一種基于字典學(xué)習(xí)的低劑量能譜ct圖像處理方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種醫(yī)學(xué)影像的圖像處理方法，特別涉及一種基于字典學(xué)習(xí)的低劑量 能譜CT圖像處理方法。
【背景技術(shù)】
[0002] X射線計(jì)算機(jī)斷層成像（computed tomography，簡稱CT)因其在時(shí)間、空間與密度 分辨率上的卓越表現(xiàn)，已廣泛用于不同解剖部位的常規(guī)檢測與診斷，為臨床醫(yī)生的診斷和 疾病預(yù)防提供了豐富的三維人體器官組織信息。
[0003] 隨著CT技術(shù)的飛速發(fā)展，能譜成像是CT領(lǐng)域的一個(gè)突破性進(jìn)展。能譜CT最顯著 的特征就是以多參數(shù)成像為基礎(chǔ)的綜合診斷模式，有望彌補(bǔ)或解決常規(guī)CT所面臨的高輻 射劑量且僅為解剖成像的缺陷，因?yàn)槟茏VCT多參數(shù)成像提供了多種新的圖像模式，如基物 質(zhì)圖像、單能量圖像等，另外能譜成像還提供了多種定量分析的方法和參數(shù)。能譜CT可以 從傳統(tǒng)形態(tài)學(xué)診斷轉(zhuǎn)到功能學(xué)診斷上，并且已在臨床應(yīng)用上顯示其巨大潛力和廣闊應(yīng)用前 景，尤其是腫瘤，在檢查、診斷、定性等方面將起到重要作用。另外，能譜CT可以用于去除射 束硬化引起的條形偽影，解決了常規(guī)CT成像存在的諸多缺陷。
[0004] 然而，當(dāng)前能譜CT成像中的輻射劑量較常規(guī)CT并未降低而且在特定應(yīng)用時(shí)反而 大幅增加。囿于此，為了使能譜CT成像技術(shù)能夠在臨床上實(shí)現(xiàn)應(yīng)用，必須研宄高效的低劑 量成像方法。
[0005] 當(dāng)前提高低劑量能譜CT圖像質(zhì)量的方法主要分為兩種策略進(jìn)行：策略一是能譜 CT圖像迭代重建，利用其物理模型準(zhǔn)確、對噪聲不敏感等優(yōu)點(diǎn)，能在不規(guī)則采樣和數(shù)據(jù)缺失 情況下重建出高質(zhì)量圖像，抑制最終圖像的噪聲。由但是，由于能譜CT投影數(shù)據(jù)量龐大，造 成計(jì)算量太大，重建時(shí)間非常長，難以滿足臨床中實(shí)時(shí)交互的要求。策略二時(shí)直接對能譜CT 圖像進(jìn)行噪聲濾波，屬于后處理技術(shù)，具有不依賴原始投影數(shù)據(jù)和處理速度快的優(yōu)點(diǎn)，通常 使用非線性濾波方法進(jìn)行保持圖像邊緣信息去噪處理，如基于小波的圖像去噪方法，然而 此類方法未考慮能譜CT圖像噪聲來源，而且這些非線性濾波方法主要是基于圖像的局部 信息，難以得到優(yōu)秀的去噪效果。
[0006] 最近提出的基于字典學(xué)習(xí)的稀疏表示（Sparse and Redundant Representations over Dictionary Learning)圖像去噪算法屬于策略二。基于字典學(xué)習(xí)的稀疏表示的去噪 方法與小波不同的是，它是利用了圖像信號(hào)的稀疏性這個(gè)特征，來區(qū)分噪聲和信號(hào)，從而進(jìn) 行圖像去噪?；谧值鋵W(xué)習(xí)的稀疏表示方法已經(jīng)被證明其在低劑量能譜CT成像中的處理 效果，然而此種方法存在一定的局限性，容易把低劑量條件下能譜CT基物質(zhì)圖像中的條形 偽影當(dāng)做圖像信息，從而無法有效抑制基物質(zhì)圖像中在低劑量條件下易出現(xiàn)的條形偽影。
[0007] 因此，針對現(xiàn)有技術(shù)不足，提供一種基于字典學(xué)習(xí)的低劑量能譜CT圖像處理方 法，能夠克服現(xiàn)有技術(shù)中存在的條形偽影，實(shí)現(xiàn)低劑量掃描下獲得高質(zhì)量的能譜CT基物質(zhì) 圖像。

【發(fā)明內(nèi)容】

[0008] 本發(fā)明的目的在于避免現(xiàn)有技術(shù)的不足之處而提供一種基于字典學(xué)習(xí)的低劑量 能譜CT圖像處理方法，可以提高基物質(zhì)密度圖像的圖像質(zhì)量，能夠?qū)崿F(xiàn)低劑量掃描協(xié)議下 能譜CT圖像的優(yōu)質(zhì)成像。
[0009] 本發(fā)明的上述目的通過如下技術(shù)手段實(shí)現(xiàn)。 提供一種基于字典學(xué)習(xí)的低劑量能譜CT圖像處理方法，包括如下步驟， (1) 獲取成像對象在低劑量射線下的低能量CT投影數(shù)據(jù)和高能量CT投影數(shù)據(jù)，并分別 對低能量CT投影數(shù)據(jù)和高能量CT投影數(shù)據(jù)進(jìn)行CT圖像重建，獲得低劑量下低能量CT圖 像和高能量CT圖像/% ; (2) 對低能量CT投影數(shù)據(jù)和高能量CT投影數(shù)據(jù)進(jìn)行基于圖像域的物質(zhì)分解，獲得低劑 量下的水基圖Cw.和骨基圖; (3) 根據(jù)預(yù)先得到的水基圖字典及骨基圖字典g，并且利用基物質(zhì)間的梯度信 息，構(gòu)建用于能譜CT圖像成像的目標(biāo)函數(shù)； (4) 對步驟（3)中構(gòu)建的用于能譜CT圖像成像的目標(biāo)函數(shù)采用分裂Bregman算法求 解，得到能譜CT圖像成像結(jié)果。
[0010] 上述步驟（2)中基于圖像域的物質(zhì)分解所采用的的基物質(zhì)分解模型為：物質(zhì) 對x光子的質(zhì)量吸收函數(shù)通過任何兩個(gè)物質(zhì)即基物質(zhì)對的質(zhì)量吸收函數(shù)來表示：
【主權(quán)項(xiàng)】
1. 一種基于字典學(xué)習(xí)的低劑量能譜CT圖像處理方法，其特征在于：包括如下步驟， (1) 獲取成像對象在低劑量射線下的低能量CT投影數(shù)據(jù)和高能量CT投影數(shù)據(jù)，并分別 對低能量CT投影數(shù)據(jù)和高能量CT投影數(shù)據(jù)進(jìn)行CT圖像重建，獲得低劑量下低能量CT圖 像/?和尚能量CT圖像/ijy ; (2) 對低能量CT投影數(shù)據(jù)和高能量CT投影數(shù)據(jù)進(jìn)行基于圖像域的物質(zhì)分解，獲得低劑 量下的水基圖Cw和骨基圖C il ; (3) 根據(jù)預(yù)先得到的水基圖字典Dm.及骨基圖字典1?，并且利用基物質(zhì)間的梯度信息， 構(gòu)建用于能譜CT圖像成像的目標(biāo)函數(shù)； (4) 對步驟（3)中構(gòu)建的用于能譜CT圖像成像的目標(biāo)函數(shù)采用分裂Bregman算法求 解，得到能譜CT圖像成像結(jié)果。
2. 根據(jù)權(quán)利要求1所述的基于字典學(xué)習(xí)的低劑量能譜CT圖像處理方法，其特征在于： 所述步驟（2)中基于圖像域的物質(zhì)分解所采用的的基物質(zhì)分解模型為：物質(zhì)對 X光子的質(zhì)量吸收函數(shù)通過任何兩個(gè)物質(zhì)即基物質(zhì)對的質(zhì)量吸收函數(shù)來表示：
分別是兩個(gè)物質(zhì)的質(zhì)量吸收函數(shù)， <^和€2分別是所需要的基物質(zhì)的密度且與X光子的能量無關(guān)； 根據(jù)基物質(zhì)分解模型，對于步驟（1)能譜CT的高能量CT投影數(shù)據(jù)和低能量CT投影數(shù)
據(jù)，對應(yīng)的物質(zhì)的質(zhì)量吸收函數(shù)的表達(dá)式為 ，其中表示 高能，Z表示低能； 定義物質(zhì)吸收函數(shù)矩陣
基物質(zhì)量吸收矩陣，
，基物質(zhì)密
度矩陣
，且過逆矩陣計(jì)算直接得到，公式為 定義基物質(zhì)質(zhì)量吸收矩陣J的逆矩陣形式
3. 根據(jù)權(quán)利要求2所述的基于字典學(xué)習(xí)的低劑量能譜CT圖像處理方法，其特征在于： 所述步驟（3)中水基圖字典及骨基圖字典的獲取方法包括：根據(jù)自身圖像數(shù) 據(jù)自身訓(xùn)練得到的字典，或根據(jù)外源性圖像數(shù)據(jù)訓(xùn)練得到的字典。
4. 根據(jù)權(quán)利要求1所述的基于字典學(xué)習(xí)的低劑量能譜CT圖像處理方法，其特征在于： 所述步驟（3)中基物質(zhì)間的梯度信息構(gòu)建的具體過程為：
'表示梯度算子。 5. f艮據(jù)權(quán)利要求4所述的基于字典學(xué)習(xí)的低劑量能譜CT圖像處理方法，其特征在于： 所述步驟（3)中構(gòu)建的用于能譜CT圖像成像的目標(biāo)函數(shù)具體為：
其中，j表示基物質(zhì)質(zhì)量吸收矩陣，下標(biāo)i表示圖像中的像素索引，g表示從低劑量 下的水基圖Cw、骨基圖Ci中分別提取大小為WX W且中心在/的圖像塊Xf的算符； 水基圖字典Dw:和骨基圖字典D6是一個(gè)IixJC的矩陣，由w維列向量組成，每 個(gè)W維列向量對應(yīng)一個(gè)w X W的圖像塊；OTw表示水基圖中所有塊的稀疏表示的系數(shù)集 合水基圖或骨基圖中每一個(gè)圖像塊X 由線性組合圖像Dcr .來近似表示； 表示骨基圖中所有塊的稀疏表示的系數(shù)集合骨基圖中每一個(gè)圖像塊1&:/由 線性組合圖像Dcr5 i來近似表示；Ilgcj表示Zfj范數(shù)，用來計(jì)算向量CJ中的非零個(gè)數(shù)； I'表示Z1范數(shù)!表示取二范數(shù)的平方操作；Tw是預(yù)設(shè)的對于水基圖的稀疏 程度參數(shù)，用來限制cr w=/中非零項(xiàng)個(gè)數(shù)；丁&是預(yù)設(shè)的對于骨基圖的稀疏程度參數(shù)，用來限 制^%』中非零項(xiàng)個(gè)數(shù)；V*.和w是超參數(shù)。
6. 根據(jù)權(quán)利要求5所述的基于字典學(xué)習(xí)的低劑量能譜CT圖像處理方法，其特征在于： 所述步驟（4)中能譜CT圖像成像的目標(biāo)函數(shù)采用分裂Bregman算法求解，具體過程如 下： 對式（I )進(jìn)行變換，得到如下式（II):
其中〇?^是一個(gè)引入的向量值，該向量值大小和c大小一樣； 對式（II )采用分裂Bregman算法的具體計(jì)算過程如下： 引入公式A、公式B和公式C進(jìn)行迭代求解，
具體迭代過程按照如下步驟進(jìn)行： (6. 1)令 /?=0， (6.2)根據(jù)公式A通過K均值奇異值分解方法從圖像塊中得到出稀疏系數(shù)
(6. 3)根據(jù)公式B，通過原始對偶算法求解得到
(6. 4)將（5. 2)獲得的稀疏系數(shù)和（5. 3)獲得的 代入公式C u d 求解得到; (6. 5)判斷是否迭代終止，具體是： 判斷迭代步數(shù)/7是否等于況如果/7等于況則迭代終止，以步驟（5. 4)所獲得的結(jié)果作 為去噪后的能譜CT圖像； 如果/?小于況則進(jìn)入步驟（5. 6); (6. 6)令將步驟（5. 2)、（5. 3)得到的結(jié)果代入公式A和公式Β，重新進(jìn)入步驟 (5. 2)〇
7.根據(jù)權(quán)利要求1所述的基于字典學(xué)習(xí)的低劑量能譜CT圖像處理方法，其特征在于： 所述步驟（1)還設(shè)置有配準(zhǔn)處理步驟，具體是： 判斷低劑量下所得到的低能量CT投影數(shù)據(jù)和高能量CT投影數(shù)據(jù)是否存在位置偏移， 當(dāng)存在位置偏移時(shí)采用數(shù)據(jù)配準(zhǔn)的方法將低能量CT投影數(shù)據(jù)和高能量CT投影數(shù)據(jù)進(jìn)行配 準(zhǔn)處理。
【專利摘要】基于字典學(xué)習(xí)的低劑量能譜CT圖像處理方法，包括，（1）獲取成像對象在低劑量射線下的低能量CT投影數(shù)據(jù)和高能量CT投影數(shù)據(jù)，進(jìn)行重建獲得低劑量下低能量CT圖像和高能量CT圖像；（2）進(jìn)行物質(zhì)分解，獲得低劑量下的水基圖和骨基圖；（3）構(gòu)建用于能譜CT圖像成像的目標(biāo)函數(shù)；（4）對目標(biāo)函數(shù)采用分裂Bregman算法求解，得到能譜CT圖像成像結(jié)果。本發(fā)明采用基于字典學(xué)習(xí)的稀疏表達(dá)模型，結(jié)合能譜CT基物質(zhì)圖像間的梯度信息，實(shí)現(xiàn)了對能譜CT基物質(zhì)圖像去噪?？蓪?shí)現(xiàn)使用低劑量發(fā)射的同時(shí)，仍能保證產(chǎn)生高質(zhì)量的能譜CT基物質(zhì)圖像。
【IPC分類】G06T5-10
【公開號(hào)】CN104751429
【申請?zhí)枴緾N201510040428
【發(fā)明人】馬建華, 曾棟, 邊兆英, 黃靜, 陳武凡
【申請人】南方醫(yī)科大學(xué)
【公開日】2015年7月1日
【申請日】2015年1月27日