基于光子计数探测器的多能谱CT物质识别研究

摘要

基于光子计数探测器的多能谱CT系统可以通过设置阈值对能量在特定范围内的光子进行识别与计数，同时获得多个能量通道下的投影数据，充分利用X射线衰减的能量依赖性实现对不同物质的识别与分离，在医疗诊断、安全监测、工业生产等领域有很大优势。本文基于光子计数探测器，对多能谱CT的物质识别进行研究。主要研究工作如下： （1）利用光子计数探测技术与物质的K-edge特征，采集多个能量通道下的投影，基于能谱CT投影基效应分解模型推导出投影分解的线性模型，采用最小二乘法对其进行求解，实现了多能谱CT造影剂物质的识别，并对造影剂浓度进行了定量分析。 （2）提出了一种基于天牛须搜索算法（Beetle Antennae Search Algorithm，BAS）的随机全变分（Total Variation，TV）最小化方法，并将其应用于多能谱CT重建中。在此基础上，利用主成分分析方法提取多个能量通道下的重建图像信息，并建立主成分与彩色通道RGB之间的模型关系，实现了多能谱CT的物质识别与彩色表征。

目录

声明

第一章 绪论

1.1研究背景及意义

1.2 国内外研究现状

1.2.1多能谱CT物质识别研究现状

1.2.2 多能谱CT重建算法研究现状

1.3本文的主要工作

第二章 CT成像基础知识

2.1 CT系统结构及成像过程中的物理现象

2.2多能谱CT成像系统介绍

2.2.1 几种常见的多能谱CT成像系统

2.2.2基于光子技术探测器的多能谱CT成像模型

2.3 多能谱CT重建算法基础

2.3.1迭代重建算法

2.3.3解析重建算法

2.4图像重建算法评价

2.5 本章小结

第三章 基于投影域分解的多能谱CT造影剂物质识别

3.1基效应分解模型

3.2应用最小二乘法进行投影域分解

3.3 仿真实验及结果分析

3.3.1 两种物质识别实验

3.3.2 三种物质识别实验

3.4 本章小结

第四章 基于重建图像主成分分析的多能谱CT物质区分

4.1多能谱CT图像重建TV最小化方法研究

4.1.1 梯度下降法最小化图像TV

4.1.2 软阈值滤波法最小化图像TV

4.1.3基于随机策略的天牛须搜索算法（BAS）最小化图像TV

4.2基于主成分分析的多能谱CT物质区分

4.3实验结果及分析

4.3.1 CT重建实验结果及分析

4.3.2 物质区分与彩色表征实验及结果分析

4.4本章小结

第五章 总结与展望

参考文献

攻读硕士学位期间发表的论文

致谢