南昌大学学士学位论文答辩会资料.ppt

基于Matlab实现优化的CT重建算法研究 Based on Matlab realize optimization of CT reconstruction algorithm 研究背景 CT重建算法的原理 CT重建算法的分类 解析算法 迭代算法 迭代重建算法 迭代重建几何模型 迭代重建的数学模型 各种迭代算法介绍 参考原图 解析法重建图像对比 采用不同滤波器滤波反投影重建图像与原图的视觉相似度对比 各图像进行迭代重建的条件 ART迭代算法重建图像对比 解析法和迭代法重建图像对比 SIRT迭代算法重建图像对比 重建图像质量的评估 总结 展望 谢谢各位老师！ * 南昌大学学士学位论文答辩 作 者： 指导老师： 南昌大学学士学位论文答辩 由于各种物理条件的限制，CT在获得实际测量投影数据的过程中，会产生各种不同的误差，而可靠有效的数据是任何重建算法的基础。 对于能获取图像完整投影数据的情况下，医学上一般采用解析重建算法。 在许多工程领域中，由于受客观条件的限制，经常会遇到不完全数据重建问题（少量投影数据或投影数据不是均匀分布在180/360度范围），这时需要迭代重建算法。 南昌大学学士学位论文答辩 图像重建是从数据到图像。CT重建是用从各个角度对人体某个断层进行一系列沿直线扫描来获得的投影数据的集合，通过算法来重新构造二维断层图像。CT图像重建算法是CT图像重建的核心内容 南昌大学学士学位论文答辩 直接反投影重建（BP） 滤波反投影重建（FBP） 代数重建法（ART） 联立迭代算法（SIRT） TV算法 南昌大学学士学位论文答辩 解析重建算法 南昌大学学士学位论文答辩 该方法的主导思想是，假设断层截面由一个未知的矩阵组成，然后由测量投影数据建立一组未知向量的代数方程式，通过方程组求解未知图像向量。 此方法虽然比变换重建法易于理解，但对于图像要求较高的应用来说，这一方法缺少精度和速度。然而在不可能获取大量投影数据或者投影不均匀分布于180或360之间情况下，迭代法是一个非常有效的方法。 南昌大学学士学位论文答辩 南昌大学学士学位论文答辩 设 为被重建的图像向量.设 为M*N维投影矩阵，其中 i,j 元素 为加权因子，表示第个j像素对第i根射线线积分的贡献，亦即第i根射线与第j个像素相交的面积，则投影重建图像问题为如下方程描述： 式中 为已知个M投影数据。 南昌大学学士学位论文答辩 南昌大学学士学位论文答辩 自定义的Sheep—Logan头模型 南昌大学学士学位论文答辩 南昌大学学士学位论文答辩 滤波器名称 SSIM 时间（秒） 直接反投影 0.032846 0.401583 Ram-Lak 0.999965 0.450677 Shepp-Logan 0.999966 0.337064 Hann 0.999968 0.349063 Hamming 0.999968 0.286156 Cosine 0.999967 0.293614 南昌大学学士学位论文答辩 图片名称 图片大小 迭代次数 旋转角度 射线条数 barb 128 20 1:2:180 175 mri 128 20 1:2:180 250 cameraman 128 20 1:1:180 250 cortex 128 50 1:1:180 250 南昌大学学士学位论文答辩 南昌大学学士学位论文答辩 南昌大学学士学位论文答辩 南昌大学学士学位论文答辩 三个误差测度作为重建质量好坏的三种评判标准，它们的定义如下： 其中 表示标准原图， 表示重建图像， 表示标准原图的均值。 此外还求出了图像视觉相似度的评估值SSIM。如下表所示 南昌大学学士学位论文答辩 重建算法 迭代 次数 误差 相似度 迭代时间（秒） SSIM FBP —— 1.208408 0.090599 —— 0.999965 0.032826 ART 10 0.288451 0.382738 0.000000 0.999558 26.70239 SIRT 10 0.355024 0.471073 0.000000 0.999413 0.244181 TV 10 0.282207 0.373094 0.000000 0.999568 26.47260 南昌大学学士学位论文答辩 通过这次设计实现了： 获取完整投影数据时采用解析算法模拟图像重建。 不能获取完整投影数据时采用ART迭代算法，SIRT迭代算法，全差分迭代算法模拟图像重建。 迭代算法相对于解析算法在所需投影数据方面减少了很多，是一种优化。 迭代算法中，获取相同投影数据时，全差分迭代算法通过增加约束条件的方式提高了重建图像的质量，实现图像优化。 南昌大学学士学位论文答辩 通过两种算法的对比，提出对未来医学图像重建发展方向的展望：