基于統(tǒng)計(jì)模型的圖像域多尺度雙能CT雙材料分解方法.pdf

1、雙能CT(Dual-energy CT, DECT)成像技術(shù)在高端CT應(yīng)用領(lǐng)域發(fā)揮了重要作用，主要?dú)w功于其出色的基材料分辨能力。由于基材料線性衰減系數(shù)的譜分布在診斷X射線能量范圍內(nèi)有很大的重疊，直接矩陣求逆信號分解對投影域或圖像域的噪聲都很敏感。同時(shí)醫(yī)學(xué)圖像含有豐富的結(jié)構(gòu)和紋理信息，現(xiàn)有的單一圖像尺度上很難精確區(qū)分組織結(jié)構(gòu)邊緣輪廓和CT圖像噪聲。本文提出將多空間尺度分析的概念引入到醫(yī)學(xué)雙能CT圖像分解過程中，在不同空間分辨尺度上進(jìn)行雙能

2、CT分解，以實(shí)現(xiàn)噪聲和空間分辨率的最優(yōu)平衡。首先高低兩個(gè)能譜的CT圖像使用高斯線性變換核分別被分解到各個(gè)尺度空間;接著使用基于懲罰似然估計(jì)的目標(biāo)函數(shù)包含符合數(shù)據(jù)完整性條件的數(shù)值保真項(xiàng)和平滑用的正則化項(xiàng)，其中數(shù)值保真項(xiàng)是由負(fù)對數(shù)似然函數(shù)得到的，統(tǒng)計(jì)權(quán)重是由高低能圖像的噪聲方差決定的;然后在不同的尺度空間基于統(tǒng)計(jì)模型使用不同的正則化參數(shù)進(jìn)行材料分解，最后把各個(gè)尺度上分解的基材料圖像分別對應(yīng)進(jìn)行累加。
　　算法在標(biāo)定模體數(shù)據(jù)和實(shí)測病人數(shù)

3、據(jù)上進(jìn)行了測試。實(shí)驗(yàn)結(jié)果表明，和直接矩陣求逆算法相比，單尺度DECT和多尺度DECT算法分解的基材料圖像的噪聲都大幅度地降低了。Catphan(C)600線對標(biāo)定模體研究中，提出的算法分解的骨和軟組織圖像噪聲水平分別降低了93％和98％;和單尺度DECT方法相比，在一致的噪聲水平下，多尺度DECT方法進(jìn)一步提高了圖像的分辨率，對于較小的伸縮因子k=20，空間分辨率增加了28％;對于較大的伸縮因子k=80，空間分辨率增加了51％。Catp

4、han(C)600對比棒標(biāo)定模體研究中，提出的算法分解的碘和特氟龍圖像噪聲水平分別降低了97％和98％;和單尺度DECT方法相比，在一致的噪聲水平下，多尺度DECT方法進(jìn)一步降低了電子密度的測量誤差，對于較小的伸縮因子k=20，電子密度測量誤差降低了17％，也就是從8.9％到7.4％;對于較大的伸縮因子k=80，電子密度測量誤差降低了25％，也就是從8.9％到6.7％。骨盆病人數(shù)據(jù)研究中，提出的算法分解的骨和軟組織圖像噪聲水平分別降低了

5、87％和92％;和單尺度DECT方法相比，在一致的噪聲水平下，多尺度DECT方法進(jìn)一步提高了圖像的分辨率，對于較小的伸縮因子k=20，空間分辨率增加了9％;對于較大的伸縮因子k=80，空間分辨率增加了14％。頭頸病人數(shù)據(jù)研究中，由于實(shí)測高低能CT圖像噪聲水平相對較低，提出的算法分解的骨和軟組織圖像噪聲水平分別降低了56％和71％。
　　總體來說，和直接矩陣求逆算法相比，單尺度DECT和多尺度DECT算法分解的基材料圖像平均降噪程度