低剂量CT重建新算法:片相似性+MLEM提升图像质量
67 浏览量
更新于2024-08-27
1
收藏 1.24MB PDF 举报
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。
2021-09-18 上传
2021-05-28 上传
2021-05-16 上传
2022-11-28 上传
2021-09-09 上传
2021-03-17 上传
114 浏览量
2021-03-03 上传
weixin_38508549
- 粉丝: 5
- 资源: 917
最新资源
- 多功能HTML网站模板:手机电脑适配与前端源码
- echarts实战:构建多组与堆叠条形图可视化模板
- openEuler 22.03 LTS专用openssh rpm包安装指南
- H992响应式前端网页模板源码包
- Golang标准库深度解析与实践方案
- C语言版本gRPC框架支持多语言开发教程
- H397响应式前端网站模板源码下载
- 资产配置方案:优化资源与风险管理的关键计划
- PHP宾馆管理系统(毕设)完整项目源码下载
- 中小企业电子发票应用与管理解决方案
- 多设备自适应网页源码模板下载
- 移动端H5模板源码,自适应响应式网页设计
- 探索轻量级可定制软件框架及其Http服务器特性
- Python网站爬虫代码资源压缩包
- iOS App唯一标识符获取方案的策略与实施
- 百度地图SDK2.7开发的找厕所应用源代码分享