基于压缩感知的高光谱CT功能成像机理研究

Nowadays，many scientific research workers in the field of Medical imaging are committed to material separation imaging of multi-energy CT and hope to analyze tissue composition and function through the difference in grayscale of different energy X-ray imaging. Now dual-energy CT is still the mainstream. The most advanced spectral CT divided the whole detecting spectral range into a maximum of 5 bands. Such a small channel quantity restricts the material recognition potential, which can't meet the needs of complex lesions diagnosis. This subject collects projection data with CdTe photon counting detectors and eliminates the aliasing interference between the spectra of the detector with inverse Monte Carlo algorithm. Then, it reconstructs the sample from different spectral lines so that each reconstructed voxel includes X-ray hyperspectral information. More reliable bases for complex pathological diagnosis can be provided according to material separation imaging of hyperspectral feature extraction and pattern recognition on the molecular level. The hyperspectral CT data can be very complex due to the combination of three-dimensional space information and one-dimensional spectral information. This subject will reduce the amount of original data collection and the radiation dose, by generating efficient measurement matrix based on the sparse character of the original data. The method utilizes the idea of compressed sensing combining TFIR and PRISM theory. Reconstruction was performed perfectly by iterative algorithm. This project forms a feasible scheme of X-ray imaging combining both structural and functional information.

目前许多医学影像的科研工作者致力于多能谱CT物质分离成像的研究，希望通过不同能量射线影像的灰度对比，对组织成分和功能进行分析。现多能谱CT的主流依然是双能CT，最多也有划分为5个波段的光谱CT。由于谱段细分较少，使得所能分辨的物质种类有限，无法满足复杂病灶诊断的需求。本课题将用CdTe光子计数探测器采集投影数据，用逆蒙特卡洛推理机消除探测器的谱间混叠干扰，然后分谱线通道重建样本，从而使得每个重建体素都包含X射线高光谱信息，通过对高光谱信息的特征提取与模式识别进行分子层面的物质分离成像，为复杂病理诊断提供更可靠的依据。三维空间信息加上一维光谱信息使高光谱CT的数据量非常庞大，将通过先验秩、强度和稀疏模型与张量紧框架相结合的压缩感知理论，利用信号的稀疏性生成高效的测量矩阵，减小原始数据采集量，降低辐射剂量，并通过迭代算法高保真地还原数据，最终形成一套完整的X射线结构/功能融合成像可行性方案。

X射线是目前医学临床检查最常规的手段之一。CT能够无创地获得三维解剖信息，属于放射影像的重要分支。作为一个研究热点，能谱CT可以通过不同能量射线源的影像对比反演被测对象感兴趣区域的物质组成或病灶特征，具有很好的应用前景。.本项目利用光子计数探测器采集X射线吸收光谱数据，探究不同物质对X射线吸收光谱的敏感性。利用CdTe点元传感器逐点扫描的方法获得线阵列探测器的数据，进行多光谱CT的采样，尝试多种重建算法和分类算法对光谱CT功能成像的适用性。针对标准样本和生物样本展开研究。标准样本是有固定外形的人造有机材料，用于检验X射线吸收光谱法以及光谱CT物质分类辨识的可行性。通过生物样本离体实验探究高光谱CT功能成像的临床价值。.基于蒙特卡洛模拟的基础上建立神经网络进行光谱校正能提高光谱辨识的正确率。主成分分析法提取15种塑料X射线吸收光谱特征，通过BP神经网络进行识别正确率可达99.33%；该方法用于光谱CT物质的辨识正确率为79%。实验结果证明利用X射线吸收光谱技术能够对猪的组织样本进行分类，并获得较好的识别效果，总体识别率达到90.22%。小鼠硬化肝对于20~30keV能量的X射线的吸收程度要大于正常小鼠肝，且PCA-kNN算法可以取得98.50%的十折交叉验证准确率；该方法用于ART重建的光谱CT功能成像病灶检测的识别正确率高达97.22%。通过使用奇异值分解（SVD）提取光谱的主特征，并用ANN算法进行特征的自动分类识别，可以对人体肝肿瘤和胰腺组织达到92%的分类辨识准确率。.高光谱CT一次成像能同时获得被测对象的结构和功能信息，是目前医学影像研究的前沿。光子计数能获得分立的高光谱数据，是可临床应用的最先进的射线光谱获取方式。利用光子计数探测器CT进行病理诊断，是未来生物医学影像的必然趋势。本项目从机理、方法和算法上开展了大量的光谱CT功能成像的基础研究和应用基础研究工作，为该技术的临床推广和应用铺垫了较好的基础，为业内人员指明了方向。