低剂量CT重建中的双边滤波权值优化新方法

为了提升低剂量CT重建图像质量,本文提出了一种基于投影数据恢复导引的双边滤波权值优化方法.新方法有效地将CT投影数据恢复和图像数据恢复的两种低剂量成像策略进行结合,实现优质的低剂量CT重建.具体而言,本文中投影数据恢复采用三维块匹配滤波进行,图像数据恢复采用双边滤波进行,其中双边滤波权值进行优化设计.在双边滤波权值设计...     

基于标准剂量CT图像非局部权值先验的低剂量图像恢复

本文提出一种基于标准剂量CT图像非局部权值先验的低剂量图像恢复方法,该方法首先将先前标准剂量图像与低剂量CT图像配准,并对低剂量CT图像进行预处理以抑制部分噪声,随后利用非局部均值的思想计算配准后的先前标准剂量CT图像的权值矩阵,基于该权值矩阵对预处理后的低剂量CT图像进行加权均值滤波.仿真实验和临床脑灌注数据实验表明,本文方法在消除低剂量CT图像噪声和伪影的同时,还可提升图像分辨率,对临床脑灌注CT扫描的疾病诊断中尤为有效.     

基于广义Gibbs先验的优质PET成像

 最大后验方法(Maximum a posteriori, MAP)已经广泛应用于解决图像重建中的病态问题,正电子发射成像(Positron emission tomography, PET)便是其中之一。本文基于MAP方法,针对PET成像提出一新的基于图像相似结构信息的广义Gibbs先验形式,新先验能在有效地抑制噪声的同时,鲁棒地保持锐利的边缘信息。但由于新先验的引入,使得重建模型的求解趋于复杂。为解决模型解的收敛性问题,我们提出两步式的局部线化优化迭代重建策略,并结合抛物线替代坐标上升(Paraboloidal surrogate coordinate ascent,PSCA)算法进行求解。新算法分别对PET模拟数据和真实数据进行重建实验,结果表明本文提出的基于广义Gibbs先验的PET成像可以获得优质的重建图像。     

基于全变分α散度最小化的PET优质重建

为了获得优质的PET成像,本文提出一种基于全变分阿尔法散度最小化的PET重建新方法.新方法通过引入阿尔法散度度量投影数据和估计值之间的偏差;通过增加全变分正则化修正阿尔法散度最小化解的一致性.针对新构建的PET重建目标函数的求解,本文提出一种基于次梯度理论的交替式迭代策略,期间运用自适应非单调线性搜索来保证算法的收敛性.仿真和临床PET数据实验表明,本文方法在噪声抑制和边缘保持方面均优于传统的PET重建方法.