低剂量CT图像成像和处理的新算法研究

1当前，随着CT 断层扫描在临床诊断尤其是常规检查中的普及，CT 扫描中的辐射剂量问题已经引起了人们越来越多的关注，大量的临床研究表明超过正常范围的CT 辐射剂量易诱发人体新陈代谢异常乃至癌症等疾病。然而，在目前的CT 设备中，单方面减少CT扫描中的剂量将增加重建图像的噪声和伪影，降低CT 重建的质量， 从而影响临床医生对异常组织的确诊率。本项目旨在通过自适应的重建和处理的优化算法提高低剂量扫描条件下CT 图像的质量，使得低剂量条件的CT 重建图像质量达到或接近中剂量/高剂量条件下的图像质量，从而提供在低辐射剂量的情况下满足临床诊断要求的CT图像。研究主要沿以下两条思路开展：1，图像域处理，分析建立噪声模型，在图像空间运用最新的去噪恢复技术抑制噪声和伪影；2，优化迭代重建，基于马尔科夫随机场和模糊理论，利用优化理论和全局先验信息来提高低剂量CT的图像质量。

本课题组在青年科学基金项目“低剂量CT图像成像和处理的新算法研究”的资助下，努力研究低剂量CT成像新算法并探索其在临床中的应用，我们从CT成像系统模型出发，建立合理的低剂量CT图像和测量数据模型，通过对临床实测数据的大样本分析，在经典重建模型和理论的基础上，发展了一系列低剂量CT成像新方法，在算法理论方面，我们从压缩感知字典学习理论出发，通过在多尺度多方向空间上的CT图像特征信息挖掘，在低剂量迭代重建算法，稀疏扫描投影重建，投影空间数据处理，金属伪影纠正，以及低剂量CT 图像后处理方面提出了一系列新的算法。在临床应用方面，课题组开发了基于CUDA并行加速的三维断层重建算法包，并搭建了快速低剂量CT图像后处理系统ProbeCT2.0，该ProbeCT2.0系统已经在临床得到了初步应用。我们目前正在优化所设计算以缩短计算耗时。在下一步的工作中我们将基于临床低剂量CT 图像在不同病人，不同病变以及不同人体部位的不同特点改进所提出算法，并对所提出算法进行深入的临床验证。