来自光子计数原型的头部CT数据的受约束的一步材料分解重建
Taly Gilat Schmidt1, Emil Y Sidky2, Xiaochuan Pan2
1Department of Biomedical Engineering, Marquette University and Medical College of Wisconsin, Milwaukee, Wisconsin, USA.
Medical physics
|July 31, 2023
概括
受约束的一步光谱CT图像重建 (cOSSCIR) 算法为光子计数CT (PCCT) 成像中材料分解提供了更稳定的方法. 这种先进的技术显著降低了噪音,并改善了临床头部CT扫描中的图像质量.
科学领域:
- 医疗成像医学成像
- 定量成像技术 定量成像技术
- 用光子计数CT进行CT测试.
背景情况:
- 光谱CT材料分解对于定量成像至关重要,但在反转稳定性方面面临挑战.
- 被限制的一步光谱CT图像重建 (cOSSCIR) 算法是为了通过直接估计基础材料图像来稳定这种反转过程而开发的.
研究的目的:
- 从光子计数CT (PCCT) 原型的临床头部CT数据集上评估cOSSCIR算法的性能.
- 这项研究代表了cOSSCIR对大规模,解剖学复杂的临床PCCT数据的首次调查.
- cOSSCIR方法包括频谱估计和对非理想探测器效应进行非线性计数校正.
主要方法:
- 头部CT数据是使用使用一个临床PCCT原型与一个八能量探测器获得的.
- 校准数据用于训练探测器效应的光谱和非线性计数校正模型.
- 该cOSSCIR算法直接优化骨和脂肪基图像,使用集成的总变化 (TV) 约束,与两步最大概率估计 (MLE) 进行比较,其次是过后投影 (FBP) 或TV最小化 (MLE + TVmin).
主要成果:
- 与MLE + TVmin相比,cOSSCIR在基本图像中的噪声标准偏差降低了2-6倍,在同等的电视约束下.
- cOSSCIR图像显示了空间分辨率的提高和细致的解剖细节.
- 虽然MLE + TVmin对于高能量的虚拟单能图像 (VMIs) 产生较低的噪声,但cOSSCIR VMIs在较低的能量和更好的定性分辨率下噪声较低. cOSSCIR软组织平均值更接近预期值.
结论:
- cOSSCIR算法与光谱建模和非线性计数校正相结合,成功地从临床PCCT数据中重建了骨和脂肪基图像.
- 与MLE + TVmin两步方法相比,cOSSCIR表现出优异的降噪 (2-6倍) 和更好的细节解剖描绘.
