L1范数字典约束的感兴趣区域CT图像重建算法

• 作者: 吴俊峰 牟轩沁
• 来源期刊: 西安交通大学学报
• 关键词: 低剂量CT 感兴趣区域 字典学习 医学图像重建
• 年，卷（期）: 2019,（2）
• 页码范围: 163-169
• 页数: 7页
• 分类号: TN911.73
• 语种: 中文
• DOI: 10.7652/xjtuxb201902022

摘要

针对现有全变分(TV)约束感兴趣区域(ROI)重建方法易产生块状伪影、细小结构丢失的问题,提出了一种L1范数字典稀疏约束的ROI低剂量CT医学图像重建算法.首先将ROI医学图像重建问题转化为最优化问题,以罚加权最小二乘函数为保真项,L1范数字典稀疏表示为约束项构建目标函数;然后将目标函数分解为图像更新和字典稀疏表示两个子优化问题,并交替求解上述两个子优化问题,实现ROI图像重建.胸腔模体仿真实验结果表明,在分别添加光子数为1×105、5×104和1×104泊松噪声投影情况下,与TV约束重建方法相比,图像结构相似度(SSIM)分别提高约0.103 5、0.113 1和0.125 8,峰值信噪比分别提高4.88、4.93和5.44 dB.山羊肺部实际CT扫描实验结果进一步证明,本文算法能够有效地去除块状伪影且较好的保留细小结构.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	牟轩沁	西安交通大学图像处理与识别研究所	62	574	12.0	21.0
2	吴俊峰	西安理工大学理学院	3	4	1.0	1.0