基于图像总变分联合张量字典学习的能谱CT图像重建及材料识别研究.pdfVIP

重庆大学硕士学位论文 中文摘要 摘 要 毋庸置疑，每个患者具有个体差异，制定个体医疗方案进行个性化医疗乃是 精准医学的重要研究内容之一。不同于传统的医学X-CT 以积分测量方式获取患者 人体组织信息的治疗方法，能谱CT 利用光子计数探测器获取人体组织不同能量区 间内X 射线衰减特性，依据这种差异，不仅可以提高衰减系数相近材料的成像对 比度，而且还能对被测对象进行定性及定量分析。 作为CT 领域新型方向，能谱CT 可以获得物体多个能量段衰减信息，拥有许 多传统CT 不可替代的优势，成为近年来CT 成像研究的热点。其中，基于X 射线 能谱特性的物质分解和材质识别已成为能谱CT 成像技术的一个重要研究方向。但 是因为光子技术探测器存在一致性差等问题，能谱CT 图像通常含有严重的噪声， 进而影响了重建图像的质量和材料分解的效果。如何提高能谱CT 图像质量以及材 料识别精度是目前能谱CT 领域科学研究的一个热点，也是能谱CT 研究的一大难 关。 针对能谱CT 成像技术现存的主要问题，本论文依托科技部国家重点研发计划 （No. 2016YFC0104609 ）和国家自然科学青年基金（No.）等科研项目， 开展基于图像总变分联合张量字典学习开展了能谱CT 图像重建及材料识别研究， 主要研究内容包括： ① 在阐述了X 射线CT 成像原理及系统、重建方法与技术的基础上，研究分 析了能谱 CT 图像重建原理，归纳了相应的重建算法模型，此为能谱 CT 图像重建和材料识别研究打下了基础。 ②开展了基于图像总变分(Total Variation ，TV) 联合张量字典学习(Tensor Dictionary Learning ， TDL) 的能谱CT 图像重建和材料识别算法研究。针对张量字 典学习在稀疏角条件下难以恢复出高质量能谱CT 图像的难题，借鉴了TV 在图像 稀疏表达能力方面的优势，利用TDL 低秩性，构建了基于TV+TDL 的能谱CT 图 像重建算法。TV+TDL 算法中利用TDL 对不同能量通道近似线性衰减特性进行建 模，有效利用能谱CT 不同能谱通道图像之间的相关性，反映图像局部区域的低秩 性；同时TV+TDL 算法基于TV 的稀疏性表达，强化图像的边缘结构和细节信息 并抑制噪声。 ③开展了能谱CT 基于图像域（Image Domain ）重建方法与基材料模型相结合 研究，对老鼠胸腔模体的三种基材料（骨骼、软组织和碘对比剂）进行了材料分 解与识别，通过实验证明该材料识别技术的优越性。 文章提出基于TV 和TDL 的能谱CT 图像重建和材料识别算法，并从理论模 I 重庆大学硕士学位论文 中文摘要 型、仿真实验和算法收敛性测试等方面均表明了TV+TDL 算法在图像重建和材料 识别方面有效性和可行性。 关键词：能谱CT ；总变分；张量字典；图像重建；材料识别 II 重庆大学硕士学位论文 英文摘要 Abstract Undoubtedly, each patient has individual differences, and the development of individual medical programs for personalized medicine is one of the important research tasks of precision medicine. Conventional X-ray CT utilizes the X-ray energy integrating detector