论锥束CT扫描Grangeat-型 Katsevich-型的算法

锥束图象重建算法正在快速发展，并用于重要的生物医学和工业应用中。在本文中，主要讨论有效的精确的、可能用于动态研究的算法，特别是近年发展起来的Grangeat类和Katsevich类的算法。这一选择是基于CT和显微CT的定量的和功能的应用需求。2002年，Lee和Wang提出了圆周和螺旋情形Grangeat类的半扫描锥束算法，解决了短物体重建问题。原理是利用在Grangeat类重建公式中的Radon空间信息，在阴影区域进行适当的数据插值，从而抑制Feldkamp类重建算法的亮度,减低伪影。在圆形和螺旋半扫描情形，首先我们确定位于不同采样冗余区域之间的边界。然后我们导出相应的加权函数以用于特征点的计算。就亮度减低伪影而论，Grangeat类半扫描重建算法优于Feldkamp类半扫描重建算法。2001年Katsevich推导了第一个理论上精确的螺旋锥束滤波反投影型重建公式。其局限性是探测器窗口较大和待重建物体的半径较小。2002年Katsevich改进了他的第一个公式。新的公式对病人的尺寸没有多少限制，而且相对旧公式假设了较小的探测器阵列。最近，Katsevich将他的方法推广到一般的扫描轨迹，证明了早期的两个公式是他的一般结果的特例。针对长物体的动态体成像，我们极其需要改进现有的Grangeat类和Katsevich类的算法。