在使用混合先前模型的X射线CT中对解剖学和植入物的联合估计
Xiao Jiang1, Grace J Gang2, J Webster Stayman1
1Department of Biomedical Engineering, Johns Hopkins University, Baltimore MD, 21205, USA.
概括
这项研究引入了一种新方法,用于更清晰的医疗植入物患者的CT扫描. 该技术成功地将植入物和解剖图像分开,改善可视化和减少文物.
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:
- 医疗植入物使CT重建和可视化复杂化.
- 对植入物和解剖学的清晰可视化对于诊断至关重要.
- 目前的方法与人工物减少和植入物附近的详细解剖学作斗争.
研究的目的:
- 开发一种新的方法来共同估计解剖和植入物作为单独的图像体积.
- 在医疗植入物存在的情况下,改善CT图像质量和可视化.
- 为了应对在密集植入物材料附近重建解剖学的挑战.
主要方法:
- 一种混合先验模型,结合了基于学习的扩散先验,用于解剖学和植入物的稀疏性先验.
- 一种混合单聚能向前模型来处理植入物光谱效应.
- 交替重建步骤:扩散后面取样用于解剖学和对植入物和光谱系数进行优化.
主要成果:
- 在脊椎成像中用金属脚螺丝证明了解剖学和植入体积的准确分解.
- 成功地可视化了脚螺丝之间的解剖学,这是竞争算法失败的领域.
- 与NMAR相比,显著减少了条纹和梁硬化器件,实现了比NMAR高15.25%的PSNR和24.29%的SSIM.
结论:
- 混合先前模型在CT中有效地分离了不同的解剖学和植入特征.
- 拟议的算法增强了图像质量和对植入物和周围解剖学的可视化.
- 这种方法为医疗植入物患者的CT成像提供了优质的替代方案.
