基于 GPU 的全变分快速低剂量锥束 CT 重建
医学物理
2010-04-13 v2
摘要
锥束 CT（CBCT）已广泛应用于图像引导放射治疗（IGRT），以在治疗分次前获取更新的体积解剖信息，从而实现精准的患者摆位。然而，连续 CBCT 扫描带来的过量 X 射线成像剂量在大多数 IGRT 流程中引起了临床担忧。通过减少 CBCT 扫描中的 X 射线投影数量和/或降低 mAs 水平，可以有效降低过量的成像剂量。本工作的目标是开发一种快速的基于 GPU 的算法，从欠采样和含噪的投影数据中重建出高质量的 CBCT 图像，从而降低成像剂量。该 CBCT 通过最小化由数据保真项和全变分正则化项组成的能量泛函进行重建。我们开发了一种 GPU 友好版的前向-后向分裂算法来求解该模型，并采用了多重网格技术。我们在数字 NCAT 体模和头颈部患者病例上测试了我们的 CBCT 重建算法。使用物理 Catphan 体模和头颈部 Rando 体模也验证了其在低 mAs 下的性能。结果表明，40 个 X 射线投影足以重建出满足 IGRT 患者摆位要求的高质量 CBCT 图像。体模实验表明，在低至 0.1 mAs/投影的水平下，使用我们的算法可以成功重建 CBCT 图像。与目前广泛使用的约 360 个投影且 0.4 mAs/投影的全扇形头颈部扫描方案相比，据估计我们的算法实现了总体 36 倍的剂量降低。此外，在 NVIDIA Tesla C1060 GPU 卡上的重建时间约为 130 秒，据估计比类似的迭代重建方法快约 100 倍。
引用
@article{arxiv.1001.0599,
title = {GPU-based Fast Low-dose Cone Beam CT Reconstruction via Total Variation},
author = {Xun Jia and Yifei Lou and John Lewis and Ruijiang Li and Xuejun Gu and Chunhua Men and William Y. Song and Steve B. Jiang},
journal= {arXiv preprint arXiv:1001.0599},
year = {2010}
}
备注
20 pages, 10 figures, Paper was revised and more testing cases were added.