天牛须搜索优化的TV最小化算法提升CT内重建效率

本文主要探讨了"基于天牛须搜索的TV最小化算法在CT内重建中的应用"这一主题。全变分最小化（Total Variation Minimization，TV最小化）是一种常用的技术，在计算机断层成像（Computed Tomography，CT）中用于图像重建，特别适用于目标区域具有分片光滑或多项式特征的情况。TV最小化通过梯度下降法来优化目标函数，该方法以目标函数的负梯度作为搜索方向，通过多次迭代逼近全局最小值。 然而，为了提高重建效率，文章提出了一种创新的搜索策略，即结合天牛须搜索（Beetle Antennae Search，BAS）算法和梯度下降法。天牛须搜索是一种模拟生物行为的优化算法，模仿天牛寻找食物的方式，利用个体的"左右须"（或者称为"探索"和"记忆"）来搜索最优解。在TV最小化的迭代过程中，算法会根据随机数和预设阈值决定是沿着梯度下降的方向还是依据个体"左右须"检测到的方向进行更新。 作者孔慧华、孙英博和张雁霞通过理论分析和实验证明，这种结合了BAS的TV最小化算法在CT内重建中表现出了更快的收敛速度和更好的重建效果。实验结果显示，相比于单纯使用梯度下降法，这种方法能够在保持精度的同时显著提高计算效率，这对于实际的医学成像应用具有重要的实践价值。 关键词包括成像系统、计算机断层成像、天牛须搜索算法、梯度下降法、内重建以及全变分最小化，这些都揭示了论文的核心研究内容和焦点。这篇文章对如何通过结合生物启发的搜索策略优化CT图像重建过程提供了新的视角和方法，对于影像处理领域的研究者和工程师来说，具有较高的参考价值。