计算机断层摄影装置(CT)属于一种断层成像技术,技术发展迅猛,但是在图像质量方面,图像伪影的存在一直影响着图像质量,与普通放射相比,CT系统从原理上会产生更多伪影。从广义上讲,图像伪影是指实际物体被扫描时,重建后的图像中出现了在实物中不存在的成分。CT图像伪影则是指物体真实CT值与重建图像CT值的差异。CT图像伪影中金属伪影的存在一直是影响CT图像质量的重要因素。金属作为一种高密度的物体在射线通过时的衰减系数比人体其它组织高很多,从而引起X线被这些物体作用后急剧衰减,导致对应的投影数据失真,重建时图像上会出现伪影。金属伪影因其对临床诊断的直接影响以及表现形式与原因多样化,一直是CT成像研究领域的重点和难点。金属伪影的形成原因比较复杂,表现形式也多种多样。射线硬化还会造成金属条状伪影,其表现形式取决于高衰减物质(如骨骼)的结构,另外在头部检测时射线硬化会导致著名的亨氏暗区。部分体积效应是导致金属伪影的另一个原因,部分体积效应在图像中表现为宽带状、以及图像暗区或亮区,这取决于高对比度结构及其在Z轴方向与扫描平面的相对位置关系。当被扫描物体含有金属物质时,X线穿透金属会使X线强度急剧衰减,造成一变化剧烈的梯度,从而产生金属伪影。总之,无论何种原因导致金属伪影,其表现均为几何不连续性、模糊、条状和CT值不准确等。其中条状伪影最为明显,条纹伪影常表现为图像中的高强度直线(不一定平行),它们或亮或暗。在许多情形中,亮暗条纹成对出现,这是因为重建滤波的特点导致的。这些图案与反投影过程的亮、暗线相对应。所有这些伪影的存在都会降低图像质量,影响临床诊断效果。因此无论从诊断还是放疗定位角度上考虑,必须进行金属伪影去除方法的研究和实践。目前金属伪影的去除方法主要有:插值法。可采用多项式插值,基于对投影数据的缺口端点处光滑型的考虑,选用三次以上的多项式,用四次多项式,对缺失的投影值作光滑内插,从而使由线性插值可能导致的条纹发生柔化,并且提出各个方向上投影值之和相等的约束条件,有一定的指导意义;另外,插值剪裁法作为后处理技术,能极大地提高图像质量和适当纠正像素的偏离。迭代去模糊法有期望最大化(EM)方法的和代数迭代(ART)方法。EM型的比ART型的收敛速度快;对于给定的收敛次数,EM型的会产生更好的图像清晰度,但是引入较强的噪声;其计算的复杂度从本质上是一样的。迭代重建效果优于滤波反投影重建方法。这是由于迭代的方法是寻求对测量数据的逼近,是一种“估计理论”;而滤波反投影基于数据精确、一致和完整的假设。这种假设属于理想状态,在现实过程中很难满足。迭代法的缺点是:计算代价太大。马尔可夫随机场方法,该算法基于传播最大似然的思想(ML-TR)。ML-TR假设测量用的探测器读数服从泊松分布,通过最优化似然来重建图像。因此,该算法相对伪影的其他成因,比如低计数,射线硬化,散射和局部体积等,保持固有的稳定性。小波方法通过利用对投影数据的多分辨率下的小波系数进行插值来实现伪影校正,理论分析和实验结果说明了由于光子亏缺和射线硬化引起的金属伪影均可用此方法有效的抑制。除此之外,还可以通过对局部投影数据衰减来校正条状伪影,这主要用来校正由于金属所引起的金属条状伪影。鉴于以上讨论,基于插值方法和重建方法的特点,本文将两种方法结合起来,重点讨论它们的融合方法,提出了相应的改进算法.从图像预处理、分割、插值到重建方法做了深入、全面的探讨和研究,旨在提高CT图像金属伪影去除方法的有效性。本论文的主要创新点集中表现如下:首先,利用自适应各向异性高斯前置滤波器对遭到金属伪影破坏的CT图像进行全局滤波,从而有效地滤除原始图像中的噪声并对射线状金属伪影进行了平滑;其次,配合最大互信息熵量(MMS)和均值漂移(mean-shift)图像分割算法从滤波后的图像中分割出金属成份。为了提高分割的有效性,我们采用了MMS方法,基于模拟退火算法和互信息量,以最大互信息量为优化目标,以互信息熵差作为分类类数判据,并在此基础上构造了一种新的阈值分割算法——最大互信息量分割算法(MMS)。实验结果表明,MMS克服了模糊均值(FCM)算法的一些不足。第三,提出了一种混合插值方法用于分割后的数据。到目前为止,线性插值和多项式插值方法应用于分割后图像的插值计算。其中,线性插值是最常使用的插值方法。由于传统算法本身的缺陷,不止不能准确勾勒出金属物体的边界,也不能良好的恢复金属的原貌。其原因是单一的插值方法和分割算法导致。线性插值对于条状伪影的去除虽然比较有效有效,但其不足之处在于在断层处会出现有长长的条纹,与吸收率变化剧烈的区域边缘和金属物体边界同时相切,这种情况在投影值刚好在缺口两端点处变化剧烈时最明显,这将影响到整个图像的质量。而样条类和多项式类插值,由于其插值特性决定了插值后的光滑性,这就可以对金属内部信息很好的反映,但也正是由于这种特性,在对条状图像做平滑时,不能有效清除条纹,使其对条状伪影不是特别适合。所以单一的插值方法都不能完全适应临床要求。因此,提出了一种混合插值方法,也即对金属本身进行四次多项式插值,而对放射条纹伪影进行金属插值。通过体模和临床图像实验,可以看出混合插值的方法结合了线性插值能充分消除放射条纹伪影的特点和四次多项式光滑过渡的特点处理图像,比较成功。对插值后的数据处理采用了局部迭代重建算法。在重建算法方面,传统的滤波反投影(FBP)重建方法比较有效,但是当投影数据不连续时,在雷登空间会对重建的图像形成图像伪影。为了有效地去除金属伪影,迭代重建方法替代传统的FBP方法可以比较有效地处理不连续投影数据。然后,迭代法一个明显的缺点是计算量大,不能有效地满足临床需求。应用混合重建方法,也即对金属插值数据和非金属数据采用不同的重建算法,然后融合两种算法重建出的数据。实验证明,采用混合重建算法即利用了FBP算法的速度,又借鉴了迭代法的精度,重建结果显示与单纯的FBP算法相比,可以比较有效地去除金属伪影。虽然本文在上述方面做出了一些有益的探索,并取得了初步的成果,但仍有一些不足:(1)本文重点在于方法的提出与模型的建立,但针对所提出方法尚需进行大量的实验数据并应用于解决临床具体问题;(2)本文提出的混合插值算法提供了一个使得基于MAR插值方法更为精细的新思路,有待在下步工作中将之拓展到其它类型的伪影去除领域;(3)本文提出的局部数据迭代重建算法,虽然得到了初步的实验证实,但该算法还需在理论基础与实际应用等方面进一步完善。