專利名稱：基于阿爾法散度約束的全變分最小化劑量ct重建方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種醫(yī)用CT圖像處理的方法，具體來(lái)說(shuō)涉及一種基于阿爾法(α )散度約束的全變分最小化低劑量CT重建方法。
背景技術(shù)：
臨床CT成像中，X線輻射會(huì)對(duì)人體的潛在風(fēng)險(xiǎn)，如增加癌癥發(fā)生率及余生腫瘤致死率，因此一直受到廣泛關(guān)注。但根據(jù)目前的圖像重建方法，為了得到更好的重建圖像，多排CT、雙源CT已在臨床中廣泛應(yīng)用，新的CT設(shè)備的使用造成更大的X射線使用劑量，也對(duì)人體造成更大危害，因此，如何在保證圖像質(zhì)量的前提下最大限度地降低X射線使用劑量已成為醫(yī)學(xué)CT成像領(lǐng)域的迫切需要。為達(dá)到上述目的，當(dāng)前方法中除了先進(jìn)的硬件方法外，通過(guò)降低管電流實(shí)現(xiàn)低劑量成像是最常用的方法，但該方法重建的圖像質(zhì)量存在嚴(yán)重退化現(xiàn)象，難以滿足臨床診斷需求。大量研究表明，優(yōu)質(zhì)的低劑量CT圖像重建方法是大幅降低X射線輻射劑量的有效途徑。其中，基于圖像域和投影域的濾波方法在一定條件下能取得較好的圖像質(zhì)量，但其只能從圖像和投影數(shù)據(jù)自身獲取信息，其處理的精度依賴于圖像數(shù)據(jù)的噪聲和偽影特性。當(dāng)輻射劑量降低或投影數(shù)據(jù)采集不足時(shí)，圖像和投影數(shù)據(jù)的噪聲和偽影特性極為復(fù)雜，重建出的圖像質(zhì)量就會(huì)很差。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種基于阿爾法(α )散度約束的全變分最小化低劑量CT 重建方法，該方法可實(shí)現(xiàn)根據(jù)低劑量的CT成像設(shè)備投影數(shù)據(jù)即可重建并得到高質(zhì)量的CT 重建圖像。本發(fā)明的目的可通過(guò)以下的技術(shù)措施來(lái)實(shí)現(xiàn)一種基于阿爾法(α)散度約束的全變分最小化低劑量CT重建方法，包括以下步驟(1)利用CT成像設(shè)備采集原始投影數(shù)據(jù)，對(duì)采集到的投影數(shù)據(jù)進(jìn)行CT圖像預(yù)重建；(2)將步驟(1)中的CT圖像預(yù)重建的結(jié)果作為初值，并構(gòu)建CT重建模型；(3)采用迭代過(guò)程求解步驟O)中CT重建模型，對(duì)每步迭代后的結(jié)果進(jìn)行全變分圖像恢復(fù)，同時(shí)判斷每步迭代后的結(jié)果是否滿足終止迭代條件若否，將全變分恢復(fù)得到的圖像數(shù)據(jù)作為下一步迭代初值并繼續(xù)迭代過(guò)程；若是，則將當(dāng)前全變分恢復(fù)得到的圖像數(shù)據(jù)作為最終重建結(jié)果。所述步驟(1)中的CT圖像預(yù)重建過(guò)程為對(duì)CT成像設(shè)備采集的原始投影數(shù)據(jù)采用濾波反投影方法進(jìn)行圖像預(yù)重建處理或采用快速的迭代算法進(jìn)行圖像預(yù)處理重建。所述的快速的迭代算法為最大似然期望最大算法或最大后驗(yàn)估計(jì)算法。所述步驟O)中的CT重建模型為〒^ι Ω(/||Ι//) + ; |/4ν ，其中f為采集到的原始投影數(shù)據(jù)；Κμ為迭代過(guò)程中生成的投影數(shù)據(jù)，K = (Ki, j}為系統(tǒng)矩陣，i，j分別為待重建CT圖像的像素個(gè)數(shù)和CT探測(cè)器探測(cè)元的個(gè)數(shù)；μ表示待重建的衰減圖像； Da(f ΙΙΚμ)為數(shù)據(jù)保真項(xiàng)，a e
； I μ |τν為全變分正則化項(xiàng)。所述步驟(3)中的迭代過(guò)程采用期望最大化(EM)迭代方法進(jìn)行計(jì)算。所述系統(tǒng)矩陣是從CT成像設(shè)備的系統(tǒng)得到的基于面積加權(quán)的系統(tǒng)矩陣，或者，基于體素加權(quán)的系統(tǒng)矩陣。所述步驟(3)中全變分圖像恢復(fù)的計(jì)算過(guò)程為 /Cl = /C5 -^I//;div(w)，其中Ι = ^/Σ;《，7 ； 為全變分恢復(fù)后的圖像數(shù)據(jù)，
div為散度算子，W為二元變量。所述步驟中迭代終止條件為相鄰兩次全變分圖像恢復(fù)后的重建模型的差小于閾值。所述閾值為0.001。本發(fā)明對(duì)比現(xiàn)有技術(shù)，有如下優(yōu)點(diǎn)1、由于α散度應(yīng)用于統(tǒng)計(jì)推測(cè)時(shí)對(duì)噪聲和離群值具有較好的魯棒性，本方法利用α散度來(lái)測(cè)定低劑量投影數(shù)據(jù)和估計(jì)的投影數(shù)據(jù)之間的偏差，而全變分在圖像降噪的同時(shí)保持圖像的邊緣和紋理結(jié)構(gòu)信息。本方法結(jié)合以上兩點(diǎn)，從而能夠?qū)崿F(xiàn)低劑量CT圖像的優(yōu)質(zhì)重建；2、試驗(yàn)結(jié)果顯示，本方法能較好的保持圖像邊緣，并且抑制勻質(zhì)區(qū)域的噪聲，同時(shí)具有較高的信噪比。


圖1是本發(fā)明的基于阿爾法散度約束的全變分最小化低劑量CT重建方法的處理流程圖； 圖2 (a)是Sh印p-Logan體模圖像；圖2(b)是對(duì)證印p-Logan體模低劑量投影數(shù)據(jù)采用Ramp濾波后的FBP重建圖像；圖2 (c)是對(duì)證印p-Logan體模低劑量投影數(shù)據(jù)采用Harm窗濾波后的FBP重建圖像；圖2 (d)是對(duì)證印p-Logan體模低劑量投影數(shù)據(jù)采用本發(fā)明方法的重建圖像，其中 α取值0.6，λ取值0.2 ；圖2 (e)是對(duì)證印p-Logan體模低劑量投影數(shù)據(jù)采用本發(fā)明方法的重建圖像，其中 α取值1.0，λ取值0.2 ；圖2 (f)是對(duì)證印p-Logan體模低劑量投影數(shù)據(jù)采用本發(fā)明方法的重建圖像，其中 α取值2. 0，λ取值0. 2的重建圖像；圖3(a)至圖3(d)分別是圖2(c)至圖2(f)重建圖像的水平輪廓圖；圖4為性能體模圖像；圖5(a)為圖2(d)對(duì)應(yīng)重建過(guò)程中目標(biāo)函數(shù)隨迭代次數(shù)的變化曲線；圖5(b)為圖2(e)對(duì)應(yīng)重建過(guò)程中目標(biāo)函數(shù)隨迭代次數(shù)的變化曲線；圖5(c)為圖2(f)對(duì)應(yīng)重建過(guò)程中目標(biāo)函數(shù)隨迭代次數(shù)的變化曲線。
具體實(shí)施例方式圖1示出了本發(fā)明的基于阿爾法(α )散度約束的全變分最小化低劑量CT重建方法(簡(jiǎn)稱α D-TV)的處理流程圖，具體過(guò)程如下1、利用CT設(shè)備采集低劑量投影數(shù)據(jù)，由于臨床CT掃描中，不同的成像部位，劑量使用不同，本方法在使用過(guò)程中，采用一般劑量的1/10左右即可達(dá)到良好效果，即使用最小劑量即可。對(duì)采集到的投影數(shù)據(jù)進(jìn)行CT圖像預(yù)重建，CT圖像預(yù)重建過(guò)程為對(duì)CT成像設(shè)備采集原始投影數(shù)據(jù)采用濾波反投影方法進(jìn)行CT圖像預(yù)重建或采用快速的迭代算法進(jìn)行CT圖像預(yù)重建?？焖俚牡惴樽畲笏迫黄谕畲笏惴ɑ蜃畲蠛篁?yàn)估計(jì)算法，也可采用其他方法進(jìn)行CT圖像預(yù)重建。接下來(lái)，構(gòu)建基于α散度約束的全變分最小化CT重建模型，并將圖像重建預(yù)處理后的結(jié)果作為CT重建模型優(yōu)化求解的初值進(jìn)行求解，本方法優(yōu)選如下CT重建模型 ^mDci (/||1//) 其中Da(f||Ky)為數(shù)據(jù)保真項(xiàng)，其形式為
=
權(quán)利要求
1.一種基于阿爾法散度約束的全變分最小化低劑量CT重建方法，其特征在于包括以下步驟(1)利用CT成像設(shè)備采集原始投影數(shù)據(jù)，對(duì)采集到的投影數(shù)據(jù)進(jìn)行CT圖像預(yù)重建；(2)將步驟(1)中的CT圖像預(yù)重建的結(jié)果作為初值，并構(gòu)建CT重建模型；(3)采用迭代過(guò)程求解步驟O)中CT重建模型，對(duì)每步迭代后的結(jié)果進(jìn)行全變分圖像恢復(fù)，同時(shí)判斷每步迭代后的結(jié)果是否滿足終止迭代條件若否，將全變分恢復(fù)得到的圖像數(shù)據(jù)作為下一步迭代初值并繼續(xù)迭代過(guò)程；若是，則將當(dāng)前全變分恢復(fù)得到的圖像數(shù)據(jù)作為最終重建結(jié)果。
2.根據(jù)權(quán)利要求1所述的基于阿爾法散度約束的全變分最小化低劑量CT重建方法，其特征在于所述步驟(1)中的CT圖像預(yù)重建過(guò)程為對(duì)CT成像設(shè)備采集的原始投影數(shù)據(jù)采用濾波反投影方法進(jìn)行圖像預(yù)重建處理或采用快速的迭代算法進(jìn)行圖像預(yù)處理重建。
3.根據(jù)權(quán)利要求2所述的基于阿爾法散度約束的全變分最小化低劑量CT重建方法，其特征在于所述的快速的迭代算法為最大似然期望最大算法或最大后驗(yàn)估計(jì)算法。
4.根據(jù)權(quán)利要求1至3任意一項(xiàng)所述的基于阿爾法散度約束的全變分最小化低劑量CT重建方法，其特征在于所述步驟⑵中的CT重建模型為mmOa (/\\Κμ) + λ\μ\ γ ，其中f為采集到的原始投影數(shù)據(jù)；κ μ為迭代過(guò)程中生成的投影數(shù)據(jù)，K = IKi,」}為系統(tǒng)矩陣，i，j分別為待重建CT圖像的像素個(gè)數(shù)和CT探測(cè)器探測(cè)元的個(gè)數(shù)；μ表示待重建的衰減圖像；Da(f ΙΙΚμ)為數(shù)據(jù)保真項(xiàng)，a e
；| μ | τν為全變分正則化項(xiàng)。
5.根據(jù)權(quán)利要求4所述的基于阿爾法散度約束的全變分最小化低劑量CT重建方法，其特征在于所述步驟(3)中的迭代過(guò)程采用期望最大化迭代方法進(jìn)行計(jì)算。
6.根據(jù)權(quán)利要求5所述的基于阿爾法散度約束的全變分最小化低劑量CT重建方法，其特征在于所述系統(tǒng)矩陣是從CT成像設(shè)備的系統(tǒng)得到的基于面積加權(quán)的系統(tǒng)矩陣，或者， 基于體素加權(quán)的系統(tǒng)矩陣。
7.根據(jù)權(quán)利要求6所述的基于阿爾法散度約束的全變分最小化低劑量CT重建方法，其特征在于所述步驟⑶中全變分圖像恢復(fù)的計(jì)算過(guò)程為μΙ+λ 二 μΙ+5，其中叉= 2/Σ;^“ ； 為全變分恢復(fù)后的圖像數(shù)據(jù)，div為散度算子，w為二元變量。
8.根據(jù)權(quán)利要求7所述的基于阿爾法散度約束的全變分最小化低劑量CT重建方法，其特征在于所述步驟中迭代終止條件為相鄰兩次全變分圖像恢復(fù)后的重建模型的差小于閾值。
9.根據(jù)權(quán)利要求8所述的基于阿爾法散度約束的全變分最小化低劑量CT重建方法，其特征在于所述閾值為0. 001。
全文摘要
本發(fā)明公開(kāi)了一種基于阿爾法散度約束的全變分最小化劑量CT重建方法，包括以下步驟(1)利用CT成像設(shè)備采集原始投影數(shù)據(jù)，對(duì)采集到的投影數(shù)據(jù)進(jìn)行CT圖像預(yù)重建；(2)將步驟(1)的結(jié)果作為初值，并構(gòu)建CT重建模型；(3)采用迭代過(guò)程求解步驟(2)中CT重建模型，對(duì)每步迭代后的結(jié)果進(jìn)行全變分圖像恢復(fù)，同時(shí)判斷每步迭代后的結(jié)果是否滿足終止迭代條件若否，將全變分恢復(fù)得到的圖像數(shù)據(jù)作為下一步迭代初值并繼續(xù)迭代過(guò)程；若是，則將當(dāng)前全變分恢復(fù)得到的圖像數(shù)據(jù)作為最終重建結(jié)果。該方法可實(shí)現(xiàn)根據(jù)低劑量的CT成像設(shè)備投影數(shù)據(jù)即可重建并得到高質(zhì)量的CT重建圖像。
文檔編號(hào)G06T11/00GK102314698SQ20111022832
公開(kāi)日2012年1月11日 申請(qǐng)日期2011年8月10日 優(yōu)先權(quán)日2011年8月10日
發(fā)明者田玲玲, 陳武凡, 馬建華, 黃靜 申請(qǐng)人:南方醫(yī)科大學(xué)