基于GPU的保边全变分正则化低剂量CT重建

CT扫描中的高辐射剂量会增加终生患癌风险，已成为一个主要的临床问题。近年来，为了降低成像剂量，研究人员开发了具有全变分(TV)正则化的迭代重建算法，用于从低mAs水平下采集的高度欠采样数据重建CT图像。然而，TV正则化可能导致图像过度平滑并丢失边缘信息。为了解决这个问题，在这项工作中，我们开发了一种具有保边TV正则化的迭代CT重建算法，用于从低mAs水平下获得的高度欠采样数据重建CT图像。CT图像通过最小化一个由保边TV范数和X射线投影数据保真项组成的能量函数来重建。保边TV项旨在优先仅对图像的非边缘部分进行平滑，以避免过度平滑，这是通过向原始全变分范数引入一个惩罚权重来实现的。我们的迭代算法在GPU上实现以提高其速度。我们在数字NCAT体模、物理胸部体模和Catphan体模上测试了我们的重建算法。同时给出了传统FBP算法和无保边惩罚的TV正则化方法的重建结果以进行比较。实验结果表明，在低剂量条件下，基于TV的算法和我们的保边TV算法在抑制条纹伪影和图像噪声方面均优于传统的FBP算法。我们的保边算法优于基于TV的算法，因为它可以保留更多精细结构的信息，从而保持可接受的空间分辨率。