CT原理精选.doc

第一章 CT的基本原理及方法 人体内不同组织对射线的吸收率是不同的，这也是CT技术的基本原理。如下图所示： 图（1）左侧代表一未知灰度的区域，每小块灰度值相同，分别以μ标记，如图所示做两次投影（同一直线上的两个值相加，很明显，这种投影是完全具有线性可加性的），得到四个方程，便可以求解μ值。实际中，投影值（上述方程右侧的值）是可实际测量的，所以，如果把μ值看作是人体内相应组织对X线的吸收系数，那么不同组织结构形状就可以求解出来。以上仅是一个示意图，实际的被成像组织要复杂的多，所以要尽量细分快，这样，仅在纵横两个方向的投影是不够的，需要选择多个角度。斜穿过的小格可以按其穿过的长短进行适当的加权再求和。分块足够小时，可以近似看成积分，如图（2）所示。N0表示入射射线能量，Ni表示经过组织吸收后的出射射线能量，物理学表明，射线衰减与吸收成负指数关系。N0及Ni都是前后可以测出的物理量，因此问题就是要求解图（2）中的积分式中的，这也就是所谓的投影变换（与数学上讲的Radon Transform仅在形式上稍有不同）。其一般形式表达如下： 简记为：。其中花体R表示投影运算，称为投影算子，每一个表示一个角度的投影，然后旋转重复投影方式即可，当然投影越多（包括投影角度（View Angle）和每个角度所取投影个数（Bin），重建的精度也就越高（这一点，以后将会有实例说明）。 通常的重建算法可以粗糙的分为解析的方式（上述即为这种方法的基础）和代数重建算法。后一种常用在SPECT（Single Photon Emission Computed Tomography）影像中，这种方式可以简单说明如下： 可以对图像选取一种表达基（例如，可以按每个像素所在位置组成一组基，此时，每个基元中一个像素为1，其余为0即可） ，则，任何图像都可用基来表示，即：， 其中为对应系数。两边同时用投影算子 作用（表示某一个角度的投影），由于线性可加性，也即是对每个基作用，即：，把简记为，则可表示为：，其中A为对应的矩阵形式。Rf和A已知，问题转化为求解x。 下面着重讨论解析的方法，这也是应用最多的方法。 首先要提到的就是投影层析定理（Central Slice Theorem）。 为了便于理解，我们先来看看它的实际意义。如下图（5）所示对每个角度的投影，我们对相应的作Fourier变换，则相当于对整个原始图像作二维Fourier变换后同一个方向上的值（频率域）。数学公式表达如下： 这是一个非常有用的定理，它把投影图像和原始图像用Fourier的方法建立了一种非常直观的联系。我们可以设想，当足够多时，便可以布满整个频域空间，如下图（6）所示，这样，只需作一个逆Fourier变换便可以得到原始图像，当然考虑到在较远处逐渐稀疏，需要经过一些插值处理。数学表达如下： ↗ 这就是由于坐标系的变化由积分项产生的 因子，通常称为V行滤波器（Ramp Filter） Radon变换的求逆公式在数学上可表达如下： （1） 其中，表示对其后的整个乘积作逆Fourier变换。由于 故式（1）也通常写为Hilbert变换的形式。这就是著名的滤波逆投影法（FBP，Filtered Backprojection）。实际实现时，可以分别用时间域和频率域两种方法。 上述图中，V表示投影角度的个数，b表示每角度所取的投影个数。 针对上面的结果，我们可以作如下理解： 图9比图10所取投影角度个数多，所得图像当然要清晰；FBP算法中，假如滤波的作用是增强高频部分，这样可以使边界更清晰；图13为没有滤波的结果，显然很模糊，但是，高频过多，增强边界的同时也增强了噪声，比较图14和图15，不难看出，图15中噪声没有图14中强烈，当然，也相对模糊些（对所得投影值加了5%的高斯噪声后分别重建）。上述的Ramp滤波器通常称为Ram-Lak滤波器，它是直接截断V形滤波器高频的结果，再把它与采样函数 （sin（x）/x）卷积就可得到Shepp-Logan滤波器，与余弦函数卷积可得到Cosine滤波器，与Hamming窗函数卷积就可得到Hamming滤波器，等等。 由于平行投影速度慢，而且射线利用率不高，所以，实际中，2D常常使用的扇形投影（Fan-Beam）；而且，由公式（1）我们不难看出，重积分的内层积分是在整个投影RF的有效区域（称为支撑集，Support）上，因此，即使我们的感兴趣区域（ROI，Region of Interest）在整个被成像物体内占很小一部分，我们仍然必须要扫描整个物体，这不仅浪费时间，身体的运动也造成模糊，更重要的是，我们身体接受有害的辐射更多，这些都是我们所不愿意看到的。这些将是我们接下来要着重讨论的内容。