基于自导图像过的不完整CT投影的图像重建方法
Qiang Song1, Changcheng Gong2,3
1School of Mathematics and Statistics, Chongqing Technology and Business University, Chongqing, 400067, China.
Medical & biological engineering & computing
|March 8, 2024
概括
一种名为ADM-SGIF的新方法使用自导过来从不完整的数据中重建CT图像. 这种方法有效地保存结构并减少文物,在测试中表现优于现有技术.
科学领域:
- 医疗成像医学成像
- 计算成像技术的成像
- 图像重建 图像的重建
背景情况:
- 由于辐射剂量限制或其他约束,不完整的计算机断层扫描 (CT) 数据采集在医学诊断和工业测试中很常见.
- 从有限或不完整的投影数据中重建图像仍然是CT成像中的重大挑战.
研究的目的:
- 为少数视图和细分有限角度 (SLA) CT 提出一种新的图像重建模型.
- 为了应对从不完整的投影数据中重建CT图像的挑战.
主要方法:
- 开发了一种新的图像重建模型,其中包含了自导图像过 (SGIF) 术语.
- 用交替方向方法 (ADM) 来解决拟议的模型,称为ADM-SGIF方法.
- 核心原则包括使用重建图像的结构特征来指导重建过程.
主要成果:
- 与现有方法相比,ADM-SGIF方法在保护图像结构和减轻阴影工件方面表现出卓越的性能.
- 使用数字幻象和真实CT数据的实验验证了ADM-SGIF方法的有效性.
- 客观和主观评估证实,ADM-SGIF的表现优于总变量 (TV),相对总变量 (RTV) 和ADM-L0方法.
结论:
- 拟议的ADM-SGIF方法为CT图像从不完整的投影数据重建提供了有效的解决方案,特别是在少数视图和SLA场景中.
- 自动引导的图像过方法增强了CT重建中的结构保存和文物减少.
- 在有限数据的CT成像中,ADM-SGIF代表了与传统的重建技术相比的显著进步.
