基于CT投影数据的直接迭代多材料分解图像重建方法技术

本发明专利技术公开了一种基于CT投影数据的直接迭代多材料分解图像重建方法，首先建立基于CT投影数据的多材料直接分解图象重建模型；然后，建立基于CT投影数据的多材料分解直接迭代重建算法，运用该算法对多材料直接分解图象重建模型进行求解获得多材料分解图像；本发明专利技术提供了一种根据CT投影数据直接迭代重建多材料分解图像的方法，具有通用性，可有效提高基材料分解图像的重建效率，满足低成本、高性能多材料分解的实际需求。

【技术实现步骤摘要】
基于CT投影数据的直接迭代多材料分解图像重建方法
本专利技术涉及计算机断层成像
，尤其涉及一种基于CT投影数据的直接迭代多材料分解图像重建方法。
技术介绍
随着CT技术的发展，双能CT逐步得到推广应用，基于光子计数探测器的多能CT技术也在快速发展之中。在早期缺陷检测、肝纤维定量检测、病变早期诊断等CT高端应用中，多材料分解技术具有重要的实际应用价值。传统CT使用一种管电压进行成像，可获得目标的衰减系数图像，难以获得基材料分解图像。双能CT利用两种不同管电压下的X射线对目标模体进行扫描成像，与传统的单一管电压下的CT成像技术相比，双能CT能够利用两种不同能谱射线下的衰减信息进行基材料分解，实现对不同物质材料的识别，在医学成像、安全检查、无损检测等领域已获得越来越多的应用。多能CT利用光子计数探测器实现对多个能段光子的探测，与双能CT相比，可进行更多基材料的分解，在医学成像、安全检查、无损检测等领域具有更重要的应用价值。CT基材料分解是一个非线性逆问题，具有不适定性、高维等特点。常见的基材料分解方法将图像重建与基材料分解分成两步进行计算，按其执行顺序又可分为基于图像域的基材料分解方法(即先重建高、低能下的图像，然后进行材料分解)和基于投影域的基材料分解方法(即先对投影进行分解，然后重建分解图像)。该方法计算量大，分两步进行计算导致图像噪声放大严重、图像质量劣化。同时进行基材料分解时，通常基材料的种类不能大于成像能量的类别，比如双能CT可以进行两种基材料的分解，对于多能CT，基材料的数量不能大于探测能段的数量，从而限制了基材料分解的应用范围，使得实现基材料分解所需要的硬件系统成本大大增加。现有技术中，如专利申请CN108010098A公开的一种双能谱CT基材料图像迭代重建方法，它是一种图像域的两步分解法，先重建高、低能谱的被测物体图像并计算线性组合图像，然后求基材料密度图像与线性组合图像的比值图像，并以该比值图像总变差最小化作为约束条件，建立正则化约束图像重建模型，迭代重建被测物体的基材料密度图像。该方法需要通过两个步骤实现材料分解，计算量大，并将导致噪声放大，致使图像质量下降。又如专利申请CN108230277A公开的一种基于卷积神经网络的双能CT图像分解方法，它通过双输入、双输出的卷积神经网络模型和交叉卷积的建立，实现高能CT图像、低能CT图像中不同基材料的合理分流，提升双能CT图像基材料分解的质量。它不仅需要大量的训练和测试数据进行建模，同时难以满足通用性的需求。再如CN110428395A公开的单能谱CT图像的多材料分解方法，它针对单能谱CT图像提供了一种图像域的多材料两步分解法，使得利用传统CT也可以实现多材料分解，但由于它是一种两步法方法，因此计算量大，分两步进行计算导致图像噪声放大、图像质量劣化；它采用交替方向乘子法进行优化求解，易陷入局部极小，从而导致基材料分解图像质量下降。
技术实现思路
本专利技术的目的在于克服
技术介绍
中所涉及到的缺陷，提供了基于CT投影数据的直接迭代多材料分解图像重建模型及迭代重建算法，由CT投影数据直接获得多材料分解图像，基材料的种类数不受限制，可有效降低计算复杂度、克服噪声和伪影，更好地满足实际需求，有效降低成本，该方法具有通用性，可应用于传统CT、双能CT及多能CT的多材料分解。本专利技术为解决上述技术问题采用以下技术方案：一种基于CT投影数据的直接迭代多材料分解图像重建方法，包含以下步骤：步骤1)，针对具有n个能段的CT成像系统，建立基于CT投影数据的m种基材料直接分解图象重建模型：其中，P表示CT成像系统采集的投影向量，n表示CT成像系统的探测能段数，n≥1，m表示基材料数，m≥2且m≥n，P(Ei)表示第i个能段的投影向量，Ei表示第i个能段的平均能量，i＝1,2,...,n，μj(Ei)分别为第j种基材料在能量Ei下的线性衰减系数，j＝1,2,...,m，A表示投影算子，(x1,x2,…,xm)表示m种基材料的分解图像，表示联合投影算子；步骤2)，构建基于CT投影数据的m种基材料分解直接迭代重建算法，运用该算法对m种基材料直接分解图象重建模型进行求解获得m种基材料分解图像，所述迭代重建算法按照如下公式进行迭代计算：其中，表示m种基材料第k+1次迭代时的分解图像，表示m种基材料第k次迭代时的分解图像，k表示迭代次数，S表示矩阵B中各列元素和的向量，Rk表示正则项；当n＝m时，其中，β1、…、βm为预设的正则化参数，U(·)表示能量函数；当n<m时，其中，γ1、…、γm为预设的惩罚参数，表示第l种基材料的L1范数。本专利技术采用以上技术方案与现有技术相比，具有以下技术效果：本专利技术提供了基于CT投影数据的直接迭代多材料分解图像重建模型及迭代重建算法，由CT投影数据直接获得多材料分解图像，基材料的种类数不受限制，可有效降低计算复杂度、克服噪声和伪影，更好地满足实际需求，有效降低成本，该方法具有通用性，可应用于传统CT、双能CT及多能CT的多材料分解。附图说明图1为本专利技术一种双能CT直接迭代基材料分解图像重建方法的流程图；图2为双能CT在管电压分别为80kVp和140kVp时的能谱图；图3(a)、图3(b)分别为双能CT在管电压为80kVp、140kVp时的投影向量图；图4(a)、图4(b)分别为实施例1中软组织、骨组织的分解图像；图5为多能CT在管电压为140KVp、能量阈值为80keV时高、低两个能段的能谱图；图6(a)、图6(b)分别为多能CT在管电压为140kVp时高、低两个能段的投影向量图；图7(a)、图7(b)、图7(c)分别为实施例2中水、软组织、骨组织的分解图像。图8为传统CT在管电压为140kVp时的能谱图；图9为传统CT在管电压为140kVp时的投影向量图；图10(a)、图10(b)分别为实施例3中软组织、骨组织的分解图像；具体实施方式下面结合附图对本专利技术的技术方案做进一步的详细说明：实施例1：双能CT两种基材料分解图像重建如图1所示，本专利技术公开了一种基于CT投影数据的直接迭代多材料分解图像重建方法，下面以管电压分别为80KVp和140KVp、基材料分别为软组织和骨组织的情况下基材料分解图像重建为例进行说明，图2为双能CT在管电压分别为80kVp和140kVp时的能谱图，设μ1(E1)和μ1(E2)分别为软组织在管电压为80KVp和140KVp时的线性衰减系数，μ2(E1)和μ2(E2)分别为骨组织在管电压为80KVp和140KVp时的线性衰减系数，投影算子记为A，基材料分解图像记为(x1,x2)，令表示联合投影算子，具体步骤如下：步骤1)，利用双能CT采集80KVp和140KVp管电压下成像目标的投影，分别记为P1和P2，令表示双能CT成像系统采集的联合投影向量。步骤2)，在线性衰减系数标准数本文档来自技高网...

【技术保护点】
1.一种基于CT投影数据的直接迭代多材料分解图像重建方法，其特征在于，包含以下步骤：/n步骤1)，针对具有n个能段的CT成像系统，建立基于CT投影数据的m种基材料直接分解图象重建模型：

【技术特征摘要】
1.一种基于CT投影数据的直接迭代多材料分解图像重建方法，其特征在于，包含以下步骤：
步骤1)，针对具有n个能段的CT成像系统，建立基于CT投影数据的m种基材料直接分解图象重建模型：
其中，P表示CT成像系统采集的投影向量，n表示CT成像系统的探测能段数，n≥1，m表示基材料数，m≥2且m≥n，P(Ei)表示第i个能段的投影向量，Ei表示第i个能段的平均能量，i＝1,2,...,n，μj(Ei)分别为第j种基材料在能量Ei下的线性衰减系数，j＝1,2,...,m，A表示投影算子，(x1,x2,…,xm)表示m种基材料的分解图像，表示联合...

【专利技术属性】
技术研发人员：周正东，毛玲，章栩苓，辛润超，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32