圆轨道CT重建：大锥角下的误差减小算法(IERB)

本文主要探讨了圆轨道锥束CT重建技术中的一个关键问题——在实际工程中广泛应用的FDK类算法在大锥角情况下（大于±5°）的重建效果较差。为了克服这一局限性，研究者针对圆轨道锥束CT重建过程中Radon空间数据缺失与锥角的关系进行了深入分析。 首先，论文介绍了圆轨道锥束CT（Computed Tomography）重建算法，FDK类算法在小锥角条件下的优越性能。然而，当锥角增大时，由于数据的稀疏性和投影测量的不完整性，重建质量会显著下降。因此，作者推导出了一种新的理论框架，即圆轨道锥束中Radon空间数据缺失与锥角之间的定量关系。 基于这个理论，研究者提出了改进型误差减小（Improved Error Reduction-Based，IERB）算法。IERB算法通过在不同的同心圆轨道上进行数据采集和处理，利用估计的重建误差对原始数据进行补偿，从而在一定程度上扩展了圆轨道CT重建在大锥角条件下的适用性。在锥角小于或等于±10°的情况下，IERB算法显示出出色的重建效果，即使在更大的锥角范围内，也能够在特定区域得到可用的结果。 然而，值得注意的是，IERB算法并非在所有数据缺失严重的情况下都能有效工作，对于某些极端的数据缺失情况，其可能无法提供理想的结果。因此，它更适合于数据缺失相对较少或者可接受误差范围内的场景。 这篇论文通过对圆轨道锥束CT重建中Radon空间数据缺失问题的深入研究，提出了一种实用的算法策略，对于提高CT扫描在工程实践中的图像质量和重建能力具有重要的理论价值和实际意义。这对于那些依赖CT技术，尤其是需要处理大锥角数据的领域，如医学成像、工业检测等，提供了新的解决方案。