基于双层字典学习的低剂量CT图像重建算法

• 作者: 刘燕 朱雪茹 李传明 李勇明 李志超 王健
• 来源期刊: 北京生物医学工程
• 学科: 医学
• 关键词: 低剂量投影 K-SVD算法 稀疏编码 双层字典学习 CT重建
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 论著
• 页码范围: 584-590
• 页数: 7页
• 分类号: R318.04
• 字数: 5240字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-3208.2017.06.006

摘要

目的 低剂量投影条件下的CT图像重建.方法 采用双层K-奇异值分解(K-singular value decomposition,K-SVD)字典训练的学习方法进行图像的超分辨率重建.字典学习方法中采用K-SVD算法,稀疏编码采用正交匹配追踪(orthogonal matching pursuit,OMP)算法.该算法首先利用训练库进行第一层字典训练,然后利用第一层训练的字典对低分辨率图像进行重建.进而将重建图像作为第二层待重建图像的输入,这样使得第二层输入图像含有较多的高频细节信息,因此能在重构的过程中恢复更多的细节信息,让高分辨率重构图像达到较好的效果.结果 双层字典重建效果明显优于K-SVD算法,重建图像更接近于原始高分辨率CT图像.结论 本研究对双层字典训练学习的框架进行反迭代投影的全局优化改进,改善了图像的重建质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李勇明	重庆大学通信工程学院	51	315	9.0	15.0
2	李传明	第三军医大学西南医院放射科	36	179	8.0	11.0
3	王健	第三军医大学西南医院放射科	200	1066	16.0	22.0
4	刘燕	第三军医大学西南医院放射科	16	96	6.0	9.0
5	朱雪茹	第三军医大学西南医院放射科	1	5	1.0	1.0
9	李志超	第三军医大学西南医院放射科	11	46	4.0	6.0