2.CT迭代重建

迭代重建应用实例
迭代重建应用实例
儿童纵隔：80kV，DLP 12
SAFIRE：同样条件，噪声减少 大约35％，信噪比和对比噪声比 增加约50％。
迭代重建应用实例
肥胖病人：80kV，DLP 41
SAFIRE：同样条件，噪声减少 大约35％。
未来
Feldkamp算法、Graangeat算法、 Katsevich算法
CT迭代重建技术
迭代重建应用状况
奥地利数学家雷登（Raden） 创建的图像重建理论是：以
不同投影角产生的一组投影
数据，可采用数学方法重建
成一幅图像。
源自文库
FBP的特点：(1)优点。对计算设 备要求低；重建速度快；目前常 用。(2)缺点。忽略噪声（如焦点 面积、探测器面积、采样体素形 态等；不能处理采样数据不足的 扫描（金属、肥胖等）。
传统迭代：剂量减少，耗 时；
迭代重建方法
统计迭代法：剂量低、噪 声降，图像失真感；
IRIS：剂量低、噪声降， 重建速度不够快；
SAFIRE：剂量更低、噪 声降，重建速度快；
迭代重建应用实例
IRIS
迭代重建应用实例
SAFIRE迭代重建通常需3大步： 1、原始数据域的迭代以去除伪影及纠正几何学误差； 1、先采用加权FBP做预重建； 2、然后是2次采用不同校正方法的循环重建处理。
滤过方法应用到投影数据，改善重建图像质量
滤过反投影
未滤过
滤过
华东医院
滤过反投影
未滤过的反投影图像
滤过后的反投影图像
迭代重建应用状况
＠传统迭代，需用一个“前投影”重建一个原始数据的估计值， 用该估计值校正下一次迭代，如此反复；
＠前投影的方式，决定了CT图像的重建处理过程，反复迭代 －耗时；
＠ CT图像重建是一个线性化的处理过程，故可用数学方法在 图像空间完成减少噪声；
ASiR
迭代重建方法
MBiR
.
点焦fo点cal spo实t m际o焦de点l
点探测器
真实探测器
点体d素etector立m方od体el素
笔形束
宽束
完全采样voxel m统o计de模l 型
线性合成
物理模型
简单计算
复杂计算
physics model
简单化 优质图像
statistics model
object model
传统迭代：每次计算都以假设图像开始，即给一幅图像一任意初始值 ，然后计算射线穿过物体可能的投影值，并将计算值与实际投影值相 比较，根据差异获得一个修正值，再用该修正值修正像素值。如此反 复迭代直至图像重建完成。
解析类方法
解析类重建方法是利用解析、变换重建公式来构建重建图 像。目前，常用的解析类重建方法主要有:(1)滤波反投影 算法(FBP)；(2)直接傅立叶变换算法(FBP)；(3)卷积反投 影算法( CBP)。解析类算法因为其容易实现,速度较快,且 能重建出高质量的图像的特点,因此CT系统被较为广泛地 应用起来，尤其是在医用CT系统中。然而滤波反投影算 法应用最为广泛。但是，其最大的不足之处在于对投影数 据完备性的要求偏高,如果能够在投影数据输入给解析法 之前，把不利于投影数据精确性的因素给与纠正，这样就 可以得到满意的重建图像。
高图像质量
统计迭代算法
优点 降低剂量
理论完善
重建速度快
IRIS
优点 低剂量或提
高图像质量 理论完善
重建速度快
缺点 对降低剂量
作用不明显
缺点 耗时
缺点
Disadvantage
图像塑胶感
迭代重建方法
FBP法：剂量较高；剂量 减50％，则图像噪声大；
加权FBP（WFBP）：用 FBP相同剂量，使噪声降 低；
＠采用原始数据空间迭代，可减少伪影和提高分辨率，并加 快重建速度；
迭代重建应用状况
＠初期的迭代，包括ASiR 和IRIS，属于非完全迭代。通过 一定的比例与FBP算法混合重建，速度快、降噪少，需操作 者选择迭代的比例； ＠ ASiR迭代重建是在原始数据空间利用系统统计噪声模型 ，来消除由统计波动造成的图像噪声； ＠ IRIS 迭代重建是在图像数据空间，利用迭代技术降低图 像噪声；
迭代重建应用实例
原始数据空间
迭代期间，应用 了基于噪声模式 的动态原始数据
更新 图像
Sinogram data
校正原始数据 ，去除伪影；
有偏差，再wFBP
Ⅰ、 wFBP预重建
Ⅱ、1
重建 数据
图像空间
统计优 化处理
去除 噪声
与原图像比较 多次重复
Ⅱ、2
迭代重建应用实例
小结： 1、原始数据空间的反复迭代中，采用了基于噪声 模式的动态原始数据，使分辨率不变、噪声降低； 2、图像空间的反复迭代去除噪声是基于：原始数 据中有多少噪声被扩散到图像空间。
x-ray flux
MBItRime
MBiR
物体
迭代重建方法
X线管 X射线
数学模式化后的焦点
被重建的图像
数学模式化后 的射线
探测器
投影
迭代重建方法
MBiR＝Veo ＠在MBiR方式中，实际扫描测量与经数学模式化后的测量 之间的差别得到最小化
FBP
MBiR
迭代重建方法
CTDI＝19
CTDI＝9
迭代重建方法
Toshiba， Adaptive Iterative Dose Reduction; 自适应低剂量迭代 , AIDR 3D
滤过反投影
投影数据 y b
object
球管
数据域
y
x
重建域
伪影
滤过反投影
每一个方向相应的投影数据被平均后进行计算，称为“反投影”
滤过反投影
华东医院
滤过反投影
原 始 物 体 重 建 后 图 像
迭代重建方法
ASiR
＠系统光学模型方式需占用大量的计算机资源 ＠ ASiR着重于系统噪声统计学模型并减少剂量
被扫描物 体的估计
系统光学 模型
X线焦 点模型
成像体素 模型
探测器 模型
合成后的 投影数据
实际测量 投影数据
系统 光学
噪声统计 模型
成像物体 模型
经校正后 的物体投 影数据
迭代重建方法
FBP
谢谢！
Siemens， Iterative Reconstruction in Image Space; 图像空间迭代 , iRIS Sinogram Affirmed Iterative Reconstruction 正弦波图形法迭代 , SAFIRE
Philips，Double Model Based Iterative Reconstruction; 基于双模式迭代 , iDose 4
重建
反投影
比较
统计迭代算法
图像域
基本图像更新
重建
反投影
比较
减少运算量，节省运算时间
虽然速度快，可以降低噪声， 但对图像的任何位置的噪声处 理都是一样的。
这就使得经过处理的图像看上 去与传统FBP方法得到的差别 较大。
对剂量敏感，当剂量很低时， 图像质量会变差。
原始数据域
原始数据域
迭代重建方法
ART重建算法之所以不能广泛应用，是因为它是 一个反复迭代与修正的过程，计算量大。通过长 期探索与研究，得到了影响ART算法的很多因素。 如下：
(1)基函数的选择；
(2)松弛参数的选择；
(3)迭代次数的最优设计；
(4)数据访问方式。
迭代重建应用状况
GE， Adaptive Statistical Iterative Reconstruction; 自适应统计迭代 , ASiR Model Based Iterative Reconstruction 基于模型的迭代, (Veo)
迭代重建应用实例
普通FBP
兴趣区 26.8HU
wFBP，与FBP 比较，剂量35％ 兴趣区 17.6HU
IRIS，与wFBP比 较，剂量30％ 兴趣区 12.3HU
SAFIRE，与FBP比 较，剂量70％ 兴趣区 7.8HU
迭代重建应用实例
选择SAFIRE后，操作 界面有1－5的强度选 择，1表示噪声大，5 表示噪声小；数字大小 不是迭代的含义，并且 与重建时间无关。
滤波反投影算法 迭代重建理论算法 FBP
图像域
图像域
完全图像更新
迭代重建算法是通过若 干次迭代，逐次对待处 理的图像进行改善。
可以在高对比度下提高 空间分辨率，在低对比 度下降低噪声。
缺点：速度慢。
重建
重建
反投影
比较
原始数据域
原始数据域
迭代重建方法
迭代重建理论算法
图像域
完全图像更新
滤波反投影算法 FBP
图像域
迭代重建理论算法
图像域
统计迭代算法
图像域
IRIS
图像域
完全图像更新
基本图像更新
图像重组 完全图像更新
重建
重建
反投影
重建
反投影
比较
重建
比较
比较
原始数据域
原始数据域
原始数据域
原始数据域
迭代重建方法
FBP
优点 速度快，无
需迭代
临床习惯的 图像
迭代重建理论算法
优点 低剂量或提