论文部分内容阅读
计算机断层扫描(Computed Tomography,CT)技术是医学诊断领域的一种重要技术手段,拥有广阔的发展前景。能谱CT为物质的鉴别提供了多种定量计算方法和功能型成像方式,解决了传统CT中的“同值异物”等问题,同时也对能量解析和重建提出了更高的要求。为了提高能谱成像的精度和能量解析的准确性,本论文基于Monte Carlo方法建立了多层级像素结构的能量积淀模型,使用能量积淀系数代替传统的能量衰减系数,可以在医学临床15keV-140keV的X射线范围内实现多能量解析;通过对成像解析过程的误差分析,提出了一种可重构的能量解析方法,通过设定能谱分段阈值,利用像素中的电荷分布在不同厚度内的累加,可以构造出噪声水平最小的解析方程与重建方程;针对重建过程中的射束硬化伪影问题,本论文提出了一种基于卷积神经网络(Conventional Neural Network,CNN)的后处理校正方法,利用CNN同时提取低能量和高能量灰度图像的信息,强化网络对于射束硬化伪影特征的识别和校正能力,以提升图像域的双能重建质量。在不同的阈值组合条件下,本论文利用可重构能量解析方法实现了对双能量的动态解析,并通过解析后的能谱完成了双能重建;在一个包含五种元素的自建体模库中,针对两种能量阈值组合完成了射束硬化伪影校正的实验。结果表明利用本论文中提出的可重构解析方法计算投影值的平均相对误差仅为5.65%,远远小于使用线性衰减系数的误差,重建的有效原子序数和电子密度图像的峰值信噪比(Peak Signal to Noise Ration,PSNR)均值分别为32.65dB和47.79dB,满足临床诊断中对重建图像的精度需求;两组伪影校正实验中,校正后有效原子序数图像的PSNR值平均提高了3dB和6dB,电子密度图像的PSNR值提高了0.7dB和1.5dB,所有图像的射束硬化“杯状伪影”和“条状伪影”均得到了明显抑制。本论文通过理论分析和实验仿真,证实了所提出的可重构能量解析方法可以提高能量解析的准确性和双能重建的精度,减小系统误差、随机噪声等对重建图像的干扰;所提出的射束硬化伪影校正方法可以进一步的提升重建图像的质量,为临床医学诊断提供更加清晰的判断依据。