低剂量CBCT的重建方法研究

摘要

计算机断层成像(CT)能获取人体内部结构信息，在临床医学中应用十分广泛。CBCT因其扫描灵活、空间分辨力高、数据采集时间短等优点，已成为图像引导放射治疗的重要工具。尽管CBCT技术为医生提供了很大帮助，但在成像过程中病人会暴露在较高强度的辐射下，增加癌变风险，甚至引起基因病变，所以低剂量CBCT重建是一个值得研究的课题。本文分别从惩罚项和探测器物理模型的角度，提出了两种统计迭代CBCT重建算法。这两种算法能提升低剂量CBCT重建图像质量。
　　一阶全变差(Total Variation,TV)惩罚能保护图像边缘且具有较好的去噪能力，但会导致阶梯效应。而二阶Hessian惩罚能抑制阶梯效应，但重建图像的边缘却会变得模糊。本文提出了一种新的惩罚：TV-H惩罚。这种新惩罚以一种自适应的方式将TV惩罚和Hessian惩罚的优点结合起来，达到既保护边缘又去除阶梯效应的效果。
　　现有主流CBCT重建方法大多假设测量数据相互独立。CBCT系统使用的是平板探测器，相邻探测器单元得到的投影数据必然存在一定程度的相关性。本文提出了一种基于探测器模糊模型的CBCT重建方法，考虑了投影数据的相关性，达到提升图像分辨率的目的。
　　本文进行了仿真模型和真实物理模型图像的CBCT重建实验。实验结果表明本文提出的基于TV-H惩罚的重构方法有较好的图像质量，提出的基于探测器模糊模型的重建方法也能较明显地提升重建图像分辨率。

目录

声明

第1章 绪论

1.1 课题背景和意义

1.2 国内外研究现状和进展

1.3 主要工作和安排

第2章 CBCT成像模型和原理

2.1 CT物理模型

2.2 Beer定律

2.3 锥形束CT

2.4 FDK重建算法

2.5 基于统计特性的迭代重建算法

2.6 本章小结

第3章 基于TV-H惩罚项的CBCT重建

3.1 全变分（TV）惩罚项

3.2 海森（Hessian）惩罚项

3.3 自适应TV-H惩罚项

3.4 优化方法

3.5 算法的概述和伪代码

3.6 本章小结

第4章 基于探测器模糊模型的CBCT重建

4.1 投影数据的物理模型

4.2 数据预处理和线性化

4.3 探测器模糊核估计方法

4.4 广义惩罚加权最小二乘模型

4.5 算法概述和伪代码

4.6 本章小结

第5章 实验结果及分析

5.1 不同模型的物理参数

5.2 评价指标

5.3 基于TV-H惩罚项结果比较

5.4 基于探测器模糊模型CBCT重建结果比较

5.5 本章小结

第6章 总结与展望

6.1 本文总结

6.2 工作展望

致谢

参考文献

附录1：攻读硕士期间发表的论文

附录2 : TV-H惩罚项参数