论文部分内容阅读
冠状动脉粥样硬化性心脏病（coronary artery disease，CAD）是指由于冠状动脉血管发生粥样硬化病变从而引起血管腔的狭窄或者阻塞，造成心肌缺氧缺血。近年来，心血管疾病的发病率呈持续上升趋势，为了帮助和指导临床诊断、治疗以及评估治疗效果，对CAD患者的早期精准全面的检查是十分必要的。心肌灌注电子计算机断层扫描(myocardial perfusion computed tomography，MPCT)作为一种非侵入式的CAD功能成像手段，在临床上得到了广泛关注。MPCT是在下腔静脉快速团注碘造影剂后，对特定的心肌断层面进行连续动态扫描，获得该心肌断层的时间-密度曲线（time-density curve，TDC），并利用去卷积数学模型，计算出各个心肌灌注血流动力学参数，其中包括了心肌的血流量(myocardial blood flow，MBF)，心肌的血容量(myocardial blood volume，MBV)以及平均通过时间(mean transmit time，MTT)三个重要的参数，心肌灌注血流动力学参数图量化反映了心肌组织血流灌注量的变化，进而识别出心肌缺血区域以及缺血程度。但是与常规计算机断层扫描(computed tomography，CT)成像相比，MPCT对感兴趣区域的连续动态扫描会极大增加患者接受的辐射剂量，过量的辐射易诱发癌症、白血病以及多种遗传性疾病。 目前，减少采样率和降低管电流是临床上降低患者辐射剂量最常用的方法，但是随着剂量的降低，重建图像伪影和噪声增加，使得图像质量退化，影响诊断的精确性。因此如何降低辐射剂量的同时，获取满足临床诊断需求的MPCT图像已经是CT成像领域重点研究的课题之一。 针对上述问题，国内外许多研究提出了在低剂量扫描条件下提高心肌灌注CT图像质量的方法，从投影域着手的研究主要分为两类。第一类为依据投影数据中的噪声分布规律构建投影域的统计恢复模型，恢复低剂量下受噪声污染的投影数据。第二类为根据投影数据满足的统计学分布特性，采用迭代重建算法，从投影数据直接重建高质量的MPCT序列图像。其中统计迭代算法是基于光子统计学信息建立精准的模型来描述CT系统，其目标函数包括两个部分，即数据保真项和先验项。数据保真项描述了探测数据的统计特性，是优质重建的基础和前提，而数据先验项的约束能够改善重建过程中的病态问题，对于修正最优解以及获得高精度的重建图像有着重要意义。在MPCT序列图像中，血流灌注量是随着时间连续变化的，而血流灌注量随着时间变化的同时解剖结构基本保持不变。其帧内具有丰富的结构冗余性，帧间有着高度的相似性，因此，我们可以充分利用心肌灌注序列图像空间及时间维度上特有的先验信息，从低剂量数据中重建出高质量的图像。根据以上的信息，本文的主要工作归纳为如下: (1)提出了一种数据冗余信息引导的低剂量心肌灌注CT成像方法。由于MPCT序列图像中，除了因造影剂注射而增强的血流动态信息外，序列图像中前后帧的解剖结构信息基本保持一致，具有高度的相似性，而且图像前后帧之间的噪声服从独立随机分布，因此，我们计算当前图像前后帧的均值，减少帧间的随机噪声，并取均值图像作为非局部均值滤波(nonlocal means，NLM)的参考图像(average-value image induced NLM，aviNLM)，构造基于aviNLM和全变分(total variation，TV)混合框架的惩罚加权最小二乘(penalized weighted least-squares，PWLS)模型，简称为PWLS-aviNLM-TV算法。PWLS-aviNLM-TV算法有效利用了帧间结构相似性和帧内数据冗余性，进而重建出高质量的MPCT序列图像。 (2)提出了一种基于张量广义全变分(tensor total generalized variation，TTGV)先验的低剂量心肌灌注CT成像方法。我们将TTGV先验引入到PWLS框架中，充分考虑了心肌灌注序列图像中相邻图像空间结构的相似性以及灌注血流量随时间变化的连续性，利用TTGV的高阶导数特性，有效消除噪声和阶梯伪影并保持结构边缘信息，从而提高心肌灌注CT图像的质量。我们将该算法简称为PWLS-TTGV，并采用Chambolle-Pock(CP)算法对目标函数进行优化求解。