论文部分内容阅读
低剂量CT(Low-Dose CT,LDCT)技术能够有效减少X-射线对患者的电离辐射伤害,但同时造成CT成像受严重伪影噪声干扰,无法满足临床诊断要求。个体患者前期常规剂量CT(Normal-Dose CT,NDCT)图像引导的LDCT图像降噪策略显示了较好的发展潜力,但该策略需对患者进行重复扫描以获取前期同断层NDCT图像,这极大限制了其实际临床应用。此外由于临床扫描中不自主体内运动,造成即使经配准后同断层位置的两次扫描图像仍存在局部结构不一致情形,进而存在引入错误先验特征的风险。临床已有群体患者的NDCT图像(群体影像)中包含了有价值的纹理、结构等先验特征,若能够采用某种成像模式从群体影像中提取先验特征并应用于低剂量CT成像,将能够极大提高LDCT成像质量。为此,本文提出基于群体影像非局部先验知识的低剂量CT图像降噪模式,通过提取群体影像中非局部先验知识,并利用其对目标低剂量CT图像进行自适应规整处理,达到提高低剂量X-射线CT成像质量的目的。本文主要工作如下:(1)提出基于群体影像非局部先验知识的低剂量CT图像降噪新模式,并对此模式中所涉及的群体影像数据库的建立方法,先验样本搜索方法,目标图像感兴趣区非局部先验冗余知识提取及自适应规整方法进行了系统研究。(2)提出基于群体影像自适应先验灰度特征匹配及非局部先验冗余信息提取的低剂量CT图像降噪算法(Priori-Gray Feature Matching and Non-Local Means,PFM-NLM)。此算法通过组建群体影像特征离线数据库,提取先验图像的灰度值信息表征图像的纹理特征,并利用相似先验样本在线搜索及非局部均值技术,针对目标图像局部感兴趣区进行自适应先验信息挖掘与规整化处理,实现了群体影像条件下基于非局部先验知识的低剂量CT图像噪声抑制。采用PFM-NLM算法对肺癌患者CT图像进行仿真及临床实验验证,实验结果表明所提算法能够有效避免引入错误先验结构,并在噪声抑制和纹理保持上均优于传统降噪算法。(3)提出基于群体影像自适应先验影像特征匹配及非局部先验冗余信息提取的低剂量CT图像降噪算法(Priori Mixed Features Matching and Non-Local Means,PMFM-NLM)。此算法在PFM-NLM算法基础上,进一步提取图像块由灰度共生矩阵(Gray-Level Co-Occurrence Matrix,GLCM)计算得到的五类纹理特征(能量,熵,对比度,相关性和逆差矩)表征图像的纹理特征,并结合图像块的体素灰度值特征,组建群体影像特征数据库,从而增强先验样本信息表达能力,进而提高相似样本搜索的精确性,最后通过目标图像局部感兴趣区非局部先验知识自适应挖掘与规整化处理,实现低剂量CT图像噪声抑制。采用PMFM-NLM算法对肺癌患者CT图像进行仿真及临床实验验证,实验结果表明所提算法较传统降噪算法以及PFM-NLM算法能够进一步提高低剂量CT图像质量。