基于材料图像相关性与稀疏性的双能 CT 图像域多材料分解
医学物理
2018-09-05 v1 数值分析
摘要
双能 CT（DECT）能够生成软组织、骨骼等基材料图像，从而增强组织表征能力。DECT 在医学成像、安检和无损检测应用中备受关注。理论上，利用 DECT 技术可以精确重建两种具有不同线性衰减系数的材料。然而，重建三种或更多基材料的能力在临床和工业上具有重要意义。在假设每个像素最多包含三种材料的前提下，有几种方法通过施加源自体积和质量守恒假设的和为一约束与箱形约束（[0 1]），从 DECT 测量数据中估计多材料图像。最近提出的图像域多材料分解（MMD）方法为每种材料图像引入了边缘保持正则化，但忽略了材料图像之间的关系，并在优化其代价函数的每次迭代中通过一个耗时的循环遍历所有可能的材料三元组来强制每个像素最多三种材料的假设。我们提出一种新的 DECT 图像域 MMD 方法，该方法考虑了不同材料图像具有共同边缘的先验信息，并利用正则化鼓励每个像素中材料组成的稀疏性。
引用
@article{arxiv.1710.07028,
title = {Image-domain multi-material decomposition for dual-energy CT based on correlation and sparsity of material images},
author = {Qiaoqiao Ding and Tianye Niu and Xiaoqun Zhang and Yong Long},
journal= {arXiv preprint arXiv:1710.07028},
year = {2018}
}