基于MACE的CT重建：从能量分辨光子计数数据实现模块化物质分解

基于光子计数探测器(PCD)的X射线计算机断层扫描(CT)通过在多能量箱中计数探测到的光子来扩展标准CT。PCD数据可用于提高对比度噪声比(CNR)、提高空间分辨率、降低辐射剂量、减少造影剂注射剂量，并使用指定的基物质集计算物质分解。当前商用和原型临床光子计数CT系统采用PCD-CT重建方法，这些方法要么从每个能谱箱单独重建，要么首先使用指定的基物质集创建物质正弦图的估计，然后从这些物质正弦图重建。然而，现有方法无法以模块化方式同时利用测量的光谱信息和先进的先验模型来产生物质分解。我们描述了一种基于多智能体共识均衡(MACE)的高效模块化框架，用于基于PCD的CT重建和物质分解。我们的方法采用检测器近端映射或智能体，利用PCD测量更新路径长度正弦图的估计。我们还创建了一个先验智能体，形式为正弦图去噪器，该去噪器强制执行关于物质分解正弦图的物理和经验知识。正弦图重建使用MACE算法计算，该算法在两个智能体之间找到均衡解，最终图像从估计的正弦图重建。重要的是，我们方法的模块化允许两个智能体独立设计、实现和优化。我们在模拟数据上的结果显示，与传统的最大似然重建相比，在用于评估低对比度可检测性的体模上，CNR提升了450%。