02 现在的位置:首页 > 期刊导读 > 2019 > 02 >

L1范数字典约束的感兴趣区域CT图像重建算法

【作者】吴俊峰 牟轩沁

【关键词】 低剂量CT; 感兴趣区域; 字典学习; 医学图像重建;

摘要针对现有全变分(TV)约束感兴趣区域(ROI)重建方法易产生块状伪影、细小结构丢失的问题,提出了一种L1范数字典稀疏约束的ROI低剂量CT医学图像重建算法。首先将ROI医学图像重建问题转化为最优化问题,以罚加权最小二乘函数为保真项,L1范数字典稀疏表示为约束项构建目标函数;然后将目标函数分解为图像更新和字典稀疏表示两个子优化问题,并交替求解上述两个子优化问题,实现ROI图像重建。胸腔模体仿真实验结果表明,在分别添加光子数为1×105、5×104和1×104泊松噪声投影情况下,与TV约束重建方法相比,图像结构相似度(SSIM)分别提高约0.103 5、0.113 1和0.125 8,峰值信噪比分别提高4.88、4.93和5.44dB。山羊肺部实际CT扫描实验结果进一步证明,本文算法能够有效地去除块状伪影且较好的保留细小结构。 

上一篇:标签多伯努利机动目标跟踪与分类算法
下一篇:利用分子动力学模拟水和盐在磺化聚苯乙烯-乙烯/丁烯-苯乙烯膜内的扩散行为

© 2015 《西安交通大学学报》编辑部  地址:西安市咸宁西路28号  邮编:710049
互联网备案号:陕ICP备07500839号