基于CNN和Transformer耦合网络的低剂量CT图像重建方法

在投影角度个数不变的情况下,降低每个角度下的射线剂量,是一种有效的低剂量CT实现方式,然而,这会使得重建图像的噪声较大。当前,以卷积神经网络（CNN）为代表的深度学习图像去噪方法已经成为低剂量CT图像去噪的经典方法。受Transformer在计算机视觉任务中展现的良好性能的启发,本文提出一种CNN和Transformer耦合的网络（CTC）,以进一步提高CT图像去噪的性能。CTC网络综合运用CNN的局部信息关联能力和Transformer的全局信息捕捉能力,构建8个由CNN部件和一种改进的Transformer部件构成的核心网络块,并基于残差连接机制和信息复用机制将之互联。与现有4种去噪网络比较,CTC网络去噪能力更强,可以实现高精度低剂量CT图像重建。      

基于相对TV最小的CT图像重建算法

总变差（TV）最小算法是一种有效的CT图像重建算法,可以对稀疏或含噪投影数据进行高精度重建。然而,在某些情况下,TV算法会产生阶梯状伪影。在图像去噪领域,相对TV算法展现了优于TV算法的性能。鉴于此,将相对TV模型引入图像重建,提出相对TV最小优化模型,并在自适应梯度下降-投影到凸集（ASD-POCS）框架下设计对应的求解算法,以进一步提升重建精度。以Shepp-Logan、FORBILD及真实CT图像仿真模体进行重建实验,验证了该算法的正确性并评估了算法的稀疏重建能力和抗噪能力。实验结果表明,相对TV算法可以实现逆犯罪,可以对稀疏或含噪投影数据进行高精度重建,与TV算法相比,该算法可以取得更高的重建精度。      

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。      

基于投影域数据恢复的低剂量CT稀疏角度重建

针对目前CT的X射线电离辐射危害,提出了一种基于低剂量CT投影数据进行稀疏角度重建的方法来降低辐射剂量。本方法首先对低剂量CT的投影数据采用惩罚加权最小二乘(PWLS)方法进行去噪处理,然后对去噪后的投影数据进行稀疏角度的CT图像重建。对Shepp-Logan模体仿真实验及真实实验数据重建结果表明:本文提出的基于低剂量CT的稀疏重建方法可有效地抑制重建图像噪声和条形伪影,实现稀疏角度的低剂量CT图像重建。     

基于WDCT网络的混凝土CT图像增强算法

原位加载CT扫描可以研究混凝土在不同实验条件下的损伤演化过程,对于混凝土材料研究具有重要意义。在混凝土原位加载的过程中,原位加载设备的遮挡和采样时间的限制导致了有限角度和稀疏角度CT重建问题,传统算法在数据不完备的情况下会导致严重的图像伪影。本文提出WDCT网络增强ART-TV重建图像方法,构建混凝土模拟数据集验证该方法并与经典U-Net增强FBP重建图像方法进行比较。研究结果表明本文的方法在有效降低图像伪影的同时,能够对混凝土内部的石料和裂缝比较准确地成像,图像的客观指标得到大幅提升。      

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...     

基于迭代残差网络的双能CT图像材料分解研究

双能计算机断层成像技术(DECT)由于其材料分解能力,在高级成像应用中发挥着重要作用.图像域分解直接对CT图像进行线性矩阵反演,但分解后的材料图像会受到噪声和伪影的严重影响.虽然各种正则化方法被提出来解决这个问题,但它们仍然面临着两个挑战:繁琐的参数调整和过度平滑导致的图像细节损失.为此,本文提出一种基于迭代残差网络的...     

基于Chambolle-Pock框架的核TV多通道图像重建算法

总变差最小化算法是一种基于压缩感知理论的图像重建算法,能够从稀疏投影或含噪投影数据中高精度地重建图像,已经被广泛应用于计算机断层成像、磁共振成像、电子顺磁共振成像。能谱CT、T1或T2加权的MRI及EPRI均属于多通道成像。逐通道TV算法可以实现较高精度的图像重建,然而忽略了各通道图像之间的相似性。核TV算法是一种考虑了通道间图像相似性的TV类算法,可以实现高精度图像重建。面向多通道图像重建,以CT重建为研究范例,本文提出一种Chambolle-Pock算法框架下的核TV多通道图像重建算法。通过仿真模体和真实CT图像模体的重建实验,验证算法的正确性,分析算法的收敛性,探索算法参数对收敛速率的影响,评估算法的稀疏重建能力及含噪投影重建能力。结果表明,相对于逐通道TV算法,所提算法可以取得更高的重建精度。核TV算法是一种高精度的多通道图像重建算法,可以应用于各种成像模态的多通道重建场合。      

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。      

基于渐进式网络处理的低剂量Micro-CT成像方法

微米级计算机断层扫描（Micro-CT）的应用领域很广泛,在生物医学、材料科学等都有研究,而且最近几年的发展很迅速。Micro-CT图像常因辐射剂量的限制而出现噪声,所以开发一种合适的算法来抑制Micro-CT图像中噪声变得很重要。Micro-CT图像的噪声水平与扫描样本、扫描参数等参数有关,合适的噪声抑制算法应该在不同噪声水平下都有不错的性能。过去Micro-CT图像的噪声抑制算法主要是迭代重建算法,但迭代重建算法速度比较慢。深度学习方法作为近些年比较热门的图像处理方法,在临床低剂量CT图像处理上相比于传统方法效果更好、处理速度更快,有进一步在低剂量Micro-CT图像处理中应用的潜力。另外,生成对抗网络在保持图像细节上有着比卷积神经网络更好的效果,本文构建普通卷积神经网络与生成对抗网络,用于对比两者的性能差异。限制于放射源的功率,低噪声的Micro-CT数据难以获取,提出一种创新的扫描方式,可有效获取低噪声的Micro-CT数据,并对实验小鼠的进行了扫描。针对低剂量Micro-CT中较高的噪声,结合Micro-CT的成像原理,提出渐进式的低剂量Micro-CT图像处理方法,分别在解析重建前后对小鼠的Micro-CT图像进行两次处理。相比于只在断层图像上处理,渐进式方法对高噪声数据的处理效果更好。从客观指标与主观视觉效果上,分析和对比了渐进式方法与其他深度学习方法或迭代重建算法的差别。定量分析不同噪声水平下的Micro-CT图像的处理效果,分析生成对抗网络在渐进式Micro-CT图像处理中的优势与限制。渐进式Micro-CT图像处理方法生成的图像质量高、生成速度快、鲁棒性高、客观指标高,可以对进一步的高级应用如图像分割、图像三维可视化等提供帮助。      

基于U型生成对抗网络的编码孔径CT成像方法

针对编码孔径CT成像非连续稀疏采样只能通过代数类迭代重建算法的缺点,本文提出一种基于U型生成对抗网络的编码孔径CT成像方法。通过构建基于U型生成对抗网络的非连续稀疏投影的动态博弈模型,结合联合损失函数,预测正弦图的结构性缺失,实现编码孔径CT成像分析类（非迭代）快速重建。实验结果表明,在辐射剂量降低95％ 的条件下,基于U型生成对抗网络的编码孔径CT成像方法实现了峰值信噪比大于30 dB @ 256×256的高质量重建。相比于目前最先进的编码孔径CT成像方法,其重建时间降低了约两个数量级。      

螺旋CT原理,扫描参数和图像重建

螺旋ＣＴ最显著的特征是Ｘ线球管围绕病人旋转时,扫描床上病人连续通过机架,由于滑环技术的发明螺旋ＣＴ于１９８９年投入临床应用,它被广泛接受并成功地应用于人体各个部位的检查。由于产生容积数据,螺旋ＣＴ产生较少的呼吸遣漏扫描且可行允许重建,提高了Ｚ轴的分辨率。