基于稀疏变换的低剂量CT图像重建方法.pdf

《基于稀疏变换的低剂量CT图像重建方法.pdf》由会员分享，可在线阅读，更多相关《基于稀疏变换的低剂量CT图像重建方法.pdf（8页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201911266591.6 (22)申请日 2019.12.11 (71)申请人 电子科技大学 地址 611731 四川省成都市高新区 （西区） 西源大道2006号 (72)发明人 郑文锋杨波肖烨刘珊 曾庆川 (74)专利代理机构 成都行之专利代理事务所 (普通合伙) 51220 代理人 温利平 (51)Int.Cl. G06T 11/00(2006.01) G06T 5/00(2006.01) (54)发明名称 一种基于稀疏变换的低剂量CT图像重建方 法 (57)摘要 本发明。

2、公开了一种基于稀疏变换的低剂量 CT图像重建方法， 利用CT数据库模拟低剂量CT图 像及噪声图像， 再构建结构组织稀疏变换矩阵和 噪声稀疏变换矩阵， 进而建立对包含有两项稀疏 变换矩阵约束的目标函数， 并通过惩罚加权最小 二乘重构算法进行求解， 得到重建后的低剂量CT 图像。 权利要求书2页 说明书4页 附图1页 CN 111080736 A 2020.04.28 CN 111080736 A 1.一种基于稀疏变换的低剂量CT图像重建方法， 其特征在于， 包括以下步骤： (1)、 改变CT成像设备的射线剂量， 利用CT成像设备对待测体进行CT成像， 获取一系列 的低剂量CT的投影数据yi， i。

3、1,2,； (2)、 利用siddon算法计算待测体中第j个组织块相对于第i个投影数据yi的贡献值， 记 为aij， 从而得到成像矩阵A； (3)、 获取低剂量CT噪声图像矩阵XLD； (3.1)、 获取训练图像矩阵； 从CT图像数据库中下载一组标准剂量CT图像， 构成训练图像矩阵XSD， XSD的每列代表一 张CT图像； (3.2)、 模拟低剂量CT图像矩阵XLD； 利用雷登变换模拟出XSD对应的投影数据， 记为YSD； 计算低剂量CT图像的投影数据YLD； YLDYSD+ 2WGN(0,1) 其中， 2是控制噪声的参数， WGN(0,1)是均值为0， 方差为1的高斯白噪声； 利用反滤波投影。

4、法， 将低剂量CT图像的投影数据YLD进行图像重建重建， 得到低剂量CT 图像矩阵XLD； (3.3)、 模拟低剂量CT噪声图像矩阵XLD； 将训练图像矩阵XSD与低剂量CT图像矩阵XLD做差， 得到只包含有低剂量CT图像噪声数据 的噪声图像矩阵XLD； XLDXSD-XLD (4)、 构建结构组织稀疏变换矩阵和噪声稀疏变换矩阵模型； 其中， 和为大于零的常数， N是矩阵XSD和XLD中标准剂量CT图像和低剂量CT噪声图 像的数量； Z、 Z分别是XSD、 XLD的稀疏表示， zi和zi对应每张标准剂量CT图像和低剂量CT噪 声图像的稀疏表示， 分别为Z和Z的列向量； (5)、 构建目标函数 。

5、其中， R1(x)和R2(x)分别为通过训练获得的全剂量稀疏变换模型和噪声稀疏变换模型， x表示待求解的重建图像， xo为初始图像， Wdiagwi， wiexp(-yi)， Pjx和Pj(x-xo)表示对 权利要求书 1/2 页 2 CN 111080736 A 2 x和x-xo进行块提取的操作， N为图像块的个数， zj” 和zj” 为Pjx和Pj(x-xo)在组织结构稀疏 变换矩阵和噪声稀疏变换矩阵情况下的稀疏表示， b为权重系数； (6)、 采用惩罚加权最小二乘重构算法对目标函数进行求解， 得到重构后的低剂量CT图 像x。 2.根据权利要求1所述的一种基于稀疏变换的低剂量CT重建方法，。

6、 其特征在于， 所述权 重系数b的具体计算公式为： 其中， t表示当前迭代次数， T为惩罚加权最小二乘重构算法的迭代次数。 权利要求书 2/2 页 3 CN 111080736 A 3 一种基于稀疏变换的低剂量CT图像重建方法 技术领域 0001 本发明属于计算机断层成像技术领域， 更为具体地讲， 涉及一种基于稀疏变换的 低剂量CT图像重建方法。 背景技术 0002 X射线CT扫描， 作为一种人体组织成像技术， 在疾病筛选、 诊断、 急救、 介入治疗及 疗效监督中广泛使用。 随着CT扫描的普及， 其过量X射线辐射剂量带来的癌症风险， 日益受 到人们的关注， 因此如何提高低剂量CT图像质量， 是。

7、医学CT成像领域研究的关键技术之一。 0003 现今的技术有两种途径可以实现低剂量CT扫描。 其中一种是控制CT扫描过程中X 射线球管旋转周期内的曝光次数， 称之为稀疏角度扫描方式。 另一种就是通过控制CT扫描 过程的管电流、 管电压或扫描时间， 称之为mAs(milliampere-seconds)扫描方式。 前者收集 到的数据具有不完备性， 会造成结构组织信息的丢失； 后者会造成探测器上收集到的光子 数减少， 引入大量条形、 星状等不规则伪影， 大大降低图像的成像质量。 0004 提高低剂量CT图像质量的方法主要分为两类： 解析重建方法和迭代重建方法。 随 着计算机运算速率的提高， 迭代重。

8、建方法受到越来越多人的关注。 0005 统计迭代重建中， 将提前获取的与图像相关的先验信息引入低剂量CT图像重建的 目标函数中， 作为正则化项， 使得求解过程更加稳定， 更好地恢复组织结构信息以及抑制噪 声。 Pfister和Bresler在 Adaptive sparsifying transforms for iterative tomographic reconstruction 中出一种基于模型的自适应稀疏变换迭代重构法， 该方法 表明稀疏变换正则化可以很好地应用于惩罚加权最小二乘重构法。 Zheng等人在 Low dose CT image reconstruction with l。

9、earned sparifying transform 中提出基于CT大数据 集稀疏变换的正则项与惩罚加权最小二乘重构法相结合的低剂量CT重建方法。 但以上方 法， 引入的先验信息有限， 重建图像质量与速度都有待提高。 发明内容 0006 本发明的目的在于克服现有技术的不足， 提供一种基于稀疏变换的低剂量CT图像 重建方法， 通过惩罚加权最小二乘重构算法对含有稀疏特征的目标函数求解， 得到低剂量 CT图像。 0007 为实现上述发明目的， 本发明一种基于稀疏变换的低剂量CT图像重建方法， 其特 征在于， 包括以下步骤： 0008 (1)、 改变CT成像设备的射线剂量， 利用CT成像设备对待测体。

10、进行CT成像， 获取一 系列的低剂量CT的投影数据yi， i1,2,； 0009 (2)、 利用siddon算法计算待测体中第j个组织块相对于第i个投影数据yi的贡献 值， 记为aij， 从而得到成像矩阵A； 0010 (3)、 获取低剂量CT噪声图像矩阵XLD； 0011 (3.1)、 获取训练图像矩阵； 说明书 1/4 页 4 CN 111080736 A 4 0012 从CT图像数据库中下载一组标准剂量CT图像， 构成训练图像矩阵XSD， XSD的每列代 表一张CT图像； 0013 (3.2)、 模拟低剂量CT图像矩阵XLD； 0014 利用雷登变换模拟出XSD对应的投影数据， 记为YS。

11、D； 0015 计算低剂量CT图像的投影数据YLD； 0016 YLDYSD+ 2WGN(0,1) 0017 其中， 2是控制噪声的参数， WGN(0,1)是均值为0， 方差为1的高斯白噪声； 0018 利用反滤波投影法， 将低剂量CT图像的投影数据YLD进行图像重建， 得到低剂量CT 图像矩阵XLD； 0019 (3.3)、 模拟低剂量CT噪声图像矩阵XLD； 0020 将训练图像矩阵XSD与低剂量CT图像矩阵XLD做差， 得到只包含有低剂量CT图像噪 声数据的噪声图像矩阵XLD； 0021 XLDXSD-XLD 0022 (4)、 构建结构组织稀疏变换矩阵和噪声稀疏变换矩阵模型； 0023。

12、 0024 0025 其中， 和为大于零的常数， N是矩阵XSD和XLD中标准剂量CT图像和低剂量CT噪 声图像的数量； Z、 Z分别是XSD、 XLD的稀疏表示， zi和zi对应每张标准剂量CT图像和低剂量 CT噪声图像的稀疏表示， 分别为Z和Z的列向量； 0026 (5)、 构建目标函数 0027 0028 0029 0030 其中， R1(x)和R2(x)分别为通过训练获得的全剂量稀疏变换模型和噪声稀疏变换 模型， x表示待求解的重建图像， xo为初始图像， Wdiagwi， wiexp(-yi)， Pjx和Pj(x-xo) 表示对x和x-xo进行块提取的操作， N为图像块的个数， zj。

13、 和zj 为Pjx和Pj(x-xo)在组织结 构稀疏变换矩阵和噪声稀疏变换矩阵情况下的稀疏表示， b为权重系数； 0031 (6)、 采用惩罚加权最小二乘重构算法对目标函数进行求解， 得到重构后的低剂量 CT图像x。 0032 本发明的发明目的是这样实现的： 0033 本发明一种基于稀疏变换的低剂量CT图像重建方法， 利用CT数据库模拟低剂量CT 图像及噪声图像， 再构建结构组织稀疏变换矩阵和噪声稀疏变换矩阵， 进而建立对包含有 两项稀疏变换矩阵约束的目标函数， 并通过惩罚加权最小二乘重构算法进行求解， 得到重 说明书 2/4 页 5 CN 111080736 A 5 建后的低剂量CT图像。 。

14、0034 同时， 本发明一种基于稀疏变换的低剂量CT图像重建方法还具有以下有益效果： 0035 (1)、 本发明在构建目标函数时包含组织信息和噪声信息的稀疏变换， 在迭代求解 的过程中， 根据迭代次数的改变， 调整约束项比重， 重建后的CT图像能够有效地去除重建图 像中噪声引起的条形伪影， 可以明显改善CT图像质量， 并且运算速度得到大幅度提升。 附图说明 0036 图1是本发明一种基于稀疏变换的低剂量CT图像重建方法流程图； 具体实施方式 0037 下面结合附图对本发明的具体实施方式进行描述， 以便本领域的技术人员更好地 理解本发明。 需要特别提醒注意的是， 在以下的描述中， 当已知功能和设。

15、计的详细描述也许 会淡化本发明的主要内容时， 这些描述在这里将被忽略。 0038 实施例 0039 图1是本发明一种基于稀疏变换的低剂量CT图像重建方法流程图。 0040 在本实施例中， 如图1所示， 本发明一种基于稀疏变换的低剂量CT图像重建方法， 包括以下步骤： 0041 S1、 利用CT成像设备采用降低管电流(mA)或管电压(kVp)的扫描协议获取一系列 低剂量CT投影数据y以及相应的成像系统参数， 射线剂量为标准剂量的1/10至1/20。 0042 S2、 利用siddon算法计算待测体中第j个组织块相对于第i个投影数据yi的贡献 值， 记为aij， 从而得到成像矩阵A； 0043 S。

16、3、 获取低剂量CT噪声图像矩阵XLD； 0044 S3.1、 获取训练图像矩阵； 0045 从CT图像数据库中下载一组标准剂量CT图像， 构成训练图像矩阵XSD， XSD的每列代 表一张CT图像； 0046 S3.2、 模拟低剂量CT图像矩阵XLD； 0047 利用雷登变换模拟出XSD对应的投影数据， 记为YSD； 0048 计算低剂量CT图像的投影数据YLD； 0049 YLDYSD+ 2WGN(0,1) 0050 其中， 2是控制噪声的参数， WGN(0,1)是均值为0， 方差为1的高斯白噪声； 0051 利用反滤波投影法， 将低剂量CT图像的投影数据YLD进行图像重建， 得到低剂量CT。

17、 图像矩阵XLD； 0052 S3.3、 模拟低剂量CT噪声图像矩阵XLD； 0053 将训练图像矩阵XSD与低剂量CT图像矩阵XLD做差， 得到只包含有低剂量CT图像噪 声数据的噪声图像矩阵XLD； 0054 XLDXSD-XLD 0055 S4、 训练图像矩阵XSD和模拟的低剂量CT噪声图像矩阵XLD， 构建结构组织稀疏变 换矩阵和噪声稀疏变换矩阵模型； 说明书 3/4 页 6 CN 111080736 A 6 0056 0057 0058 其中， 和为大于零的常数， N是矩阵XSD和XLD中标准剂量CT图像和低剂量CT噪 声图像的数量； Z、 Z分别是XSD、 XLD的稀疏表示， zi和。

18、zi对应每张标准剂量CT图像和低剂量 CT噪声图像的稀疏表示， 分别为Z和Z的列向量； 在本实施例中， N5； 5.851015， 125。 0059 S5、 构建目标函数 0060 0061 0062 0063 其中， R1(x)和R2(x)分别为通过训练获得的全剂量稀疏变换模型和噪声稀疏变换 模型， x表示待求解的重建图像， xo为初始图像， Wdiagwi， wiexp(-yi)， Pjx和Pj(x-xo) 表示对x和x-xo进行块提取的操作， N为图像块的个数， zj 和zj 为Pjx和Pj(x-xo)在组织结 构稀疏变换矩阵和噪声稀疏变换矩阵情况下的稀疏表示， b为权重系数， 用以平。

19、衡恢 复组织结构和提高图像分辨率的过程， b与迭代次数T相关的分段函数， 具体表示如下所示： 0064 0065 具体地实施过程中我们可以将提取像素块的尺寸大小设定为88， 像素间距设置 为前后左右等距的0.4883mm， xo为反向滤波投影算法得到的初始图像， 在发明中 2105， 20， 0066 S6、 采用惩罚加权最小二乘重构算法对目标函数进行求解， 得到重构后的低剂量 CT图像x。 0067 尽管上面对本发明说明性的具体实施方式进行了描述， 以便于本技术领域的技术 人员理解本发明， 但应该清楚， 本发明不限于具体实施方式的范围， 对本技术领域的普通技 术人员来讲， 只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内， 这些 变化是显而易见的， 一切利用本发明构思的发明创造均在保护之列。 说明书 4/4 页 7 CN 111080736 A 7 图1 说明书附图 1/1 页 8 CN 111080736 A 8 。