪声伪影特点设计不同的Transformer块,以实现差异化的处理;更进一步,算法采用可微分的解析重建和投影运算,建立投影域与图像域数据的转换,最终实现端到端的稀疏角度CT优质成像流。结果 通过Mayo数据实验验证,其视觉结果表明:处理后的不同部位CT图像噪声伪影均能够得到较好的抑制;量化结果表明:处理后的CT图像峰值信噪比和特征相似性均优于对比方法。结论 实验的定性和定量结果表明:所提算法在去除图像伪影噪声方面要优于其他算法,具有更高的质量,验证了该方法的有效性。