基于加权字典学习方法的低剂量CT图像重建
摘要:
为了减轻X射线辐射对病患的危害,CT扫描设备的设计需要考虑降低辐射剂量的需求.源于压缩感知理论的字典学习重建算法可用于求解不完备投影数据的CT图像重建问题,然而该算法的正则约束项无法有效区分噪声和低对比度信息,重建图像容易丢失软组织边缘细节信息.本文提出一种加权字典学习重建算法,基于每次迭代的结果,利用字典稀疏表示的残差设计正则约束项的权重因子,使算法在迭代过程中对图像不同区域施加不同程度的平滑效应,从而在平滑噪声的同时保留低对比度信息.实验结果表明,提出的改进算法有效的保留了软组织边缘信息,与原算法相比,明显提高了重建图像的质量.
-
doi:
-
关键词:
图像处理
CT重建
字典学习
权重因子
欠采样
-
Keyword:
image processing
CT reconstruction
dictionary learning
weight factor
under-sampled
-
作者:
章程
张健
杜强
李铭
刘景鑫
-
Author:
ZHANG Cheng
ZHANG Jian
DU Qiang
LI Ming
LIU Jingxin
-
作者单位:
-
刊名:
中国医疗设备
-
Journal:
-
年,卷(期):
-
所属期刊栏目:
-
基金项目
-
在线出版日期:
-
页码: