一種ct圖像重建方法
【技術領域】
[0001] 本發(fā)明涉及CT成像領域，特別涉及一種CT圖像重建方法。
【背景技術】
[0002] 目前，CT掃描成像中主要采用基于濾波反投影的解析重建方法來生成被掃描物體 的斷層圖像，首先通過對物體進行CT掃描獲得原始投影數(shù)據，再采用一維斜坡濾波器對投 影數(shù)據進行卷積處理，并將卷積處理后的投影數(shù)據乘上距離倒數(shù)加權的反投影因子用以更 新待重建點的CT圖像數(shù)據值。上述重建方法對于數(shù)據采樣率比較充分的CT掃描數(shù)據能取 得較好的重建結果，但當CT掃描的采樣率比較低，不滿足奈奎斯特采樣定律的條件時，無 法精確重建出原始信號，將導致重建圖像存在比較明顯的偽影，降低CT圖像的質量。
【發(fā)明內容】
[0003] 針對上述技術中存在的不足之處，本發(fā)明提供了一種可以解決濾波反投影算法在 數(shù)據采樣不充分條件下存在的偽影，并能夠清晰、準確重建CT圖像的CT圖像重建方法。
[0004] 本發(fā)明采用的技術方案是：一種CT圖像重建方法，包括如下步驟：步驟一、獲取CT 掃描的原始投影數(shù)據，并根據原始投影數(shù)據獲得原始CT圖像；步驟二、根據當前CT圖像獲 得當前加權懲罰因子；步驟三、根據當前加權懲罰因子構建加權全變分重建模型；步驟四、 求解加權全變分的最小值；步驟五、根據求解獲得的加權全變分的最小值，對當前CT圖像 進行重建，獲得更新CT圖像；步驟六、判斷獲得的更新CT圖像是否滿足迭代終止條件：若 是，則直接輸出獲得的更新CT圖像作為最終的重建CT圖像；若否，則重復執(zhí)行步驟二至步 驟五，直至滿足迭代終止條件，輸出作為最終的重建CT圖像；其中，將原始CT圖像設置為初 次迭代的當前CT圖像，以第k-1次迭代重建出的更新CT圖像作為當前CT圖像進入第k次 迭代，k彡2。
[0005] 優(yōu)選的，所述步驟一中的原始CT圖像是對原始投影數(shù)據依次進行空氣校正、卷 積、反投影處理后獲得的。
[0006] 優(yōu)選的，所述步驟二中的當前加權懲罰因子通過解析如下公式獲得：
[0007]
【主權項】
1. 一種CT圖像重建方法，其特征在于，包括如下步驟： 步驟一、獲取CT掃描的原始投影數(shù)據，并根據原始投影數(shù)據獲得原始CT圖像； 步驟二、根據當前CT圖像獲得當前加權懲罰因子； 步驟三、根據當前加權懲罰因子構建加權全變分重建模型； 步驟四、求解加權全變分的最小值； 步驟五、根據求解獲得的加權全變分的最小值，對當前CT圖像進行重建，獲得更新CT 圖像； 步驟六、判斷獲得的更新CT圖像是否滿足迭代終止條件：若是，則直接輸出獲得的更 新CT圖像作為最終的重建CT圖像；若否，則重復執(zhí)行步驟二至步驟五，直至滿足迭代終止 條件，輸出作為最終的重建CT圖像； 其中，將原始CT圖像設置為初次迭代的當前CT圖像，以第k-1次迭代重建出的更新CT 圖像作為當前CT圖像進入第k次迭代，k多2。
2. 如權利要求1所述的CT圖像重建方法，其特征在于，所述步驟一中的原始CT圖像是 對原始投影數(shù)據依次進行空氣校正、卷積、反投影處理后獲得的。
3. 如權利要求1所述的CT圖像重建方法，其特征在于，所述步驟二中的當前加權懲罰 因子通過解析如下公式獲得：
其中：a和S是用于調整當前加權懲罰因子的參數(shù)，Xy表示當前CT圖像的數(shù)據。
4. 如權利要求3所述的CT圖像重建方法，其特征在于，所述步驟三中的加權全變分重 建模型通過解析如下公式獲得：
其中：A為當前CT圖像的系統(tǒng)矩陣，p為投影數(shù)據，e為投影誤差。
5. 如權利要求4所述的CT圖像重建方法，其特征在于，所述步驟四中求解加權全變分 的最小值通過解析如下公式獲得：
其中，人（I I Ax_p ||_e) = 0，TliXi=O是需滿足的互松弛條件，人多0，q 是需 滿足的非負性約束條件，A為預設經驗參數(shù)，具體的，求解加權全變分的最小值可轉化為求 n的最小化問題。
6. 如權利要求5所述的CT圖像重建方法，其特征在于，所述n的最小化通過解析如下 公式獲得：
7.如權利要求6所述的CT圖像重建方法，其特征在于，所述迭代終止條件設置為：迭 代次數(shù)k達到預先設定的最大次數(shù)1^_或兩次迭代誤差I |x(k+1)-x(k)| I小于給定閾值T。
【專利摘要】本發(fā)明公開了一種CT圖像重建方法，包括如下步驟：步驟一、獲得原始CT圖像；步驟二、獲得當前加權懲罰因子；步驟三、構建加權全變分重建模型；步驟四、求解加權全變分的最小值；步驟五、獲得更新CT圖像；步驟六、判斷獲得的更新CT圖像是否滿足迭代終止條件。本發(fā)明提供的CT圖像重建方法，通過應用自定義的加權懲罰因子函數(shù)構建加權全變分重建模型，利用求解加權全變分的最小值以更新CT圖像，并通過不斷迭代更新直至輸出最終的重建CT圖像；該CT圖像重建方法解決了濾波反投影算法在數(shù)據采樣不充分條件下存在的偽影問題，大大提高了重建CT圖像的質量。
【IPC分類】G06T11-00
【公開號】CN104821003
【申請?zhí)枴緾N201510172351
【發(fā)明人】鄭健, 吳中毅, 袁剛, 張寅 , 郁朋, 李銘
【申請人】中國科學院蘇州生物醫(yī)學工程技術研究所
【公開日】2015年8月5日
【申請日】2015年4月13日