基于能谱滤波分离的多谱计算机层析成像方法

随着科技的发展,适用于结构分析的传统单能X射线计算机层析(CT)成像技术,已不能满足现代工业对物质组分区分与鉴定的功能成像需求。这是由于在X射线CT系统中,现有重建算法的单能假设与CT投影的多谱性不一致,导致CT重建质量差,无法组分区分。基于光子计数探测器的能谱分离成像思想,提出了基于能谱滤波分离的多谱CT成像方法,该方法通过在X射线发射端加滤波片的方式,实现能谱滤波分离,并通过变能量成像,获得近似单能的递变能量投影序列;针对滤波后噪声水平较高问题,利用EM-TV重建算法,实现了多谱CT成像,可满足组分区分的需求。仿真实验结果表明,对于密度相近的检测对象,该方法可以满足组分区分的要求。     

基于基效应分解的多谱投影序列盲分离算法研究

在常规CT成像系统中,发出的X射线是连续能谱的,导致重建图像出现硬化伪影,影响了材料组分区分,无法进行定量表征。解决这一问题的关键在于实现多能谱CT成像,利用多个窄能谱段或单能量CT图像,提高组分与图像灰度的对应性。相对于传统CT,能谱CT具有更强的组分区分能力,有利于实现物体组分的定量分析。现有的基于光子计数探测器多谱CT在成像时间分辨率和空间分辨率存在局限,基于能谱滤波的多谱CT能谱区分度受限。而基于变电压多谱投影序列盲分离的多谱CT,通过分解连续能谱投影,获取窄能谱投影,进而实现能谱CT成像,确保物质组分与重建图像灰度值的对应性,实用性较强。但是由于X射线能谱和物体组分的未知,在盲分离过程中,衰减系数未知,并且能谱划分是不确定的,导致窄能谱CT重建图像的能量指向性不强,对应能量值与参考能量偏差偏大,影响组分定量分析。因此,针对盲分离中能谱划分不确定性和重建图像能量指向性问题的开展研究。利用衰减系数的光电效应和康普顿效应分解,构建能量约束,消除能量的不确定性,降低分解所得投影重建图像的能量与参考能量值的偏差。在基于以残差的局部方差和最小为优化目标的分解模型中,将分解模型中的衰减系数按光电效应和康普顿效应分解为能量项和材料项,利用能量项的可预知性,依据预先划分的窄能谱段设置其值,固定各分解投影对应的窄能谱段,作为对能量的约束条件。求解所得各分解投影为能量已知投影,对其重建可得到能量确定的各窄能谱段的图像。选择衰减系数相近的硅铝材质构成外硅内铝圆柱体进行实验验证,在有能量约束的求解结果中,硅铝衰减系数与参考值偏差小于无能量约束,所得重建图像中硅铝变化率与理论值趋势较一致,能量指向性强,与参考能量偏差降低。结果表明,所提方法解决了基于变电压序列盲分离多谱CT成像的能量指向问题,能谱分辨率更高,组分表征更准确。     

基于先验组分的多谱CT序列DCM融合算法研究

多谱CT成像是通过不同谱段的CT图像表征检测对象中的不同组分。为了便于在同一视图中显示所有组分的信息,需要研究多谱CT序列的融合方法;但是常用融合方法如加权平均法、小波变换融合法等都是针对图像细节信息的优化,不能表达组分的物理特性,从而导致融合图像的灰度不具有物理表征性,影响CT的定量检测。为此,结合具有物理表征特征的数据约束模型(DCM),开展了基于先验组分的多谱CT序列DCM融合算法研究。首先通过能谱滤波分离的成像方法获得多个能谱范围内的多能投影数据,采用TV-OSEM算法重建不同能谱段的CT序列;其次,利用传统DCM模型和改进DCM模型分别对多谱CT序列进行融合,传统DCM模型是严格单能的,由于滤波后能谱的非严格单能特性,其融合结果不能表征出对象序列中的全部组分。针对此问题提出了改进DCM模型。改进DCM模型选择了新的体元定义,并且在多谱CT序列融合中引入先验组分作为参照,通过先验物质对融合结果中其他物质进行校准,实现检测对象中各组分位置的准确分布。仿真实验表明,该方法可从物理表征正确性的角度,实现多谱CT序列融合,在满足CT序列中不同组分区分的同时,其融合图像的灰度具有物理可参照性,有利于后续的CT定量检测。     

变电压X射线多谱CT成像虚拟设计

复杂结构件在X射线成像时,由于射线透照方向上有效厚度差异大、成像器件动态范围受限等原因,单一电压下的射线图像易出现过曝光和欠曝光共存现象,投影信息缺失严重,无法进行CT重建,为此提出了变电压多谱CT成像理论与方法。通过改变电压改变X光谱分布,实现X光谱与检测对象有效厚度的匹配,扩展图像动态范围,确保检测对象投影信息的完整性;同时基于虚拟设计思想,建立了基于单能和多能的变电压虚拟CT模型,实现了变电压X射线CT成像的虚拟仿真。虚拟实验表明：变电压多谱CT成像原理是可行的,能够实现复杂结构件CT成像。     

基于Split-Bregman算法的能谱计算机层析图像重建

与传统计算机层析(CT)成像技术相比,能谱CT可在一次扫描中得到物体在不同能谱通道下的投影图像,这有利于区分物体的材质,提高信号噪声比。基于光子计数探测器的能谱CT是近年来成像领域研究的热点。由于能谱通道变窄,每个能谱通道内的噪声增加。为了有效降低通道内的噪声,采用基于全变分最小化的SplitBregman算法进行图像重建。根据重建模体的先验信息,进行能谱通道的划分;采用Split-Bregman算法对含噪声和稀疏角的能谱投影数据进行重建。仿真结果表明,基于Split-Bregman算法的能谱CT图像重建方法能够有效减少能谱通道内噪声的影响,满足物体材质区分的需求。     

基于对数解调的递变能量CT成像方法

复杂结构件由于有效厚度差异大和成像系统动态范围受限, 单一能量下的投影数据信息不完整, 常用CT重建算法及不完全数据重建算法无法在数据缺失严重的情况, 有效实现复杂结构件的CT重建. 为此论文提出基于对数解调的递变能量CT成像方法. 该方法在分析直接高动态CT成像所存在问题的基础上, 提出利用对数变换压缩递变能量投影序列动态范围, 并利用现有的基于图像灰度一致性的融合方法, 计算融合加权系数, 再经常规重建算法实现复杂构件的CT成像. 论文并以某复杂仪表为对象, 进行实验, 相比传统的固定能量成像方式, CT信息完整, 质量高. 从而说明论文所提出的方法, 能够实现CT系统动态范围的扩展, 实现复杂结构件的高动态CT成像.     

基于MARS系统的彩色CT图像重建

针对传统的X射线CT系统因采用积分探测器难于区分材质细微差别的关键技术问题,基于MARS X射线能谱CT系统,开展了彩色CT成像技术研究。研究结果表明,对被碘溶液腐蚀的橡胶管和注射有新型造影剂(金纳米微粒)的小老鼠进行多个X射线能量段的CT断层扫描,提取和量化不同能量范围橡胶管投影数据和小老鼠的CT图像,重建出橡胶管彩色投影图像和小老鼠胸腔彩色CT图像,展现了橡胶管内部复杂结构及金纳米微粒主要集中于小老鼠胸腔上部血管的信息,显示了X射线能谱CT刻画物质信息的细微差别能力和呈现物质不同组成成分的能力。     

全变分约束迭代滤波反投影CT重建

重建算法是计算机断层成像(CT)技术的核心。在解析法CT重建过程中,结合先验信息和引入优化约束条件较为困难。通过对滤波反投影(FBP)原理及其重建图像与理想CT图像差值关系的分析,构造了以FBP为基础的迭代循环,解决了解析重建过程中先验信息的利用和优化约束条件的引入问题。为抑制迭代FBP产生的图像伪影,将全变分(TV)模型引入重建过程,建立了TV约束迭代滤波反投影CT重建方法。在数值模拟中,针对完善投影数据、稀疏投影数据、含金属投影数据和有限角投影数据等不同情况,重建出了与原始模型高度一致的CT图像,研究表明TV约束迭代滤波反投影方法是一种精度高、适应性较强的CT重建方法。     

基于能谱CT的材料组分彩色表征研究

基于光子计数探测器的X射线能谱CT,通过增加能谱分辨率实现了CT图像由灰度向彩色的转变,提高了材料识别能力。然而随着能谱通道数量的增加,通道中的噪声也显著增加,降低了材料识别的准确性。为充分利用能谱CT图像的稀疏性以及能谱通道之间图像的相关性,提出一种多约束窄谱CT迭代重建算法,可在降低噪声的同时有效保留图像的边缘及细节部分。进一步利用主成分分析对窄谱CT图像中的能谱信息进行估计,并建立主成分图像与R,G和B颜色分量之间的映射关系,最后获取彩色CT图像。该方法通过材料组分的彩色表征可以有效识别材料,同时降低图像中的背景噪声。仿真实验和实际实验结果验证了多约束窄谱CT迭代重建算法的有效性以及利用主成分分析进行材料组分彩色表征的可行性。     

基于全卷积金字塔残差网络的能谱CT图像降噪研究

传统CT采用积分式探测器采集投影数据,反映的是物体的平均衰减特性,会在一定程度上造成信息损失,无法对物体进行较好的定性定量测量。基于光子计数探测器的能谱CT通过设定多个能量响应阈值能够探测不同能量范围内的X射线光子,采集更多被测物体的物质组成信息,有助于识别不同物理特性的材料,基于此,能谱CT被广泛的应用于小病灶、低对比度结构以及微细结构的成像。然而将整个能谱划分为多个能量段进行数据采集时,范围较窄能量范围内的有效光子数比例相对降低,导致图像中包含较多的噪声,图像质量较差,影响能谱CT的临床应用。为了有效的抑制能谱CT不同能量段内重建图像中的噪声,提出了一种基于深度学习的能谱CT图像降噪方法。我们将全卷积网络和金字塔残差网络结合为全卷积金字塔残差网络(FCPRN),实验中,利用能谱CT在不同的能量范围扫描小鼠样本,使用FDK算法和基于压缩感知的Split-Bregman算法进行重建并分别作为训练数据和标签数据训练全卷积金字塔残差网络。为了验证网络的降噪性能,选取了常见的降噪网络模型denoising convolutional neural networks(DNCN)以及residual encoder decoder convolutional neural network (REDCNN)进行对比,训练三种网络的使用的数据和实验配置都是完全相同的,实验结果表明训练模型可以有效抑制不同能量范围内重建图像的噪声,且使用的全卷积金字塔残差网络的降噪性能优于其他网络模型。模型训练好后,可以对FDK算法重建出的图像进行降噪,由此提高能谱CT图像降噪效率,保证能谱CT重建图像的质量。     

基于加权TV正则化的X射线CT系统能谱估计方法

在CT硬化伪影校正、双能CT图像重建以及CT辐射剂量计算等实际应用中,X射线的能谱信息具有重要的作用。然而,由于透射测量方程组系数矩阵的病态性、X光子的统计涨落和噪声的干扰,使得EM等能谱估计方法难以获得较精细的能谱刻画。针对该问题,提出一种基于加权TV正则化的X射线CT系统能谱估计方法。首先采用能谱能量范围内带有不同K-edge的材料作为体模以降低投影测量方程之间的相关性。然后,利用CT成像系统的几何参数来获取投影测量数据所对应的准确透射长度信息来减小投影方程的测量误差。最后,综合利用透射衰减测量数据的保真性、轫致辐射能谱部分的连续性、特征辐射能谱部分的离散性、能谱的非负性和归一性以及平均有效衰减系数等信息,使用加权TV正则化方法建立目标函数,利用正则化理论中的L曲线准则通过黄金分割参数搜索策略求得最优正则化参数及对应的能谱估计结果。分别通过不同统计波动模型下的仿真能谱和实际测量数据对算法性能进行了验证,结果表明该方法与EM等方法相比,不受初始能谱的影响,有效提高了能谱估计结果的稳定性和准确性。     

基于X射线光子计数探测技术的材料K-edge特性识别实验研究

X射线光子计数探测器是多能谱CT成像技术的核心,其通过能量阈值可以选择记录不同能量的X射线光子,有助于分析不同材质的物理特性。利用搭建的基于光子计数探测器的多能谱CT系统,开展高纯度金属材料K-edge特性识别实验研究。通过设置探测器的不同能量阈值,在不同能量范围获取金属材料投影图像,利用投影图像灰度信息分析不同能量X射线的衰减特性,以识别金属材料K-edge特性。最终实验结果表明,基于光子计数探测器的X射线能谱CT系统,能够识别金属材料与特定能量X射线光子发生相互作用所表现出的K-edge特性。通过计算K-edge特征峰能量阈值与材料K-edge理论能量值之间的线性对应关系,对光子计数探测器的能量阈值进行了标定。     

基于投影匹配的X射线双能计算机层析成像投影分解算法

X射线双能计算机层析成像(CT)技术是安全检查领域一种重要的材料探测与识别手段.双能CT投影分解是双能CT预处理重建算法的核心内容和关键步骤.针对现有投影分解算法的不足,提出了一种基于投影匹配的双能CT投影分解算法.依据系统能谱和基材料线性衰减系数曲线,通过求解投影积分方程组建立高低能投影查找表.对于给定的高低能投影,...     

X射线光场成像技术研究

X射线三维成像技术是目前国内外X射线成像研究领域的一个研究热点.但针对一些特殊成像目标,传统X射线计算层析(CT)成像模式易出现投影信息缺失等问题,影响CT重建的图像质量,使得CT成像的应用受到一定的限制.本文主要研究了基于光场成像理论的X射线三维立体成像技术.首先从同步辐射光源模型出发,对X射线光场成像进行建模;然后,基于光场成像数字重聚焦理论,对成像目标场在深度方向上进行切片重建.结果表明:该方法可以实现对成像目标任一视角下任一深度的内部切片重建,但是由于光学聚焦过程中的离焦现象,会引入较为严重的背景噪声.当对其原始数据进行滤波后,再进行X射线光场重聚焦,可以有效消除重建伪影,提高图像的重建质量.本研究既有算法理论意义,又可应用于工业、医疗等较复杂目标的快速检测,具有较大的应用价值.