[发明专利]基于离散剪切波正则化的低剂量CT图像统计重建方法在审

专利信息
申请号: 201510403818.2 申请日: 2015-07-10
公开(公告)号: CN104992422A 公开(公告)日: 2015-10-21
发明(设计)人: 张立毅;张海燕;孙云山 申请(专利权)人: 天津商业大学
主分类号: G06T5/00 分类号: G06T5/00
代理公司: 天津市三利专利商标代理有限公司 12107 代理人: 仝林叶
地址: 300134*** 国省代码: 天津;12
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开了一种基于离散剪切波正则化的低剂量CT图像统计重建方法。本发明在数据保真项加入符合数据统计特性的系数加权,以降低噪声对重建结果的影响,并利用增广拉格朗日方法将图像在剪切波域可以稀疏表示的先验信息作为正则化项加入目标函数。本发明的正则化系数是根据误差自适应变化的,进一步提高了算法的鲁棒性。重建图像在辐射剂量降低到FBP算法的10%甚至更低时仍然能够得到清晰保留结构细节的重建图像。本发明适用于少视角和低管电流扫描两种情况下的低剂量CT图像统计迭代重建方法。
搜索关键词: 基于 离散 剪切 正则 剂量 ct 图像 统计 重建 方法
【主权项】:
一种基于离散剪切波正则化的低剂量CT图像统计重建方法,其特征在于,按照下述步骤进行:(1)将待建图像在剪切波域可以稀疏表示作为先验信息,在求解Af=p时加入待建图像的剪切波稀疏表示作为正则化项,该方法可以表示为求解如下问题<mrow><mtable><mtr><mtd><mrow><munder><mrow><mi>m</mi><mi>i</mi><mi>n</mi></mrow><mi>&alpha;</mi></munder><mo>|</mo><mo>|</mo><mi>&alpha;</mi><mo>|</mo><msub><mo>|</mo><mn>0</mn></msub></mrow></mtd><mtd><mrow><mi>s</mi><mo>.</mo><mi>t</mi><mo>.</mo></mrow></mtd><mtd><mrow><mi>f</mi><mo>=</mo><mi>&psi;</mi><mi>&alpha;</mi></mrow></mtd><mtd><mrow><mi>a</mi><mi>n</mi><mi>d</mi></mrow></mtd><mtd><mrow><mi>A</mi><mi>f</mi><mo>=</mo><mi>p</mi></mrow></mtd></mtr></mtable><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow></mrow>其中,α为稀疏系数向量,其中只有少数非零元素,||||0表示l0范数,ψ表示离散剪切波变换;(2)利用增广拉格朗日方法将此先验信息作为正则化项加入目标函数,式(1)所对应的增广拉格朗日方程为<mrow><mi>&Phi;</mi><mrow><mo>(</mo><mi>f</mi><mo>,</mo><mi>&alpha;</mi><mo>)</mo></mrow><mo>=</mo><munder><mrow><mi>m</mi><mi>i</mi><mi>n</mi></mrow><mi>&alpha;</mi></munder><mo>|</mo><mo>|</mo><mi>&alpha;</mi><mo>|</mo><msub><mo>|</mo><mn>0</mn></msub><mo>-</mo><mi>&lambda;</mi><mrow><mo>(</mo><mi>f</mi><mo>-</mo><mi>&psi;</mi><mi>&alpha;</mi><mo>)</mo></mrow><mo>+</mo><mfrac><mi>&mu;</mi><mn>2</mn></mfrac><mo>|</mo><mo>|</mo><mi>f</mi><mo>-</mo><mi>&psi;</mi><mi>&alpha;</mi><mo>|</mo><msubsup><mo>|</mo><mn>2</mn><mn>2</mn></msubsup><mo>-</mo><mi>&beta;</mi><mrow><mo>(</mo><mi>A</mi><mi>f</mi><mo>-</mo><mi>p</mi><mo>)</mo></mrow><mo>+</mo><mfrac><mi>&eta;</mi><mn>2</mn></mfrac><mo>|</mo><mo>|</mo><mi>A</mi><mi>f</mi><mo>-</mo><mi>p</mi><mo>|</mo><msubsup><mo>|</mo><mn>2</mn><mn>2</mn></msubsup><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow></mrow>其中,参数μ、η、λ和β是增广拉格朗日系数,μ和η根据经验取固定值,而向量λ和β分别随稀疏表示误差以及重建图像的投影误差的减小而增大;(3)噪声强度随着投影数值的增长呈指数增长,为了降低噪声对重建效果的影响,在式(2)的目标函数中加入统计加权其中那么式(2)的目标函数变为<mrow><mi>&Phi;</mi><mrow><mo>(</mo><mi>f</mi><mo>,</mo><mi>&alpha;</mi><mo>)</mo></mrow><mo>=</mo><munder><mi>min</mi><mrow><mi>&alpha;</mi><mo>,</mo><mi>f</mi></mrow></munder><mfenced open = '[' close = ']'><mtable><mtr><mtd><mrow><mo>|</mo><mo>|</mo><mi>&alpha;</mi><mo>|</mo><msub><mo>|</mo><mn>0</mn></msub><mo>-</mo><msup><mi>&lambda;</mi><mi>T</mi></msup><mrow><mo>(</mo><mi>f</mi><mo>-</mo><mi>&psi;</mi><mi>&alpha;</mi><mo>)</mo></mrow><mo>+</mo><mfrac><mi>&mu;</mi><mn>2</mn></mfrac><mo>|</mo><mo>|</mo><mi>f</mi><mo>-</mo><mi>&psi;</mi><mi>&alpha;</mi><mo>|</mo><msubsup><mo>|</mo><mn>2</mn><mn>2</mn></msubsup></mrow></mtd></mtr><mtr><mtd><mrow><mo>-</mo><munderover><mo>&Sigma;</mo><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>M</mi></munderover><msub><mi>&beta;</mi><mi>i</mi></msub><msub><mi>w</mi><mi>i</mi></msub><mrow><mo>(</mo><msub><mrow><mo>&lsqb;</mo><mi>A</mi><mi>f</mi><mo>&rsqb;</mo></mrow><mi>i</mi></msub><mo>-</mo><msub><mi>p</mi><mi>i</mi></msub><mo>)</mo></mrow><mo>+</mo><mfrac><mi>&eta;</mi><mn>2</mn></mfrac><munderover><mo>&Sigma;</mo><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>M</mi></munderover><msub><mi>w</mi><mi>i</mi></msub><mo>|</mo><mo>|</mo><msub><mrow><mo>&lsqb;</mo><mi>A</mi><mi>f</mi><mo>&rsqb;</mo></mrow><mi>i</mi></msub><mo>-</mo><msub><mi>p</mi><mi>i</mi></msub><mo>|</mo><msubsup><mo>|</mo><mn>2</mn><mn>2</mn></msubsup></mrow></mtd></mtr></mtable></mfenced><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>3</mn><mo>)</mo></mrow></mrow>λ和β分别如式(4)和式(5)所示λt=λt‑1‑μ(ft‑1‑ψαt‑1)                      (4)<mrow><msubsup><mi>&beta;</mi><mi>i</mi><mi>t</mi></msubsup><mo>=</mo><msubsup><mi>&beta;</mi><mi>i</mi><mrow><mi>t</mi><mo>-</mo><mn>1</mn></mrow></msubsup><mo>-</mo><msub><mi>&eta;w</mi><mi>i</mi></msub><mrow><mo>(</mo><msub><mrow><mo>&lsqb;</mo><msup><mi>Af</mi><mrow><mi>t</mi><mo>-</mo><mn>1</mn></mrow></msup><mo>&rsqb;</mo></mrow><mi>i</mi></msub><mo>-</mo><msub><mi>p</mi><mi>i</mi></msub><mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>5</mn><mo>)</mo></mrow></mrow>其中,t≥1表示迭代次数;(4)式(3)存在两个变量f和α,该方法的实现过程是使用交替最小化的方法来求解这两个变量;首先对ft‑1(t≥1)进行稀疏表示,目标函数为<mrow><msup><mi>&alpha;</mi><mi>t</mi></msup><mo>=</mo><munder><mrow><mi>m</mi><mi>i</mi><mi>n</mi></mrow><msup><mi>&alpha;</mi><mi>t</mi></msup></munder><mo>&lsqb;</mo><mo>|</mo><mo>|</mo><msup><mi>&alpha;</mi><mi>t</mi></msup><mo>|</mo><msub><mo>|</mo><mn>0</mn></msub><mo>-</mo><mi>&lambda;</mi><mrow><mo>(</mo><msup><mi>f</mi><mrow><mi>t</mi><mo>-</mo><mn>1</mn></mrow></msup><mo>-</mo><msup><mi>&psi;&alpha;</mi><mi>t</mi></msup><mo>)</mo></mrow><mo>+</mo><mfrac><mi>&mu;</mi><mn>2</mn></mfrac><mo>|</mo><mo>|</mo><msup><mi>f</mi><mrow><mi>t</mi><mo>-</mo><mn>1</mn></mrow></msup><mo>-</mo><msup><mi>&psi;&alpha;</mi><mi>t</mi></msup><mo>|</mo><msubsup><mo>|</mo><mn>2</mn><mn>2</mn></msubsup><mo>&rsqb;</mo><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>6</mn><mo>)</mo></mrow></mrow>然后固定式(6)求得的剪切波系数αt,更新重建图像ft,这时的优化目标为<mrow><msup><mi>f</mi><mi>t</mi></msup><mo>=</mo><munder><mrow><mi>m</mi><mi>i</mi><mi>n</mi></mrow><msup><mi>f</mi><mi>t</mi></msup></munder><mo>&lsqb;</mo><mo>|</mo><mo>|</mo><msup><mi>&alpha;</mi><mi>t</mi></msup><mo>|</mo><msub><mo>|</mo><mn>1</mn></msub><mo>-</mo><mi>&lambda;</mi><mrow><mo>(</mo><msup><mi>f</mi><mi>t</mi></msup><mo>-</mo><msup><mi>&psi;&alpha;</mi><mi>t</mi></msup><mo>)</mo></mrow><mo>+</mo><mfrac><mi>&mu;</mi><mn>2</mn></mfrac><mo>|</mo><mo>|</mo><msup><mi>f</mi><mi>t</mi></msup><mo>-</mo><msup><mi>&psi;&alpha;</mi><mi>t</mi></msup><mo>|</mo><msubsup><mo>|</mo><mn>2</mn><mn>2</mn></msubsup><mo>-</mo><mi>&beta;</mi><munderover><mo>&Sigma;</mo><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>M</mi></munderover><msub><mi>w</mi><mi>i</mi></msub><mrow><mo>(</mo><msub><mrow><mo>&lsqb;</mo><msup><mi>Af</mi><mi>t</mi></msup><mo>&rsqb;</mo></mrow><mi>i</mi></msub><mo>-</mo><msub><mi>p</mi><mi>i</mi></msub><mo>)</mo></mrow><mo>+</mo><mfrac><mi>&eta;</mi><mn>2</mn></mfrac><munderover><mo>&Sigma;</mo><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>M</mi></munderover><msub><mi>w</mi><mi>i</mi></msub><mo>|</mo><mo>|</mo><msub><mrow><mo>&lsqb;</mo><msup><mi>Af</mi><mi>t</mi></msup><mo>&rsqb;</mo></mrow><mi>i</mi></msub><mo>-</mo><msub><mi>p</mi><mi>i</mi></msub><mo>|</mo><msubsup><mo>|</mo><mn>2</mn><mn>2</mn></msubsup><mo>&rsqb;</mo><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>7</mn><mo>)</mo></mrow></mrow>(5)本方法设置的终止目标为或迭代次数达到100次,当达到上述目标之一时得到最终重建图像。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于天津商业大学,未经天津商业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201510403818.2/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top