CN103810735A - 一种低剂量x射线ct图像统计迭代重建方法 - Google Patents
一种低剂量x射线ct图像统计迭代重建方法 Download PDFInfo
- Publication number
- CN103810735A CN103810735A CN201410072591.3A CN201410072591A CN103810735A CN 103810735 A CN103810735 A CN 103810735A CN 201410072591 A CN201410072591 A CN 201410072591A CN 103810735 A CN103810735 A CN 103810735A
- Authority
- CN
- China
- Prior art keywords
- image
- init
- projection
- data
- iterative
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开一种低剂量X射线CT图像统计迭代重建方法,包括步骤:对CT设备的低剂量X射线CT图像的投影数据yraw进行图像重建,得到迭代初始图像μinit;对投影数据yraw进行数据恢复处理,得到恢复后的投影数据yrestored,对恢复后的投影数据yrestored进行图像重建,得到参考图像μref;以参考图像μref和迭代初始图像μ init,按R(μinit)=φ(μinit-SRNLM(μinit))构建边缘保持先验R(μinit),其中,φ()为能量势函数,SRNLM(μinit)为由参考图像μref引导的非局部均值滤波;根据迭代初始图像μinit边缘保持先验R(μinit),利用统计迭代公式进行迭代计算,得到迭代重建图像μiter;当对重建图像μiter进行迭代计算的结果满足迭代终止条件时,迭代终止,获得低剂量X射线CT图像最终的重建图像。本发明能够有效地去除图像噪声并抑制条形伪影,同时较好地保持图像细节信息。
Description
技术领域
本发明涉及医学影像的计算机处理技术,尤其是涉及一种低剂量X射线CT图像统计迭代重建方法。
背景技术
X射线CT扫描已经广泛应用于临床医学影像诊断,但是CT扫描过程中过高的X射线辐射剂量会存在致癌风险。为了降低对使用者的损害,如何最大限度地降低X射线使用剂量已经成为医学CT成像领域研究的关键技术之一。
为了降低X射线辐射剂量,现有技术中使用的最简便的途径就是降低CT扫描过程中的管电流和扫描时间。在此基础上,现有技术针对低剂量X射线CT图像重建主要包括滤波反投影方法及统计迭代重建方法。
1、滤波反投影方法(Filtered Back-Projection,FBP)。
针对低剂量X射线CT图像,目前临床设备中常用的图像重建技术仍为滤波反投影方法。滤波反投影方法是通过对采集的投影数据进行傅立叶变换并采用一定的滤波函数(一般为斜坡滤波)进行滤波,然后对处理后的CT图像逐个角度进行反投影,得到重建图像。
但是,由于降低了管电流和扫描时间,低剂量CT投影数据中含有大量的噪声,基于滤波反投影方法重建的图像质量存在严重的退化现象,图像中存在大量的噪声和条形伪影,难以满足临床诊断需要。
2、基于统计模型的迭代重建方法,也称为统计迭代重建方法。
为了在保证图像质量的前提下大幅降低X射线辐射剂量,诸多基于降低管电流和扫描时间的低剂量CT图像重建方法相继提出。其中,基于统计模型的迭代重建方法,也称为统计迭代重建方法,通过对采集的投影数据的噪声以及成像系统进行图像重建模型构建,可以实现低剂量CT图像优质重建。为了保证统计迭代重建方法的鲁棒性,通常会引入一定的先验信息进行约束。
但是,现有技术使用基于边缘保持先验的统计迭代重建方法,由于低剂量CT重建图像中条形伪影不同于一般的图像噪声,常常把条形伪影作为一种图像结构进行保持,从而使得低剂量CT重建图像中条形伪影依然存在,不能起到抑制条形伪影的作用。因此,现有技术中基于一般边缘保持先验的统计迭代重建方法,虽然可以有效地去除图像噪声,却不能抑制图像中的条形伪影。
发明内容
针对现有技术的不足,本发明提供一种基于改进的边缘保持先验的低剂量X射线CT图像统计迭代重建方法,能够针对降低管电流和扫描时间的低剂量CT图像进行重建,能够有效地去除图像噪声并抑制条形伪影,同时较好地保持图像细节信息。
本发明采用如下技术方案实现:一种低剂量X射线CT图像统计迭代重建方法,其包括步骤:
获取CT设备的系统参数和低剂量X射线CT图像的投影数据yraw,对投影数据yraw进行图像重建,得到迭代初始图像μinit;
对投影数据yraw进行数据恢复处理,得到恢复后的投影数据yrestored,对恢复后的投影数据yrestored进行图像重建,得到参考图像μref;
以参考图像μref和迭代初始图像μinit,按R(μinit)=φ(μinit-SRNLM(μinit))构建边缘保持先验R(μinit),其中,φ()为能量势函数,SRNLM(μinit)为由参考图像μref引导的非局部均值滤波;
根据迭代初始图像μinit边缘保持先验R(μinit),利用统计迭代公式进行迭代计算,得到迭代重建图像μiter;
当对重建图像μiter进行迭代计算的结果满足迭代终止条件时,迭代终止,获得低剂量X射线CT图像最终的重建图像。
其中,y表示待恢复的投影数据;Σ为一对角矩阵,其对角线元素为对应投影数据yraw的方差R(y)为先验约束项;λ>0为正则化调节参数。
其中,所述迭代公式使用梯度下降法或者高斯-塞德尔优化算法进行迭代求解获得恢复后的投影数据yrestored。
其中,对投影数据yraw及对恢复后的投影数据yrestored均是采用滤波反投影方法进行图像重建。
其中,由参考图像μref引导的非局部均值滤波SRNLM(μinit)的计算公式为:
其中,为归一化因子,Vi和Vj分别为图像μinit中像素点i处和图像μref中像素点j处的两个局部相似窗,μinit(Vi)和μref(Vj)分别为迭代初始图像μinit在局部相似窗Vi内的图像矩阵块和参考图像μref在局部相似窗Vj内的图像矩阵块,Ni为以像素点i为中心的搜索窗,符号||||2表示计算两个相似窗内的图像矩阵块之间的欧氏距离,参数h是一个平滑调节因子。
其中,统计迭代公式为μiter=μinit-α(AT(Σ-1(Aμinit-yraw)))-βR′(μinit),其中,A为CT设备的成像系统矩阵或系统投影矩阵,AT表示A的转置;Σ为一对角矩阵,对角元素为对应投影数据yraw的方差;参数β为一非负实数,用于刻画先验约束的强度;参数α计算公式为G=AT(Σ-1(Aμiter-yraw));R′(μinit)计算公式为R′(μinit)=psign(μinit-SRNLM(μinit))|μinit-SRNLM(μinit)|p-1,参数p取值为区间[1,2]中的实数。
其中,所述的迭代终止条件为相邻两次对重建图像μiter进行迭代计算的结果的相对均方误差小于设定的阈值δ,即δ为一正实数。
其中,阈值δ=0.001。
与现有技术相比,本发明具有如下有益效果:
本发明通过引入参考图像引导的非局部均值先验信息,进行约束低剂量CT统计迭代重建,有效解决一般的边缘保持先验,如非局部均值先验,对图像中条形伪影的结构保持作用,可以在去除图像噪声的同时有效地抑制图像中的条形伪影,最终实现低剂量CT图像的优质重建。
附图说明
图1是本发明一个优选实施例的流程示意图。
图2是本发明实施例中仿真所使用的XCAT体模图像示意图。
图3是对图2使用本发明获得的CT重建图像。
图4是对图2直接通过FBP法获得的CT重建图像。
图5是对图2使用现有技术中基于非局部均值边缘保持先验的统计迭代重建方法获得的CT重建图像。
具体实施方式
本发明提供一种基于改进的边缘保持先验的低剂量X射线CT图像统计迭代重建方法,能够针对降低管电流和扫描时间的低剂量CT图像进行重建,能够有效地去除图像噪声并抑制条形伪影,同时较好地保持图像细节信息。
如图1所示,本发明的一个优选实施例包括如下实现步骤:
步骤S1.获取CT设备的系统参数和低剂量X射线CT图像的投影数据yraw。
步骤S2.对步骤S1中获取的投影数据yraw进行数据恢复处理,得到恢复后的投影数据yrestored。
对投影数据yraw进行数据恢复处理的数据恢复模型为
具体的,投影数据yraw的方差通过投影数据yraw的逐个数据点估计得到,可以通过公式估计得到,其中I0为第i个投影数据yraw的数据点的X射线入射光子强度,为CT设备的系统电子噪声的方差。当然,方差也可以通过局部邻域方差估计等其他方式得到。
具体的,式(I)中数据恢复模型的求解,可以通过梯度下降法或者高斯-塞德尔优化算法(Gauss-Seidel method)进行迭代求解,得到恢复后的投影数据yrestored。
步骤S3.对步骤S2中得到恢复后的投影数据yrestored采用解析重建方法进行图像重建,得到重建后的低剂量CT图像,作为统计迭代重建中先验构建的参考图像μref。
其中,步骤S3中采用的解析重建方法可以为现有技术中的滤波反投影方法(Filtered Back-Projection,FBP)。
步骤S4.对步骤S1中获取的投影数据yraw采用解析重建方法进行图像重建,得到重建后的低剂量X射线CT图像,作为统计迭代重建步中的迭代初始图像μinit。
其中,步骤S4中采用的解析重建方法也可以为现有技术中的滤波反投影方法(Filtered Back-Projection,FBP)。
步骤S5.根据步骤S3得到的参考图像μref和步骤S4得到的迭代初始图像μinit,构建本发明改进的边缘保持先验。
上述改进的边缘保持先验,其先验构建形式为:
R(μinit)=φ(μinit-SRNLM(μinit)) (II)其中,φ()为能量势函数,SRNLM(μinit)为由参考图像μref引导的非局部均值滤波。
具体的,能量势函数φ()可以为p范数形式,如:当p=1时,即为1范数形式,当p=2时,则为2范数形式。
具体的,由参考图像μref引导的非局部均值滤波SRNLM(μinit),其表达式为:
其中,为归一化因子,Vi和Vj分别为图像μinit中像素点i处和图像μref中像素点j处的两个局部相似窗,μinit(Vi)和μref(Vj)分别为图像μinit在局部相似窗Vi内的图像矩阵块和图像μref在局部相似窗Vj内的图像矩阵块。Ni为以像素点i为中心的搜索窗。符号||||2表示计算两个相似窗内的图像矩阵块之间的欧氏距离;参数h是一个平滑调节因子,可以根据图像噪声水平来决定。
步骤S6.根据步骤S4中得到的迭代初始图像μinit和步骤S5中构建的改进的边缘保持先验R(μinit),应用统计迭代公式进行迭代计算,得到迭代重建图像μiter。
统计迭代公式为μiter=μinit-α(AT(Σ-1(Aμinit-yraw)))-βR′(μinit),其中:
A为CT设备的成像系统矩阵,也称为系统投影矩阵,由具体的CT成像系统决定,可以采用不同的方法来计算,比如:基于面积加权的系统矩阵计算,基于体素加权的系统矩阵计算;AT表示A的转置。
参数β为一非负实数,用于刻画先验约束的强度。
参数α计算公式为其中,G=AT(Σ-1(Aμiter-yraw))。
R′(μinit)计算公式为R′(μinit)=psign(μinit-SRNLM(μinit))|μinit-SRNLM(μinit)|p-1,其中参数p取值即步骤S5中所述的区间[1,2]中的一个实数。
步骤S7.判断迭代重建图像μiter是否满足迭代终止条件。若是,转入步骤S8若否,以迭代重建图像μiter更新迭代初始图像μinit,重复步骤S6-S7。
比如,在一个实施例中,迭代终止条件中设定的阈值δ取值为0.001。
步骤S8.迭代终止,该迭代重建图像即是最终重建图像。
为了对比本发明所示方法的效果,采用图2所示的XCAT数字体模图像作为本发明的计算机仿真实验对象,该XCAT数字体模图像像素矩阵大小设为512×512,模拟CT机的X射线源到旋转中心和探测器的距离分别为570mm和1040mm,旋转角在[0,2π]间,采样值为1160,每个采样角对应672个探测器单元,探测器单元的大小为1.407mm。
通过CT系统仿真生成大小为1160×672的低剂量CT投影数据yraw,其中X射线的入射光子强度I0为1.0×105,系统电子噪声的方差为11.0。对模拟生成的同组CT图像的投影数据,采用本发明前述基于非局部均值边缘保持先验的统计迭代重建方法进行重建,得到CT重建图像,如图3所示。
图4给出了对图2直接采用FBP重建方法得到的CT重建图像。比较图4和图3中的重建结果,可以看出,本发明的统计迭代重建方法可以有效地减少重建图像中的噪声和伪影,且明显改善了CT重建图像的质量。
图5给出了对图2采用现有技术中基于非局部均值边缘保持先验的统计迭代重建方法得到的CT重建图像。将图3和图5进行比较可见,本发明方法能够在去除图像噪声的同时,更好地减少图像中的伪影。
综上,本发明通过引入参考图像引导的非局部均值先验信息,进行约束低剂量CT统计迭代重建,有效解决一般的边缘保持先验,如非局部均值先验,对图像中条形伪影的结构保持作用,可以在去除图像噪声的同时有效地抑制图像中的条形伪影,最终实现低剂量CT图像的优质重建。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种低剂量X射线CT图像统计迭代重建方法,其特征在于,包括步骤:
获取CT设备的系统参数和低剂量X射线CT图像的投影数据yraw,对投影数据yraw进行图像重建,得到迭代初始图像μinit;
对投影数据yraw进行数据恢复处理,得到恢复后的投影数据yrestored,对恢复后的投影数据yrestored进行图像重建,得到参考图像μref;
以参考图像μref和迭代初始图像μinit,按R(μinit)=φ(μinit-SRNLM(μinit))构建边缘保持先验R(μinit),其中,φ()为能量势函数,SRNLM(μinit)为由参考图像μref引导的非局部均值滤波;
根据迭代初始图像μinit边缘保持先验R(μinit),利用统计迭代公式进行迭代计算,得到迭代重建图像μiter;
当对重建图像μiter进行迭代计算的结果满足迭代终止条件时,迭代终止,获得低剂量X射线CT图像最终的重建图像。
4.根据权利要求2所述一种低剂量X射线CT图像统计迭代重建方法,其特征在于,所述迭代公式使用梯度下降法或者高斯-塞德尔优化算法进行迭代求解获得恢复后的投影数据yrestored。
5.根据权利要求1所述一种低剂量X射线CT图像统计迭代重建方法,其特征在于,对投影数据yraw及对恢复后的投影数据yrestored均是采用滤波反投影方法进行图像重建。
9.根据权利要求8所述一种低剂量X射线CT图像统计迭代重建方法,其特征在于,阈值δ=0.001。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410072591.3A CN103810735A (zh) | 2014-02-28 | 2014-02-28 | 一种低剂量x射线ct图像统计迭代重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410072591.3A CN103810735A (zh) | 2014-02-28 | 2014-02-28 | 一种低剂量x射线ct图像统计迭代重建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103810735A true CN103810735A (zh) | 2014-05-21 |
Family
ID=50707453
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410072591.3A Pending CN103810735A (zh) | 2014-02-28 | 2014-02-28 | 一种低剂量x射线ct图像统计迭代重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103810735A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488824A (zh) * | 2015-11-23 | 2016-04-13 | 沈阳东软医疗系统有限公司 | 一种重建pet图像的方法和装置 |
CN109035169A (zh) * | 2018-07-19 | 2018-12-18 | 西安交通大学 | 一种无监督/半监督ct图像重建深度网络训练方法 |
WO2019047545A1 (zh) * | 2018-05-04 | 2019-03-14 | 西安大医集团有限公司 | 低剂量成像方法及装置 |
CN109920020A (zh) * | 2019-02-27 | 2019-06-21 | 西北工业大学 | 一种锥束ct病态投影重建伪影抑制方法 |
CN109949411A (zh) * | 2019-03-22 | 2019-06-28 | 电子科技大学 | 一种基于三维加权滤波反投影和统计迭代的图像重建方法 |
CN110073413A (zh) * | 2016-12-14 | 2019-07-30 | 皇家飞利浦有限公司 | 用于迭代图像重建的信息自适应正则化 |
CN110807821A (zh) * | 2019-10-12 | 2020-02-18 | 上海联影医疗科技有限公司 | 一种图像重建方法和系统 |
CN111899312A (zh) * | 2020-07-08 | 2020-11-06 | 西北工业大学 | 一种迭代补偿的有限角度ct投影重建方法 |
CN112116677A (zh) * | 2020-09-23 | 2020-12-22 | 赣南师范大学 | 一种基于低维流形先验的低剂量ct重建方法 |
WO2021159948A1 (zh) * | 2020-02-11 | 2021-08-19 | 之江实验室 | 一种基于深度学习的低剂量pet三维重建方法 |
WO2021253295A1 (zh) * | 2020-06-17 | 2021-12-23 | 深圳高性能医疗器械国家研究院有限公司 | 一种低剂量ct图像重建方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102737392A (zh) * | 2012-06-07 | 2012-10-17 | 南方医科大学 | 一种低剂量x线ct图像的非局部正则化先验重建方法 |
CN103106676A (zh) * | 2013-02-05 | 2013-05-15 | 南方医科大学 | 一种基于低剂量投影数据滤波的x射线ct图像重建方法 |
US20130202079A1 (en) * | 2012-02-07 | 2013-08-08 | Lifeng Yu | System and Method for Controlling Radiation Dose for Radiological Applications |
-
2014
- 2014-02-28 CN CN201410072591.3A patent/CN103810735A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130202079A1 (en) * | 2012-02-07 | 2013-08-08 | Lifeng Yu | System and Method for Controlling Radiation Dose for Radiological Applications |
CN102737392A (zh) * | 2012-06-07 | 2012-10-17 | 南方医科大学 | 一种低剂量x线ct图像的非局部正则化先验重建方法 |
CN103106676A (zh) * | 2013-02-05 | 2013-05-15 | 南方医科大学 | 一种基于低剂量投影数据滤波的x射线ct图像重建方法 |
Non-Patent Citations (3)
Title |
---|
JIANHUA MA ET AL.: "Iterative image reconstruction for cerebral perfusion CT using pre-contrast scan induced edge-preserving prior", 《PHYSICS IN MEDICINE AND BIOLOGY》, vol. 57, no. 22, 21 November 2012 (2012-11-21), pages 1 - 30 * |
ZHAOYING BIAN ET AL.: "SR-NLM: A sinogram restoration induced non-local means image filtering for low-dose computed tomography", 《COMPUTERIZED MEDICAL IMAGING AND GRAPHICS》, vol. 37, no. 4, 24 June 2013 (2013-06-24), pages 293 - 303, XP 028680870, DOI: doi:10.1016/j.compmedimag.2013.05.004 * |
边兆英 等: "投影数据恢复导引的PET图像滤波", 《计算机工程与应用》, vol. 47, no. 17, 20 June 2011 (2011-06-20), pages 196 - 199 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488824B (zh) * | 2015-11-23 | 2018-09-18 | 沈阳东软医疗系统有限公司 | 一种重建pet图像的方法和装置 |
CN105488824A (zh) * | 2015-11-23 | 2016-04-13 | 沈阳东软医疗系统有限公司 | 一种重建pet图像的方法和装置 |
CN110073413A (zh) * | 2016-12-14 | 2019-07-30 | 皇家飞利浦有限公司 | 用于迭代图像重建的信息自适应正则化 |
CN110073413B (zh) * | 2016-12-14 | 2023-09-08 | 皇家飞利浦有限公司 | 用于迭代图像重建的信息自适应正则化 |
WO2019047545A1 (zh) * | 2018-05-04 | 2019-03-14 | 西安大医集团有限公司 | 低剂量成像方法及装置 |
CN110730977B (zh) * | 2018-05-04 | 2024-03-29 | 西安大医集团股份有限公司 | 低剂量成像方法及装置 |
CN110730977A (zh) * | 2018-05-04 | 2020-01-24 | 西安大医集团有限公司 | 低剂量成像方法及装置 |
CN109035169A (zh) * | 2018-07-19 | 2018-12-18 | 西安交通大学 | 一种无监督/半监督ct图像重建深度网络训练方法 |
CN109035169B (zh) * | 2018-07-19 | 2020-06-12 | 西安交通大学 | 一种无监督/半监督ct图像重建深度网络训练方法 |
CN109920020B (zh) * | 2019-02-27 | 2022-10-18 | 西北工业大学 | 一种锥束ct病态投影重建伪影抑制方法 |
CN109920020A (zh) * | 2019-02-27 | 2019-06-21 | 西北工业大学 | 一种锥束ct病态投影重建伪影抑制方法 |
CN109949411B (zh) * | 2019-03-22 | 2022-12-27 | 电子科技大学 | 一种基于三维加权滤波反投影和统计迭代的图像重建方法 |
CN109949411A (zh) * | 2019-03-22 | 2019-06-28 | 电子科技大学 | 一种基于三维加权滤波反投影和统计迭代的图像重建方法 |
CN110807821A (zh) * | 2019-10-12 | 2020-02-18 | 上海联影医疗科技有限公司 | 一种图像重建方法和系统 |
WO2021159948A1 (zh) * | 2020-02-11 | 2021-08-19 | 之江实验室 | 一种基于深度学习的低剂量pet三维重建方法 |
WO2021253295A1 (zh) * | 2020-06-17 | 2021-12-23 | 深圳高性能医疗器械国家研究院有限公司 | 一种低剂量ct图像重建方法 |
CN111899312A (zh) * | 2020-07-08 | 2020-11-06 | 西北工业大学 | 一种迭代补偿的有限角度ct投影重建方法 |
CN111899312B (zh) * | 2020-07-08 | 2023-03-14 | 西北工业大学 | 一种迭代补偿的有限角度ct投影重建方法 |
CN112116677A (zh) * | 2020-09-23 | 2020-12-22 | 赣南师范大学 | 一种基于低维流形先验的低剂量ct重建方法 |
CN112116677B (zh) * | 2020-09-23 | 2024-01-23 | 赣南师范大学 | 一种基于低维流形先验的低剂量ct重建方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103810735A (zh) | 一种低剂量x射线ct图像统计迭代重建方法 | |
Xu et al. | A practical cone-beam CT scatter correction method with optimized Monte Carlo simulations for image-guided radiation therapy | |
CN107481297B (zh) | 一种基于卷积神经网络的ct图像重建方法 | |
CN102314698B (zh) | 基于阿尔法散度约束的全变分最小化剂量ct重建方法 | |
CN103413280B (zh) | 一种低剂量x射线ct图像重建方法 | |
CN103810734A (zh) | 一种低剂量x射线ct投影数据恢复方法 | |
CN103810733B (zh) | 一种稀疏角度x射线ct图像的统计迭代重建方法 | |
CN103106676B (zh) | 一种基于低剂量投影数据滤波的x射线ct图像重建方法 | |
CN102737392A (zh) | 一种低剂量x线ct图像的非局部正则化先验重建方法 | |
CN101980302A (zh) | 投影数据恢复导引的非局部平均低剂量ct重建方法 | |
CN102663790B (zh) | 一种稀疏角度ct图像的重建方法 | |
Jia et al. | 4D computed tomography reconstruction from few-projection data via temporal non-local regularization | |
CN103606177A (zh) | 稀疏角度的ct图像迭代重建方法 | |
Gong et al. | Image reconstruction model for limited-angle CT based on prior image induced relative total variation | |
CN104751429A (zh) | 一种基于字典学习的低剂量能谱ct图像处理方法 | |
Hu et al. | Image reconstruction from few-view CT data by gradient-domain dictionary learning | |
Liang et al. | Guest editorial low-dose CT: what has been done, and what challenges remain? | |
Yang et al. | Shading correction assisted iterative cone-beam CT reconstruction | |
CN103793890A (zh) | 一种能谱ct图像的恢复处理方法 | |
Pustelnik et al. | Parallel algorithm and hybrid regularization for dynamic PET reconstruction | |
CN105844678A (zh) | 基于全广义变分正则化的低剂量x射线ct图像重建方法 | |
Zhang et al. | CT image reconstruction algorithms: A comprehensive survey | |
CN111080736B (zh) | 一种基于稀疏变换的低剂量ct图像重建方法 | |
Zhang et al. | Deep generalized learning model for PET image reconstruction | |
CN115880387A (zh) | 基于离散nlhtv正则项的稀疏角度采样ct迭代重建方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140521 |