投影驱动的极稀疏投影CT图像重建应用研究

• 作 者: 武丽君
• 机 构: 山东大学
• 出 处: 山东大学
• 发表日期: 2021年期
• 关键词: 计算机断层成像

计算机断层成像技术(ComputedTomography.简记作CT)是种获得物体断面的成像技术。由于人体基本组织或物体内部结构对X射线的吸收率和透射率的不同，首先使用高灵敏度的检测器对待重建物体进行扫描获得投影数据，然后将投影数据传输到计算机，最后使用计算机对投影数据进行处理，处理后即可获得待检测物体断面图像。CT成像技术在工业和医学方面发挥了关键作用，但其在实际应用中也存在一些问题:工业上，由于生产现场环境复杂，只能通过获取稀疏角度投影数据的扫描方式进行无损检测;医学上，为降低X射线对人体的伤害或避免物体在检测时的运动，通常采用减少投影角度的方法缩短检测时间。因此，如何在稀疏投影数据的情况下，精确地重建CT图像，提供充分适宜工业检测和影像学诊断需要的重建图像，成为CT成像研究领域的热点问题。综合已有文献并与CT技术人员沟通，本文将[0，2π)范围内扇束/锥束扫描不超过20个投影角度的投影数据称作极稀疏投影数据。
　　CT成像算法可以分为解析类算法和迭代类算法。解析类算法具有实现简单、成像速度快、重建图像质量高等优势，但是其稀疏投影角度条件下获得的断层图像质量差，因此常用于完备投影数据条件下的图像重建。迭代类算法在稀疏投影重建方面有着解析类算法所不及的优点，随着并行处理技术的逐步发展以及计算机相关硬件成本的降低，迭代类算法已经成为相关领域研究人员和CT机生产厂商高度关注的热点。
　　在极稀疏投影数据的情况下，本文就CT断层成像问题进行了以下几方面研究:(1)提出了投影驱动系统模型。正/反投影运算是CT断层图像重建的核心部分，系统模型对CT迭代图像重建的数值精度和重建图像质量都有着重要影响。本文结合像素驱动和射线驱动模型的优点，基于距离驱动模型的基本思想，设计了投影驱动的系统模型，并将CT迭代类图像重建与经典的压缩感知理论结合，设计了一种二维扇束CT迭代图像重建算法，本文将其称作2D-CSVD(2D-Compressed Sensing View Driven CT image reconstruction)算法。(2)将二维投影驱动模型扩展到三维，同时将二维算法扩展到锥束投影情况下的三维CT图像重建，记作3D-CSVD算法。CSVD算法均由基于投影驱动模型的粗略图像重建和最优化计算两个环节组成。(3)使用NVIDIA的CUDA架构对耗时较长的三维锥束CT图像重建程序进行并行处理。
　　仿真结果表明，本文算法有一定的学术研究意义和工程实用价值，具体体现在:(1)数值精度高。极稀疏投影角度数下的重建图像精确地再现了模型图像的空间结构及像素分布，能处理的最少投影角度数为18个。同时，基于投影驱动的2D-CSVD算法的各项图像质量指标显著优于ART-TV迭代算法和FBP解析算法。(2)计算复杂度低。2D-CSVD算法一次迭代会处理一个投影角度，且在一个投影角度下，只需一次迭代就可以获得一行像素对所有检测器单元的贡献，减少了很多不必要的遍历运算，因此计算复杂度较之传统的迭代类CT图像重建算法大幅度降低。(3)内存开销少。在传统的迭代类CT图像重建中，系统矩阵的规模通常都很大，而基于投影驱动系统模型的图像重建则不需要对系统矩阵进行存储，大大减小了内存的开销。
　　本课题在极稀疏投影数据的条件下，基于压缩感知理论与投影驱动模型提出的CSVD算法给相关领域的科研工作者在极稀疏投影数据的情况下进行CT迭代断层成像提供了一条切实的技术途径。