论文部分内容阅读
当今计算机断层成像术(CT)已是医疗诊断最重要辅助手段之一,它是通过测量X射线在各方向上透过人体断层时的累积衰减系数(或称投影),再由计算机计算出整个断面上X线衰减系数的分布,然后以图像形式显示出来,用以帮助医生诊断病变的部位。CT成像能够提供比普通X线成像更高的软组织分辨力,并解决了三维结构重叠问题,使其在医学成像上拥有划时代意义。然而,一个困扰CT成像的重要问题就是金属伪影。由子金属的原子数很高,金属物体对用于诊断用途的X线能量的衰减要远远高于人体的软组织或骨头,因此几乎没有X线的光子能够到达探测器。众所周知,利用滤波反投影方法重建图像时要求投影数据必须是连续的,因此,当人体中含有金属物体时,用传统的滤波反投影法对投影数据进行重建以后,CT图像上有明显的明暗相间的条纹状伪影。这些伪影严重破坏图像质量,尤其是金属物体周围的组织,从而使得诊断变得非常的困难,甚至无法诊断。
目前的金属伪影的消除方法,首先通过滤波反投影算法(FBP)从已遭到金属伪影损毁的投影数据中获取原始CT图像;然后通过图像分割算法划分出金属物体,也就是在投影数据中采用金属物体的边界搜索算法找出金属物体的准确边界;接着用插值算法对有偏差投影数据进行插值填补;最后对新得到的投影数据运用FBP算法重建,从而得到消除了金属伪影后的CT图像。传统的FBP重建算法对金属数据的不连续性不敏感,难以达到预期的效果;迭代重建可以减小投影值的不连续性,从而降低金属伪影,但是单纯使用迭代算法由于系统矩阵巨大而导致计算机运行效率降低,难以满足医院实际应用要求。
本文针对这样的情况,对图像做部分处理。本文的主要思想是对金属本身进行迭代重建,对非金属部分采取FBP重建。基本步骤是首先采用了均值漂移(mean—shift)算法做分割,通过分割把图像分成基本的金属部分和其他的部分。由于除了金属以外的图像中包含了条纹伪影,所以,也可以把这部分当作伪影部分。本文分割的操作是对投影图像进行的。随后,把分割出来的两部分投影图分别转化到弦空间并对其进行插值。用上述方法重建图像,即对金属本身进行迭代重建,对非金属部分采取FBP重建。通过对体模和临床图像实验,可以看出混合重建的方法比较有效的去除金属伪影并提高了运算效率。