一种基于低维流形先验的低剂量CT重建方法技术

一种基于低维流形先验的低剂量CT重建方法，从原始投影数据

【技术实现步骤摘要】
一种基于低维流形先验的低剂量CT重建方法
本专利技术涉医学影像重建
，特别涉及一种基于低维流形先验的低剂量CT重建方法。
技术介绍
X射线CT在疾病防治与诊断方面取得了巨大成就，是现代影像学的杰出代表。但是过高剂量的X射线照射会照常患者严重脱发、皮肤灼伤并可能导致癌症和遗传性疾病的发生。针对CT检查过程中的X射线照射剂量问题，世界卫生组织、国际放射委员会以及国际医学物理组织制定了X射线照射剂量保证和剂量控制标准，极力主张X线CT检查应遵循实践正当性、防护最优化的原则，希望以最小的代价和剂量获取最好的CT影像诊断效果。因此，如何最大限度减少CT检查中的X射线照射剂量已经成为当前CT成像领域亟待解决的关键问题。降低CT扫描过程中的管电流可以大幅减少X射线的辐射剂量。然而，管电流的降低会导致投影数据中光子噪声大幅增加而且电子噪声的影响会很更重，传统的滤波反投影算法重建的图像会产生严重的噪声和伪影，无法满足临床医学影像诊断的需求。目前，低剂量CT图像重建主要分为两类：(1)低剂量CT图像迭代重建；(2)对低剂量CT投影数据滤波，然本文档来自技高网...

【技术保护点】
1.一种基于低维流形先验的低剂量CT重建方法，其特征在于，包括步骤有：/n步骤一、获取CT设备的CT成像系统参数和低剂量扫描协议下的原始投影数据

【技术特征摘要】
1.一种基于低维流形先验的低剂量CT重建方法，其特征在于，包括步骤有：
步骤一、获取CT设备的CT成像系统参数和低剂量扫描协议下的原始投影数据
步骤二、根据步骤一获取的CT成像系统参数对步骤一得到的原始投影数据进行系统校正，并做对数变化后得到对数变换投影数据y，并对y进行逐个数据点的方差σ2估计；
步骤三、基于图像分块构建待恢复投影数据的低维流形先验；
步骤四、根据步骤二得到的方差σ2和步骤三得到的低维流形先验，构建基于低维流形先验的投影数据恢复模型；
步骤五、使用交替优化算法对步骤四中的投影数据恢复模型进行求解，得到恢复后投影数据；
步骤六、对步骤五得到的恢复后投影数据进行图像重建得到最终CT图像。


2.根据权利要求1所述的基于低维流形先验的低剂量CT重建方法，其特征在于：所述系统参数为X射线入射光子强度I0或者系统电子噪声的方差


3.根据权利要求2所述的基于低维流形先验的低剂量CT重建方法，其特征在于：所述方差σ2估计为基于投影数据小邻域的局部方差估计或者基于投影数据噪声统计特性的方差估计。


4.根据权利要求3所述的基于低维流形先验的低剂量CT重建方法，其特征在于，所述步骤三具体如下：
步骤3.1、定义待恢复投影数据q，且q为m×n的矩阵，m为矩阵的行数，n为矩阵的列数；
步骤3.2、选取对q中的任意一个像素点(i，j)，存在1≤i≤m，1≤j≤n，在像素点(i，j)处选取大小为s1×s2的图像块Ψx(q)，其中，s1和s2分别为图像块Ψx(q)的行数和列数，为s1×s2矩阵左上角的像素；
步骤3.3、根据式(I)对步骤3.2中q所有像素点的图像块Ψx(q)，组合成q的点云Ψ(q)，



其中，d＝s1×s2和Rd为d维的欧几里得空间；
步骤3.4、基于微分流形理论对步骤3.3的点云Ψ(q)模拟为一个嵌在Rd空间中的低维光滑流形M＝∪lMl，其中Ml是对应q中不同区域的流形，M为q的图像块流形；
步骤3.5、构建低维流形先验
其中dim(M)为流形M的维数，αi(w)＝wi为指标函数，且w＝(w1，…，wd)∈M，为指标函数αi(w)在流形M上的梯度，且||·||2为欧几里得范数。


5.根据权利要求4所述的基于低维流形先验的低剂量CT重建方法，其特征在于，所述投影数据恢复模型为式(II)，



其中p和q都为待恢复投影数据，T为转置运算，∑为对角矩阵，对角矩阵对角线上的元素为方差σ2，β1，β2＞0为正则化参数，为q的低维流形先验。


6.根据权利要求5所述的基于低维...

【专利技术属性】
技术研发人员：牛善洲，李楠，钟世萍，胡声洲，汪廷华，马建华，
申请(专利权)人：赣南师范大学，
类型：发明
国别省市：江西;36