结合全变分最小化和稀疏字典学习后处理的低剂量CT重建

2017年第18卷第12期

摘要

关键词

相关研究

回顶部

《信息与电子工程前沿（英文）》 >> 2017年第18卷第12期 doi: 10.1631/FITEE.1700287

结合全变分最小化和稀疏字典学习后处理的低剂量CT重建

College of Information Science and Electronic Engineering, Zhejiang University, Hangzhou 310027, China.

发布日期： 2018-03-08

HTML26 PDF 5 收藏 0

摘要

随着CT（computed tomography）中过量辐射剂量带来的健康风险日渐引发人们的担忧，低剂量CT得到了大量的关注。然而对于低剂量CT成像而言，在降低剂量的同时保证图像的高质量是一个很大的挑战。相比传统的滤波反投影算法，基于压缩感知的迭代重建法取得了良好的成像效果。但是迭代重建计算复杂度高，阻碍了其临床应用。本文提出一种结合全变分（total variation, TV）最小化和稀疏字典学习的重建方法，不仅提高了重建效果，而且通过自适应的停止策略提高了重建速度。实验结果表明，本文提出的方法相比其他类型的方法能获得更好的图像质量和更高的计算效率。

关键词

低剂量CT ; CT成像 ; 全变分 ; 稀疏字典学习