[发明专利]一种基于小波多尺度卷积特征编码的稀疏角度CT重建方法

说明书

本发明公开了一种基于小波多尺度卷积特征编码的稀疏角度CT重建方法，属于计算机断层成像技术领域。本发明先对高质量的CT样本图像进行小波变换获得高频系数图，再对高频系数图进行多尺度卷积特征学习，构建多尺度滤波器字典；然后引入构建的多尺度滤波器字典，建立小波多尺度卷积特征编码约束的稀疏角度CT重建模型；对重建模型进行变量分解，分为卷积特征学习更新目标函数和重建图像更新目标函数；最后通过交替迭代的策略更新重建图像及多尺度滤波器字典，获得最终重建图像。本发明可有效减缓稀疏角度CT重建中的条状伪影及细节丢失情况，并提高重建图像对比度，促进稀疏角度CT扫描在临床诊断与治疗领域中的使用。

技术领域

本发明涉及计算机断层成像技术领域，更具体地说，涉及一种基于小波多尺度卷积特征编码的稀疏角度CT重建方法。

背景技术

计算机断层成像(Computed Tomography，CT)是利用物体成分的X射线衰减差异，通过重建算法呈现准确无误的结构信息的影像技术，可实现无创检测。CT成像具有空间分辨率高、扫描成本低、时间短等一系列优势，在临床中与磁共振成像、超声波成像和正电子发射断层成像等技术互补，可以为疾病筛查、诊断和治疗提供了影像基础，是目前各级医院不可缺少的医疗设备之一。然而，过多的X射线照射能损伤组织细胞，增加潜在疾病获得风险。据调查，在一次常规螺旋CT扫描中，检查者可能受到1.5～10mSv的辐射剂量照射，远高于普通胸透检查0.2～0.5mSv的剂量。随着检查次数的增加，辐射还具有累积效应，延长检查者所受的伤害，此外一些特殊人群(如儿童，孕妇，老年人等)所伤害更大。为此，在不影响图像诊断的前提下，尽可能降低X射线剂量。

采用稀疏角度扫描，降低投影数据角度个数，是减少X射线照射的一种有效途径。然而，降低射线的采样会导致采集信号的缺失，进而引起重建图像退化，尤其是会导致组织细节丢失，增加重建图的条状伪影，导致医师在阅片时出现漏诊和误诊的情况。为提高稀疏角度CT成像效果：一方面，从CT图像角度出发，研究人员设计专业的图像复原及处理算法，以抑制伪影，增强图像细节。但不同扫描设备、模式及重建方法下，CT图像的伪影表征差异大，这也导致该方法泛化能力差。另一方面，从CT投影数据角度出发，对原始数据或对数变换后的投影数据进行修复、复原等处理，以提高投影数据的一致性，进而可提高重建效果。但由于投影数据敏感性较高，处理过程中，易出现欠校正、过校正及数据一致性低等情况。此外，改进重建算法也是提高成像效果的一种主要途径，近年来大量的迭代重建算法被提出并取得了优异的成绩，尤其是基于先验信息约束的统计迭代重建算法。但是这类算法面临的主要问题有：超参数多，难以自适应优化；算法复杂度高，需要重复迭代计算；先验信息具有不稳定性，无法获得统一框架下的先验项等，使得迭代重建在临床应用场景下难以充分发挥其价值。虽然“稀疏扫描成像”中仍存有诸多问题，但这些都将是未来CT研究领域的重要指标，也是X射线成像发展的主要方向。

将稀疏特征学习作为先验模型，构成约束项，被广泛应用于稀疏角度CT重建中。稀疏特征学习类方法也展现了优越的性能，极大地推进了稀疏角度CT成像算法的实用化。该类方法主要是通过样本训练构造字典，并利用字典对信号进行稀疏编码，在特征识别、分类和图像复原等领域中受到广泛关注。然而，传统的稀疏特征学习，其先验信息提取能力有限，如何拓展增强其特征学习能力，如何设计多种尺度的特征编码形式，以充分发挥其优势，并更好的服务于低剂量CT成像，是临床CT成像发展的关键问题。

公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。

发明内容

1.发明要解决的技术问题