基于双字典自适应学习算法的低采样率CT重建

TP391.9; 在医疗诊断中,稀疏采样能减少CT扫描过程中辐射对患者的伤害.但直接对稀疏采样后的投影数据进行重建,会使CT重建后的图像出现失真、伪影等问题.为保证低采样率下重建图像的质量,提出了双字典自适应学习算法,参照Sparse-Land模型的双字典学习框架,将K-SVD算法与双字典学习算法框架相结合得到补全投影数据,利用FBP算法进行重建得到高质量的重建图像.实验结果表明,在低采样率下使用所提方法进行CT重建的图像质量优于COMP双字典学习算法和MOD双字典学习算法,并且此方法有效提高了CT图像重建在低采样率时的性能....

Full description

Saved in:
Bibliographic Details
Published in东北大学学报（自然科学版） Vol. 43; no. 12; pp. 1709 - 1716
Main Authors 栾峰, 杨帆, 蔡睿智, 杨晨
Format Journal Article
LanguageChinese
Published 东北大学 医学影像智能计算教育部重点实验室, 辽宁 沈阳 110169 26.12.2022
东北大学 计算机科学与工程学院, 辽宁 沈阳 110169
Subjects
FBP算法
K-SVD算法
双字典学习算法
自适应学习算法
CT图像重建
Online AccessGet full text
ISSN1005-3026
DOI10.12068/j.issn.1005-3026.2022.12.006

Cover

More Information
Summary:TP391.9; 在医疗诊断中,稀疏采样能减少CT扫描过程中辐射对患者的伤害.但直接对稀疏采样后的投影数据进行重建,会使CT重建后的图像出现失真、伪影等问题.为保证低采样率下重建图像的质量,提出了双字典自适应学习算法,参照Sparse-Land模型的双字典学习框架,将K-SVD算法与双字典学习算法框架相结合得到补全投影数据,利用FBP算法进行重建得到高质量的重建图像.实验结果表明,在低采样率下使用所提方法进行CT重建的图像质量优于COMP双字典学习算法和MOD双字典学习算法,并且此方法有效提高了CT图像重建在低采样率时的性能.
ISSN:1005-3026
DOI:10.12068/j.issn.1005-3026.2022.12.006