(开题报告何琳.docVIP

中 北 大 学 毕业设计开题报告 学 生 姓 名： 何琳 学 号： 1005084104 学 院： 信息与通信工程学院 专 业： 生物医学工程 设 计 题 目： 压缩感知在有限投影角度 CT重建中的应用 指导教师: 桂志国 2014年3月10日 毕 业 设 计 开 题 报 告 1．结合毕业设计情况，根据所查阅的文献资料，撰写2000字左右的文献综述： 文 献 综 述 1.1 研究目的和意义： 医学成像技术是生物医学工程专业的一门重要的专业课程,课程主要涉及X光仪器，CT仪器，MRI仪器和核医学仪器的工作原理及成像方法。其中CT算法的出现又为后来数字化医学成像技术的发展提供了基础。该门课程为生物医学工程专业的专业基础课。 CT技术是医学成像系统中的一种重要手段。它通过特定的算法，利用计算机的高速运算功能，可以在短时间内快速呈现人体断层图像。让学生练习CT图像的重建有助于学生理解CT算法的内容，熟悉数字图像重建的过程。同时也能培养学生的团队精神和解决实际问题的能力。 CT成像技术是一种能准确、直观的展示物体内部组织结构信息的技术。近年来,多排螺旋CT技术飞速发展,标志着CT又进入了快速的技术发展阶段。随着CT更加广泛的临床应用,会遇到不完全投影数据重建的情况。比如障碍物的阻挡或者对检查者健康的人性化考虑想缩短扫描时间等。这样获得的投影数据就会不完整。研究如何在不完全投影数据的情况下重建满足临床需求的CT图像,无论从理论上还是实践应用上都具有非常重要的意义。　　对于不满足数据完备性条件的不完全投影数据,现有的经典滤波反投影类重建方法不能重建出满足临床要求的CT图像,图像出现混叠伪影或是图像不完整。因此,必须寻求新的图像重建方法解决不完全投影数据图像重建问题。与滤波反投影类方法相比,另一类CT图像重建方法.迭代类图像重建算法,具有所需投影数较少,即使信噪比低的情况下也能重建出质量好的图像的突出优点,非常适合不完全投影数据图像重建的情况。因此,采用迭代类图像重建方法是更好的解决路线。　 同时,压缩感知理论证明了稀疏信号可以由远不满足Shannon/Nyquist采样定理的采样数据精确重建,为解决不完全投影数据CT重建问题提供了很好的思路。本课题基于压缩感知理论,提出并实现了一类适用于不完全投影数据的CT迭代图像重建方法-CSIR算法。该方法将不完全投影CT图像重建问题转化为线性约束条件下的函数最小化问题,并且考虑构造不同的目标函数使结果更加精确。而且CSIR算法还充分利用图像的先验信息来抑止伪影及弥补缺失投影数据。 针对不完全投影数据重建问题,我们进行了大量仿真实验研究。仿真实验结果表明,在不完全投影的情况下,CSIR算法重建出的图像不仅没有滤波反投影类算法的混叠伪影,而且重建图像足够精确。这也是传统的迭代类重建方法和单纯的压缩感知算法都无法实现的,评价指标也说明了这点。因此本文CSIR方法能够从不完全投影数据中重建出足够精确的CT断层图像,在临床实践中将具有良好的应用前景。 1.2 研究背景： 1.压缩感知： 若信号或图像在某个变换域内具有稀疏性的表示，则可通过适当的优化，由少量的投影数据重建出原始信号或图像,这就是压缩感知的理论。稀疏性是信号本身的一种特性，指可以由少量的非零元素来表示信号。压缩感知图像重建是利用自然图像在某个变换域内具有稀疏表示的先验知识来进行的。大部分图像本身并不具有稀疏性，而是通过某种稀疏变换来进行稀疏表示的。目前，有许多稀疏变换可以使不同类型的图像稀疏化来满足人们的要求，比如：分段平滑图像可由空间有限差分(即计算相邻元素的差分)来进行稀疏表示，实际图像常用离散余弦变换和小波变换等非冗余的正交变换来进行稀疏表示。 随机投影的目的就是使用一个随机投影矩阵 A获得观测值，同时该观测值包含了重建信号的足够信息。投影数据是通过对原始图像进行随机投影获得的，远远少于Nyquist 采样定理所需的投影数据，从而有效地降低了采样系统的复杂程度，节约了系统成本，加快了图像的重建速度。 CT图像重建： CT机的工作过程可以分为四个步骤，即： (1)产生X线； (2)获取穿出物体后的X线衰减信号； (3)将得到的数据信号进行处理，并加工成图像信号； (4)将图像信号显示和记录下来，其中的每一过程都是在计算机的协助下完成的。 图像重建是指通过对离散图像进行线性空间内插或线性空间滤波来重新获得连续图像的方法。 CT图象重建有四种基本的算法:矩阵法,迭代法,傅立叶算法,反投影算法。卷积反投影有:平行光束投影的卷积反投影算法和等角扇形光来投影的重建算法.迭代法分为代数重建法（ART）、联合迭代重建法（STRT）