基于正交图像矩的不完全投影数据CT图像重建研究

Since X-ray radiation in CT scan will lead to abnormal metabolism and even cancer, the problem of radiation dose catchs more and more attensions. Reducing the scanning range of CT devices is the efficient method to reduce the X-ray radiation, which is widely used in clinic. However, that makes the acquired CT projection data incomplete, which will bring about severe noises and artifacts and degrade quality of the reconstructed CT images. Eventually, the diagnosis to the abnormal tissues could be affected in a wrong way. For the purpose of providing the clinically satisfactory CT images with low-dose X-ray radiation, this project makes use of the good performance of orthogonal image moment in global or local feature description and constructs (1). the linear relationship between orthogonal moments and truncated CT projections; (2).the linear relationship between discrete orthogonal moments and CT fan-beam projections; (3).the linear relationships between the three dimensional rotational orthogonal moments and cone-beam CT projection, and helical CT projection to rapidly estimate the missing projections using non-iterative method. The new methods can provide the CT images whose qualities are comparable to the ones obtained in high radiation dose. This project has great clinic values and important meanings to the development of CT image reconstruction in low radiation dose.

由于CT扫描产生的X射线辐射易诱发人体新陈代谢异常乃至癌症等疾病，所以辐射剂量问题引起了较大关注。缩小CT设备扫描范围是临床上减少X射线辐射剂量的常用有效方法，但会使所获CT投影数据部分缺失，从而导致重建图像中出现大量噪声和伪影，降低了CT重建图像质量，最终影响临床医生对异常组织的确诊率。项目旨在利用具有全局和局部特征描述能力的正交图像矩，构建(1)正交图像矩和截断投影数据之间线性关系；(2)离散正交图像矩和投影数据之间线性关系；(3)三维离散旋转正交矩和锥形束CT、螺旋CT投影数据之间线性关系，然后根据这些线性关系直接针对缺失投影数据进行非迭代估计，补全投影数据，使得在部分投影数据缺失情况下重建图像质量达到或接近投影数据完全情况下的图像质量，满足临床诊断的要求。项目研究成果对目前CT成像设备低辐射剂量条件下图像重建关键技术的研究与创新具有重要的现实意义和临床应用价值。

本研究项目以构造正交图像矩与CT投影数据的非线性关系为线索，以有限角度CT图像重建为研究对象，采用定性与定量相结合的研究方法，在理论和实践方面进行了大胆尝试和创新。. 本项目研究主要分为两个阶段：. 首先，本项目深入研究Pseudo-Zernike、Fourier-Mellin、Legendre等图像正交矩及其多项式的固有属性，进行了有益的前期探索。. 其次，第二研究阶段以第一阶段为基础，研究了：.(1) 基于Krawtchouk离散矩的有限角度CT图像重建算法。Krawtchouk离散矩具有优秀的局部特征描述能力。故本项目构建Krawtchouk离散矩和投影数据之间的线性关系，并利用该关系从已知投影数据估计未知投影数据，达到补全投影数据、提高重建图像质量的目的；.(2) 基于三维几何矩的有限角度锥形束CT图像重建算法。本项目充分利用三维Radon变换数据和三维锥形束CT投影数据之间的转化关系式，巧妙地绕开了构建锥形束CT投影数据和三维图像矩之间直接线性关系的难题，构造了锥形束CT投影数据和三维几何图像矩之间的间接关系，并利用该间接关系估计未知角度范围的锥形束CT投影数据，达到补全投影数据、提高重建图像质量的目的；.(3) 基于三维Legendre正交矩的有限角度锥形束CT图像重建算法。和几何矩等非正交图像矩相比，Legendre正交图像矩的特征描述能力比更强，数据冗余性更小，对噪声的鲁棒性更好。故本项目使用三维Legendre正交矩和三维Legendre正交投影矩来代替三维几何图像矩和三维几何投影矩，使得CT重建图像质量有进一步的提升。.(4) 另外，本课题还提出了基于持续更新随机森林分类器的前列腺CT图像特征点定位和前列腺CT图像分割算法，在利用机器学习方法来解决低剂量CT图像重建问题方面开始初步尝试。. 通过对这些算法的研究，本项目能够有效地从已知投影数据中快速估计未知投影数据，达到补全投影数据、提高CT重建图像质量的目的，使得在低剂量X射线辐射条件下获得的重建图像质量满足临床诊断对图像质量的要求，有效地减轻了病人所遭受的电离辐射伤害；并且，这些算法在保证重建CT图像质量的前提下，缩短了CT设备扫描时间，提高临床诊断效率。因此，我们认为本项目具有重要的临床价值，对广泛提高公众健康有着较大的社会意义。