基于FBP算法实现CT图像重建及模板优化.docxVIP

PAGE 1 - 基于FBP算法实现CT图像重建及模板优化 基于FBP算法实现CT图像重建及模板优化 8228〔2021〕08-57-05 Abstract：TheissuesontheparameterdeterminationofCTsystemandthereconstructionoffaultimagingarestudied.Analyzetherelationshipbetweenreceivinginformationandthethicknessofthemediumtheraypassthrough.Accordingtothereceivingandgeometricinformationofthetemplate，thedistancebetweenthedetectorcellsisobtained.SetuprectangularcoordinatesysteminthecenterofpallettocalculatethecenterpositionoftheCTsystem;theanglebetweeninitialX-rayandx-axisareobtainedbydeducingtheexpressionbetweenthethicknessofthemediumandthedirectionoftheX-ray.FBPalgorithmisusedtoreconstructthecrosssectionimageofunknownmedium，analyzethequalityofthereconstructedimage，andtoanalyzetheprecisionandstabilityofparametercalibrationanddesignanewtemplateoptimized. Keywords：CTsystem;FBPalgorithm;centralsectiontheorem;templateoptimization 0引言 CT系统通常利用射线能量在样品中的衰减程度差异猎取其内部结构信息，其一般接受断层成像的二维处理形式。在二维平面中，通常接受球管经筛选后发出等质量的射线，并且射线轨迹垂直于等距排列的检测器单元。便于对数据进行检测分析，CT系统所猎取的数据是经过增好处理[1]的。因此CT仪器要求十分精确，但安装过程中难免会出现误差，所以需要通过模板标定相关参数，为样品成像提供标准根据。 近年来，CT系统参数标定问题备受关注。例如2021年刘俊廷等人提出光学断层分子成像定量分析[2]，汪先超等人在2021年提出CT图像局部重建算法[3-4]，齐宏亮等人提出稀疏角度下CT图像重建迭代算法[5]。本文讨论CT系统的参数标定，确定系统的旋转中心以及X射线的180个方向角，分析不同滤波和稀疏角度下重建图像质量，并且基于稳定性和精度，建立评价指标体系，对标定模板进行优化。 1模型建立 1.1接收信息模型建立 将放射源球管与探测器相对布置，其间放置一衰减指数为[μ]的匀称固体介质，同时球管放射单能细束[X]射线，则可确定衰减指数[1]， 1.2CT系统断层成像模型 步骤1：投影，断层成像的第一步为采集投影数据。先从多个角度猎取投影数据，本文从180个方向采集数据;再对数据进行增益等处理，一般接受[Radon]变换。得到的结果就是探测器采集到的数据。 步骤2：反投影，对猎取到的接收信息应进行反投影去重求和得到样本截面图像.反投影通常先接受傅立叶变换将样本接收信息变换至频域中，再使用中心切片定理得到投影数据和截面图像的相关关系，即可重建一个模糊的截面图像。 步骤3：滤波，由于傅立叶变换后的频域中原点附近的区域为低频区域，若对低频重量过度加权将导致图像模糊。可接受对傅立叶空间加权修正的方法使图像更加清晰。 留意：一般状况下，可对反投影和滤波次序进行调整调换，依据需要形成不同的图像重建算法。 1.2.1连续型重建投影图像算法 4结束语 本文基于FBP算法，对CT系统的相关参数进行标定。在此过程中分析了不同滤波及稀疏角度下重建图像质量。并建立了相关评价指标，用于优化现有模板。在图像重建过程中对比尝试了多种不同的解析算法和迭代算法。由于时间缘由，未能得到迭代算法的清晰结果，图像较为模糊。可以通过渐渐修正迭代次数和初始值，猎取更好的结果。医学科学的讨论对于数据图像要求严谨，不能出现一点点的瑕疵，因此本文对图像的粗略处理只是一个图像讨论的基础，要想获得更为精确的结果，还需努力钻研医学图像处理学问。