代数重建技术松弛参数的自适应调整及其在稀疏先验X射线CT重建中的可能应用
医学物理
2015-10-07 v1
摘要
在本文中，我们系统评估了基于稀疏先验的X射线CT重建中各种迭代算法的松弛参数自适应调整性能。稀疏先验已被发现是一种在可用衰减测量显著较少的CT重建中的有效策略。稀疏先验CT重建依赖如代数重建技术(ART)等迭代算法产生粗略重建，在此基础上进行稀疏近似。数据驱动的松弛调整已被发现比传统松弛确保ART更好的收敛性。在本文中，我们研究这种数据驱动松弛在(CS)压缩感知环境下的性能。实现了最先进算法，并分析了它们在常规和数据驱动松弛下的性能。实验在模拟和真实环境下进行。对于模拟情况，实验在有噪声和无噪声存在下进行。相关系数、均方根误差、结构相似性指数和感知差异度量被用于结果的定量比较。实验揭示，在CS环境下，数据驱动松弛相比传统松弛也确保整体更好的质量重建。然而，当数据被噪声破坏时，除非对最大修正施加阈值，否则收敛中出现不一致。数据驱动松弛似乎是更快速达到解的合理选择。在压缩感知环境下，尤其当数据被噪声破坏时，需要指定最大修正的阈值。通过实验，我们设置该阈值为先前值的20%，从而确保了收敛的更好一致性。
引用
@article{arxiv.1510.01458,
title = {Adaptive Adjustment of Relaxation Parameters for Algebraic Reconstruction Technique and its Possible Application to Sparsity Prior X-ray CT Reconstruction},
author = {Sajib Saha and Murat Tahtali and Andrew Lambert and Mark Pickering},
journal= {arXiv preprint arXiv:1510.01458},
year = {2015}
}
备注
33 pages, 14 figures