基于改进近邻前向-后向分裂的解析与迭代融合重建：一个基于 FDK 的 CBCT 迭代图像重建示例
医学物理
2016-10-12 v2
摘要
本工作旨在开发一个通用框架，即解析迭代重建（AIR）方法，将解析重建（AR）方法纳入迭代重建（IR）方法中，以提高 CT 图像质量和重建效率。具体而言，AIR 是基于改进的近邻前向-后向分裂（PFBS）算法建立的，并讨论了其与带有稀疏性正则化的滤波数据保真度的联系。因此，AIR 通过两步迭代方案解耦了数据保真度和图像正则化，在此过程中，AR 投影步骤更新滤波数据保真项，而降噪求解器更新稀疏正则化项。在 AR 投影步骤中，图像被投影到数据域形成数据残差，然后通过特定的 AR 重建为残差图像，接着将其与前一次图像迭代加权组合以形成下一次图像迭代。直观上由于 AR 投影算子的特征值接近于 1，基于 PFBS 的 AIR 具有快速收敛性。这一优势通过收敛性分析和收敛速率的数值计算得到了严格证明。所提出的 AIR 方法在圆形锥束 CT 环境下得到了验证，其中 AR 为 FDK 并采用全变分稀疏正则化，其图像质量优于 AR 和 IR。例如，AIR 在对比度和分辨率方面均改善了视觉评估和定量测量，并减少了轴向和半扇形伪影。
引用
@article{arxiv.1508.04687,
title = {Fused Analytical and Iterative Reconstruction (AIR) via modified proximal forward-backward splitting: a FDK-based iterative image reconstruction example for CBCT},
author = {Hao Gao},
journal= {arXiv preprint arXiv:1508.04687},
year = {2016}
}