基于图像局部质量增强的迭代重建算法

【作者】 蔡剑梅； 段嘉毓； 牟轩沁；

【机构】 西安交通大学信息与通信工程学院；

【摘要】 通过利用X射线穿越物体的衰减特性获得物体内部结构信息,CT成像技术被广泛地应用于医学诊断、放射治疗和工业无损检测等多个领域。但由于X射线会对人体造成不可逆的损坏,因此在CT成像过程中应严格控制X射线剂量,遵守"ALARA"准则^[1]。如何用低剂量X射线获得高质量的成像图像成为越来越多研究人员的关注焦点。在整个CT成像过程中,针对不同阶段有不同的质量评价算法^[2],主要为针对算法层面的通用图像质量评价算法（General Image Quality Assessment,GIQA）,例如SSIM^[3]等,和针对诊断层面的面向任务图像质量评价算法（Taskspecific Image Quality Assessment,TIQA）,如观察者模型^[4]等。目前已有学者将GIQA算法应用于CT重建过程中^[5]。但CT重建的最终目标是为了给医生提供足够的病理信息,也就是图像的局部质量特别是病灶质量尤为重要。而在成像过程中无法预先获得病理信息,只能采用GIQA算法。因此,本文希望提出一种算法可以在重建过程中保持医学图像整体质量的前提下,增强医学图像的局部质量,提高病灶识别度,为医生提供足够的病理信息。通过研究GIQA算法和TIQA算法的共同点,即采用圆对称的一阶和二阶图像特征提取图像质量感知信息的方法,本文结合以前的工作[6],将高斯和拉普拉斯这两个线性结构算子引入到迭代重建算法的正则项中,该正则项采用结构增强的MSE质量感知准则,构建一种基于图像局部质量增强的迭代重建算法。我们利用Mayo数据库对本算法进行验证,并且分别采用BIQA算法和通道化Hotelling模型对迭代重建图像进行评价,从实验结果可以看出,根据本算法重建的医学图像相较于传统迭代算法获得图像在两种评价下更加一致。更多还原