低剂量CT重建新算法：片相似性+MLEM提升图像质量

本文主要探讨了一种创新的低剂量计算机断层成像(CT)重建算法，该算法结合了片相似性、最大似然期望最大化(MLEM)和特定的图像处理技术。首先，算法利用基础的MLEM方法对低剂量CT投影数据进行重建，这是一种迭代方法，旨在最小化重构图像与原始数据之间的残差，以提高图像质量。然而，低剂量扫描通常会导致图像噪声增加，因此算法进一步引入了片相似性降噪步骤。片相似性原理源于非局部图像处理，它能够保留图像的边缘和细节信息，同时通过考虑图像全局的结构一致性来降低噪声，避免了局部平滑导致的失真。 接着，为了处理可能存在的脉冲噪声，算法采用了中值滤波技术。中值滤波是一种非线性滤波方法，它通过比较像素周围邻域的强度，用这些像素的中值值替换当前像素，有效地抑制了尖锐噪声点，同时也保护了图像的边缘信息，防止过度平滑。 在实验验证阶段，研究者使用了Sheep-Logan体模作为模拟对象，对所提出的算法与其他几种常见的低剂量CT重建算法，如BI-MART、BI-MLEM、基于方差的ELEM和基于结构相似性的MLEM进行了对比。结果显示，新算法在信噪比(SNR)上表现出色，达到10.216308 dB，这表明其在保持图像清晰度的同时，能有效抑制噪声。此外，算法在归一化均方误差(NMSE)、均方绝对误差(MAE)和归一化均方距离(NMSD)等量化指标上也优于其他方法，这意味着其重建的图像不仅视觉效果更好，而且在细节保留和边缘完整性方面表现优异。 总结来说，这篇研究通过结合片相似性降噪和中值滤波技术，开发出了一种在低剂量CT重建中具有高效去噪和细节保留能力的算法。这种算法的优势在于既能保证图像的质量，又能保持图像的弱梯度和纹理信息，避免了传统各项异性扩散方法可能导致的明显阶梯效应。这对于医学成像领域，尤其是在减少辐射剂量的情况下，有着重要的实际应用价值。