X射线CT射束硬化校正方法综述

在X射线CT成像系统中,实际使用的X射线一般都具有连续能谱的,这就必然导致射线在穿过物体的过程中出现射束硬化现象,从而使得重建图像中出现杯状的硬化伪影.硬化伪影会降低CT图像质量,影响检测的精度.因此,对射束硬化的校正一直是CT成像领域的研究难点和热点之一.本文分析了射束硬化产生的原因,对近年出现的射束硬化校正方法进行了总结,并对射束硬化校正方法研究的前景进行了展望.     

X射线CT射束硬化校正方法综述

在X射线CT成像系统中,实际使用的X射线一般都具有连续能谱的,这就必然导致射线在穿过物体的过程中出现射束硬化现象,从而使得重建图像中出现杯状的硬化伪影。硬化伪影会降低CT图像质量,影响检测的精度。因此,对射束硬化的校正一直是CT成像领域的研究难点和热点之一。本文分析了射束硬化产生的原因,对近年出现的射束硬化校正方法进行了总结,并对射束硬化校正方法研究的前景进行了展望。     

可同时抑制多种图像伪影的最优骨校正

X线CT系统球管发射宽能谱X光子,使得重建图像中出现射束硬化伪影,如杯形和条纹伪影;成像对象体内还可能存在金属植入物,使得重建图像中出现金属伪影。多种图像伪影的同时出现,势必严重退化临床诊断精度,有必要深入研究加以抑制。本文利用数据一致性条件构造目标函数;利用非线性最小二乘和交替迭代优化算法求解最优尺度因子;最终得到可同时校正杯形、条纹和金属伪影的最优骨校正方法。计算机仿真实验结果表明,该方法的确能够自适应确定出最优尺度因子,从而同时校正多种图像伪影。      

工业X射线CT中基于深度学习的射束硬化伪影抑制方法

利用工业CT进行无损检测时,由于实际X射线源的宽能谱特性,目前现有的大部分重建算法得到的图像含有射束硬化伪影。射束硬化伪影降低了图像的质量,影响了CT图像应用,如CT图像诊断等。本文提出一种基于深度学习的减少硬化伪影的方法,用大量含有硬化伪影的断层图像作为输入,用相应的在固定能量下重建的不含硬化伪影的图像作为输出来训练卷积神经网络。通过建立含有硬化伪影的断层图像与不含硬化伪影的断层图像之间的映射关系,来抑制硬化伪影。实验结果证明了本文所提方法在降低CT图像硬化伪影上的有效性。      

基于卷积反投影CT重建的一种新型实用滤波函数

在实际的CT重建中,由于受散射、射束硬化等低频干扰因素的影响,使得重建图像产生"杯状”伪像以及图像模糊降质.针对在ICT工程实践中投影数据存在诸如此类的低频污染问题,本文提出了一新型实用滤波函数取代传统的滤波函数,得到了较为满意的重建效果.     

基于平板探测器的锥束CT散射校正方法

针对基于平板探测器的锥束CT系统固然存在的散射伪影,提出在X射线源和被检测物体之间添加一个射束衰减网格装置的散射校正方法。本文首先介绍了射束衰减网格的实验装置,然后推导了基于射束衰减网格的锥束CT散射校正方法,最后通过圆柱样品实验验证了算法的可行性。实验结果表明,研究提出的散射校正方法能有效减少基于平板探测器的锥束CT系统散射伪影,提高了重建切片图像的质量。     

基于双域自适应网络的岩矿样工业CT图像金属伪影校正算法研究

岩矿样中包含有大量高密度金属物质,致使其在工业CT图像上产生了金属伪影,严重影响岩矿样参数分析的准确性。为抑制岩矿样CT图像的金属伪影,本文提出一种基于双域自适应网络的岩矿样CT图像金属伪影校正算法（DDA-CNN-MAR）,将含有金属伪影的CT图像分别通过投影域网络和图像域网络进行金属伪影的抑制,自适应融合双域处理结果,实现由含伪影图像到无伪影图像的端到端映射。该算法以残差编解码网络模型（RED-CNN）为基础,易于提取特征并恢复图像细节;双域结构可自适应调整投影域（伪影抑制）和图像域（细节修复）的权重,借以获得最优的校正结果。研究结果表明,较之于RED-CNN-MAR,经过DDA-CNN-MAR方法校正的图像,MSE减小2.570,而PSNR和SSIM则分别提高1.218 dB和0.018,有效提升岩矿样CT成像的图像质量。      

一种基于多能统计的射束硬化校正方法

在X射线层析成像(X-CT)系统中,传统的CT重建算法都基于射线源是单能的假设提出的,而实际的射线源是多能的,直接由多能投影数据用传统的重建算法重建图像,会导致硬化效应。本文把实际的多能谱细化成若干个子能谱,根据光子数服从Poisson分布这一规律建立数学模型,在传统迭代重建算法的基础上,借用统计的方法进行参数估计。实验结果表明该方法可以有效消除重建图像中的杯状伪影,提高重建图像质量。     

X-CT金属伪影校正方法综述

X-CT成像系统中,当被检测物体中含有金属等高密度物质时,对投影数据重建后,重建图像中将出现放射状伪影或带状伪影.这些伪影严重影响了图像的质量,给人们的判断带来极大困难.金属伪影的校正已成为CT技术中的研究难点和热点.本文阐述了金属伪影产生的原因,就近些年出现的金属伪影校正方法进行归纳总结,并对金属伪影校正方法研究的前...     

能谱CT单能量成像结合MAR技术降低金属植入物伪影的体模研究

目的:通过体模实验,探讨能谱CT单能量成像结合降低金属植入物伪影（MAR）技术的应用价值。方法和材料:利用环氧树脂制成的定量标准体模,在其周围8个标准圆柱形筒内注入不同浓度的碘溶液各20mL,分别模拟金属植入物周围人体不同组织器官的密度。中间圆筒内注入氯化钠溶液,内置弹簧圈。将标准体模行能谱CT扫描,根据扫描模式不同,分A和B两组,A组采用常规CT扫描模式获得常规混合能量CT图像;B组采用能谱扫描模式,扫描后数据采用能谱分析软件获得3组图像,分别为单纯MAR图像（68keV单能量）、40～140keV单能量图像（MonoE）、MAR+（40～140keV）MonoE图像。四组图像中,弹簧圈周围均可见到条形高密度伪影和低密度伪影,分别测量记录伪影区的CT值和SD值,计算伪影指数、硬化伪影去除率;采用ANOVA检验及配对t检验统计方法对A和B组图像的伪影指数、硬化伪影去除率进行统计分析。结果:与常规混合能量CT图像比较,对于高密度伪影,MAR、MonoE、MAR+MonoE图像伪影指数均减小,差异有统计学意义;对于低密度伪影,MAR、MonoE、MAR+MonoE图像伪影指数均减小,差异有统计学意义。MAR图像高低密度伪影的硬化伪影去除率分别为82％和92％;MonoE和MAR+MonoE图像的高低密度伪影的硬化伪影去除率随着单能量级别的递增,硬化伪影去除率逐级增大,其中MAR+140keV MonoE图像高低密度伪影的硬化伪影去除率最高。结论:能谱CT使用MAR、MonoE和MAR+MonoE重建方法均可不同程度的减少金属植入物伪影。三种方法中使用MAR+MonoE重建方法降低金属伪影效果最好。      

一种改进的基于原始投影数据的CT硬化校正方法

在X射线CT（Computed Tomography）技术中,X射线能谱的多色性将导致重建图像出现杯状伪迹,降低成像图像的质量。为提高重建图像的质量,本文研究了一种校正X射线多色性产生硬化现象的方法。针对噪声多集中在高频部分的特点,先将投影数据分成高低频段,然后基于射线硬化的物理属性,采用本文研究的硬化校正方法对低频部分作校正,再和高频部分进行相加,并采用实验系统对其验证。实验结果表明该方法能够有效地提高重建图像的质量。     

一种基于双平面扫描方式的双能静态CT系统

静态CT技术相较于传统的螺旋CT，在扫描速度上有着革命性的优势，这使得其在行李安检等领域有着巨大的应用前景。目前，要实现静态CT系统的实际应用，需要解决几何尺寸误差标定、有限角重建、双能投影数据匹配等一系列实际问题。本文提出了一种基于分布式X射线源和双平面扫描方式的双能静态CT系统。该系统采用碳纳米管冷阴极射线管，实现X射线源的高速启停；并采用双平面扫描方式，提高投影数据的覆盖角度以减小伪影，并通过采集双能投影数据实现物质识别。本文详细介绍该静态CT系统的系统设计、几何校正及成像方法等内容。实际实验结果显示该系统可对箱包及其内部物体进行三维成像，获得较为理想的形状及材料信息，在行李安检领域具有较高的实际应用价值。      

基于深度学习的医用锥形束CT图像散射伪影校正的研究进展

医用计算机断层扫描成像系统中,X射线与物体相互作用产生的康普顿散射光子严重影响了图像质量,尤其在锥形束计算机断层扫描和多层探测器系统中。目前已有许多散射伪影校正方法,归纳为3类:硬件校正、软件校正、软硬件混合校正方法,但近年随着计算机计算能力的提高以及深度学习在医学图像处理领域的发展,出现了一些新的散射校正方法。本文首先介绍传统校正方法;然后详细介绍基于深度学习方法进行散射伪影校正,并将其分为基于图像域和基于投影域的深度学习方法,以及对不同的深度学习网络在散射伪影校正中的应用进行讨论;最后展望深度学习在多源计算机断层扫描技术中的应用前景。      

基于多能谱CT与NC-POCS重建算法的泡沫铝孔隙率计算

孔隙率是评价多孔材料相关性能的重要因素之一,是检测材料质量的一项重要指标.针对孔隙率值受分辨率影响较大的问题,在能谱与材质信息均未知的条件下,本文基于多能谱CT与(NC-POCS)非凸-凸集投影算法,结合非负矩阵求解方法,实现分解重建,以多孔材料泡沫铝为例,分析其在不同分辨率下的孔隙率变化情况.实验结果表明,本文提出的...     

基于子空间投影和边缘增强的低剂量CT去噪

低剂量计算机断层扫描（CT）是一种相对安全的疾病筛查手段,但低剂量CT图像往往包含较多噪声和伪影,严重影响医生的诊断。针对该问题,本文提出一种基于子空间投影和边缘增强网络（SPEENet）。SPEENet为自编码器结构,包含双流编码器和解码器两个主要模块。双流编码器可以被分为噪声图像编码流及边缘信息编码流两部分,噪声图像编码流对低剂量CT图像进行特征提取,利用图像特征去除低剂量CT中的噪声和伪影;边缘信息编码流部分主要关注低剂量CT图像的边缘信息,利用边缘信息保护图像结构。为充分利用编码器特征,本文引入噪声基投影模块,构建基于编码器和解码器特征的基,并利用该基将编码器提取的特征投影到对应的子空间,获取更好的特征表示。本文在公开数据集上进行实验以验证提出网络的有效性,实验结果表明,相较于其他低剂量CT去噪网络,SPEENet可以取得更好的去噪效果。