双能谱CT迭代重建算法研究

Dual-energy computed tomography (DECT) scans the measured object using the polychromatic rays of high and low X-ray spectra, and allows reconstructing images of the equivalent atomic number and the equivalent electron density, or the images of specific basis material densities. Since DECT has a better ability to distinguish materials than single energy CT, it has a wide field of application. Due to the limitations of the hardware conditions, today's DECT scanners generally use the scanning modes with inconsistent geometrical parameters, thus the acquired projections of both energies are mismatched in positions. In the case of the mismatched projections, the traditional DECT imaging methods are not able to accurately deal with the polychromatic nature of the X-rays, resulting in severe artifacts in the reconstructed images, which degrades the performance of DECT. Based on the theoretical analysis of the DECT imaging, this project aims to study the high quality iterative reconstruction algorithms for the DECT with mismatched projections, DECT iterative reconstruction methods for incomplete projections, as well as graphics processing unit based DECT parallel iterative reconstruction algorithms. The research results of this project will not only promote the localization process of DECT, but can also be applied to multiple spectral CT reconstruction.

双能谱CT使用高、低两个能谱的多色X射线扫描被测物体，能够重建出被测物体的等效原子序数和电子密度图像，或特定基材料的密度图像。由于双能谱CT比单能谱CT具有更好的物质区分能力，因此具有广泛的应用前景。目前的双能谱CT系统受到硬件条件的限制，普遍采用高、低能谱几何参数不一致的扫描模式，所采集的高能和低能投影在位置上不匹配。在投影不匹配的情况下，传统的双能谱成像方法不能精确地处理X射线的多色属性，所重建图像中有严重的伪影，影响了双能谱CT的性能。为此本项目拟在双能谱CT成像特性理论分析的基础上，研究适用于不匹配投影的高质量双能谱CT迭代重建算法、不完全投影的双能谱CT迭代重建方法、基于图形处理器的双能谱CT并行迭代重建算法等。本项目的研究成果将不仅有助于双能谱CT的国产化进程，而且还可以推广应用于多能谱CT成像。

相比于传统的单能X射线CT，双能谱CT使用高、低两个能谱的多色X射线扫描被测物体，能够重建被测物体的等效原子序数和电子密度图像，或特定基材料密度图像，具有更好的物质区分能力。受到硬件条件的限制，目前的一些经典的双能谱CT系统普遍采用高、低能谱几何参数不一致的扫描模式，所采集的高能和低能投影在几何上不匹配。在投影不匹配的情况下，传统的双能谱成像方法难以精确地处理X射线的多色属性，所重建的图像中有严重的伪影。为此本项目在双能谱CT成像特性理论分析的基础上，提出了一种双能谱CT迭代重建的E-ART算法。该算法在高、低能投影匹配或不匹配的情况下，都能进行高质量基材料图像分解。为了用于锥束双能谱CT的基材料分解，提出了E-SART算法。为了提高在投影不匹配情况下的收敛速度，提出了一种新的基于匹配投影估计的双能谱CT迭代重建方法。由于射线源能谱信息难以精确标定，提出了一种基于对多色正投影的多项式标定的双能基材料分解方法。该方法避免了对能谱、基材料质量衰减系数等参数的标定，简化了重建过程。锥束双能CT基材料分解的计算量以及存储空间占用量都很巨大，为此提出了基于图形处理器的双能CT多分辨率并行迭代重建算法。此外基于双能CT算法，还发展了多材料物体的硬化伪影校正以及口腔CT三材料分解方法等。这些工作发表于IEEE TMI、Scanning、JXST、OE、Neurocomputing、Insight、Plos one等国际SCI期刊。本项目的研究成果已经应用于本实验室开发的双能CT系统，该系统在组织区分成像、图像伪影去除等方面比单能谱CT得到了显著提高。目前正进一步将本项目的研究成果拓展到动物专用双能CT，用于动物疾病模型成像检测实验，为动物专用双能谱CT设备的产业化开发奠定技术基础。