一种基于全局字典学习的小动物低剂量计算机断层扫描降噪方法

• 作者: 孙翌 李中源 李光 罗守华 陈功
• 来源期刊: 生物医学工程学杂志
• 学科: 工学
• 关键词: 字典学习 低剂量 小动物计算机断层扫描 图像去噪
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 论著
• 页码范围: 279-286
• 页数: 8页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.7507/1001-5515.20160048

摘要

在小动物计算机断层扫描(CT)实验中,因需考虑小动物存活率以及实验的连续性等问题,一般较少采用高剂量的X射线进行实验;而低剂量的X射线会导致重建图像被噪声污染,影响图像质量,不利于后续实验分析.为解决此问题,本文介绍了一种基于全局字典学习的降噪方法,并将其应用于提升低剂量小动物CT重建图像质量的研究中.针对真实的小动物CT重建数据,选择高剂量的小动物CT重建图像作为训练样本,利用逐列更新的字典学习算法(K-SVD),构建包含图像信息的全局字典;利用正交匹配追踪算法(OMP)将低剂量重建图像利用全局字典进行稀疏分解,分离噪声,最后将重建图像复原,达到降噪、提升图像质量、降低小动物CT实验的拍摄剂量、提高小动物存活率的目的.实验结果表明,本文提出的方法能够有效减少低剂量动物CT图像的噪声,并能够较好地保留图像细节.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈功		10	83	6.0	9.0
2	罗守华		33	129	8.0	10.0
3	李光		12	56	5.0	7.0
4	李中源		3	8	1.0	2.0
5	孙翌		3	0	0.0	0.0