利索能及
我要发布
收藏
专利号: 2020109739122
申请人: 重庆师范大学
专利类型:发明专利
专利状态:已下证
更新日期:2026-07-01
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.基于非下采样轮廓波变换的有限角C型臂CT图像重建方法,其特征在于:该方法包括以下步骤:S1:检测装置安装;

S2:扫描;

S3:建立L0正则化有限角C型臂CT重建模型;

S4:有限角C型臂CT迭代重建:

S5:输出重建图像;当步骤S4中的迭代重建算法收敛时,输出重建图像。

2.根据权利要求1所述的基于非下采样轮廓波变换的有限角C型臂CT图像重建方法,其特征在于:所述S1具体为:安装C型臂CT扫描装置,包括射线源(1)、面阵探测器(2),以及控制及图像处理系统(5),射线源(1)、面阵探测器(2)的信号线路与控制及图像处理系统(5)相连,射线源(1)、面阵探测器(2)分别放置待检目标的两侧,使得射线源(1)产生的锥束射线束能够覆盖待检目标(3)。

3.根据权利要求2所述的基于非下采样轮廓波变换的有限角C型臂CT图像重建方法,其特征在于:所述S2具体为:在控制与图像处理系统(5)的控制下,首先将射线源(1)和面阵探测器(2)绕待检的中心沿着C型臂旋转有限的角度来获得不完备的投影数据,然后传送到控制与图像处理系统(5)中存储。

4.根据权利要求3所述的基于非下采样轮廓波变换的有限角C型臂CT图像重建方法,其特征在于:所述S3具体为:采用离散模型进行重建时,首先需要所有(x,y,z)对应的重建像素f(x,y,z)按照z,y的维度将其转变成一个长长的列向量f,列向量f的维数为N×1,其中N=n1×n2×n3,n1为f(x,y,z)在x方向的维数,n2为f(x,y,z)在y方向的维数,n3为f(x,y,z)在z方向的维数;

然后,将所有投影视角指标s对应面阵探测器坐标(a,b)的投影数据gδ(a,b,s)按照s,b的维度将其转变成一个长长的列向量gδ,列向量gδ的维数为M×1,其中M=m1×m2×m3,m1为gδ(a,b,s)在a方向的维数,m2为gδ(a,b,s)在b方向的维数,m3为gδ(a,b,s)在s方向的维数,即总的投影视角数;

采用非下采样轮廓波变换将重建图像分解成低频部分和高频部分,使得方向性伪影被提取出来;为抑制高频中的噪声和方向性伪影,通过对非下采样轮廓波变换高频部分进行L0稀疏正则化约束,为使得重建图像变得光滑和抑制低频部分的伪影,对非下采样轮廓波变换的低频部分进行梯度变换并进行L0稀疏正则化约束;建立的模型如下:其中A∈RM×N是有限角CT系统矩阵,f∈RN×1是待重建图像,gδ∈RM×1是有限角CT投影数据,Ω是凸集(Ω:={f|f≥0}),||x||D=;D是一个对角矩阵,其对角元素为且对所有i′=1,2,...,M, λi是正则化参数,W是非下采样轮廓波变换;Ω1是高频子带的指标集,Ω2是低频子带的指标集,Ω1∪Ω2表示所有轮廓波变换子带的指标集;||β||0是统计β的非0元素个数,在非下采样轮廓波变换时,将f按照图2(x,y,z)中z方向排成n3个2维矩阵f(x,y,z),然后对每一个2维矩阵做非下采样轮廓波变换,当做完非下采样轮廓波反变换后,重新将f(x,y,z)按照z,y的维度将其转变成一个长长的列向量f。

5.根据权利要求4所述的基于非下采样轮廓波变换的有限角C型臂CT图像重建方法,其特征在于:所述S4具体为:根据建立的模型(1),采用临近交替线性化的Peaceman-Rachford分裂变量的迭代方法来求解模型(1);

其中步骤S4有限角C型臂CT迭代重建具体过程为:

首先,将模型(1)通过Peaceman-Rachford分裂变量的方法转换如下迭代格式:迭代格式(2)中k表示迭代次数,ρ是松弛参数,α是辅助变量,v是对偶变量,t是Peaceman-Rachford分裂变量时引入的参数;

其次,为避免关于第一个变量f的子问题中求系统矩阵A的逆或者采用迭代法求解子问题的不足,将迭代格式(2)转换为临近交替线性化的Peaceman-Rachford分裂变量的迭代格式,具体如下:迭代格式(3)中 μ是临近线性化引入的松弛参数;(3)中 为

ART迭代更新格式;通过临近交替线性化巧妙地将经典的ART迭代算法融入其中;

再次,为减少松弛参数ρ的调节,根据最优性条件采用补偿矫正的方法,转换为如下形式:然后,为求解子问题α,将α分解成高频和低频 分别求解,迭代格式变成如下等价形式:最后,求出迭代格式(5)的子问题最优解,迭代格式如下所示:

其中WT非下采样轮廓波反变换, 表示图像梯度L0最

小化光滑算法;图像梯度L0最小化光滑算法迭代格式如下:

其中n表示子问题的迭代次数, 表示傅里叶变换, 表示傅里叶反变换, 表示傅里叶变换的复共轭, 分别表示x,y的梯度算子;β控制 相似性的参数,κ(κ>1)表示控制β增长速度的参数;图像梯度L0最小化光滑算法的停机标准是β大于迭代前预设的参数βmax;n表示图像梯度L0最小化光滑算法的迭代次数。

6.根据权利要求5所述的基于非下采样轮廓波变换的有限角C型臂CT图像重建方法,其特征在于:所述迭代格式包括如下步骤:S41.ART迭代重建和非下采样轮廓波反变换线性组合并确保组合后图像非负,得到初步重建结果,即公式(6)的第1个方程;

S42.对偶变量v随着迭代更新,即公式(6)的第2个方程;

S43.在非下采样轮廓波变换域对高频部分进行硬阈值处理,抑制高频部分的噪声和方向性伪影,即公式(6)的第3个方程;

S44.在非下采样轮廓波变换域对低频部分进行图像梯度L0最小化光滑处理,抑制低频部分的伪影和保持图像的平滑性,即公式(6)的第4个方程;

S45.对偶变量v更新,即公式(6)的第5个方程;当达到一定的迭代次数时停止迭代,否则重复步骤S41-S45。