用于高分辨率锥束成像的具有高精度测量模型的惩罚似然重建
医学物理
2017-12-15 v1
摘要
我们提出了一种基于通用锥束CT正演模型的新型重建算法，该模型能够纳入平板CBCT测量数据中表现出的模糊与噪声相关性。具体而言，所提出的模型可包含闪烁体模糊、焦点模糊，以及由闪烁体中光扩散引起的噪声相关性。所提算法（GPL-BC）使用高斯惩罚似然目标函数，该函数融入了模糊与相关性噪声的模型。在一项仿真研究中，与先去模糊再FDK以及未集成测量模糊的基于模型的重建方法相比，GPL-BC能够实现更低的偏差。在同一研究中，与先去模糊再FDK、无模糊的基于模型的方法，以及有模糊但无噪声相关性的基于模型的方法相比，GPL-BC能够实现更好的线对重建（就分割图像精度而言）。一个原型四肢定量锥束CT测试台被用于对人体骨小梁样本进行成像。这些数据用于将所提方法与无模糊和/或无相关性的基于模型的方法的重建结果，与同一骨样本已配准的 {\mu}CT 图像进行比较。GPL-BC重建得到了更精确的骨小梁分割。计算了每种重建方法以及 {\mu}CT 体积的多个骨小梁指标，包括骨小梁厚度（Tb.Th.）。GPL-BC重建提供了最精确的Tb.Th.测量值0.255 mm，相比之下 {\mu}CT 导出值为0.193 mm，其后依次为GPL-B重建、GPL-I重建和FDK重建（分别为0.271 mm、0.309 mm和0.335 mm）。
引用
@article{arxiv.1712.05297,
title = {Penalized-Likelihood Reconstruction with High-Fidelity Measurement Models for High-Resolution Cone-Beam Imaging},
author = {Steven Tilley and Matthew Jacobson and Qian Cao and Michael Brehler and Alejandro Sisniega and Wojciech Zbijewski and J. Webster Stayman},
journal= {arXiv preprint arXiv:1712.05297},
year = {2017}
}