基于双字典自适应学习算法的低采样率CT重建

基于双字典自适应学习算法的低采样率CT重建
栾峰;杨帆;蔡睿智;杨晨
【期刊名称】《东北大学学报:自然科学版》
【年(卷),期】2022(43)12
【摘要】在医疗诊断中,稀疏采样能减少CT扫描过程中辐射对患者的伤害.但直接对稀疏采样后的投影数据进行重建,会使CT重建后的图像出现失真、伪影等问题.为保证低采样率下重建图像的质量,提出了双字典自适应学习算法,参照Sparse-Land模型的双字典学习框架,将K-SVD算法与双字典学习算法框架相结合得到补全投影数据,利用FBP算法进行重建得到高质量的重建图像.实验结果表明,在低采样率下使用所提方法进行CT重建的图像质量优于COMP双字典学习算法和MOD 双字典学习算法,并且此方法有效提高了CT图像重建在低采样率时的性能.
【总页数】8页(P1709-1716)
【作者】栾峰;杨帆;蔡睿智;杨晨
【作者单位】东北大学计算机科学与工程学院;东北大学医学影像智能计算教育部重点实验室
【正文语种】中文
【中图分类】TP391.9
【相关文献】
1.基于双层字典学习的低剂量CT图像重建算法
2.基于改进的K-SVD字典学习CT 图像重建算法
3.基于截断核范数低秩分解的自适应字典学习算法
4.基于改进的K-
SVD字典学习CT图像重建算法5.“双低”(低对比剂、低管电压)技术结合多模型迭代重建算法在肾脏双期CT增强扫描中的可行性
因版权原因，仅展示原文概要，查看原文内容请购买。