基于混合泊松-高斯噪声模型的X射线CT统计图像重建
医学物理
2018-01-30 v1 数值分析
摘要
X射线CT的统计图像重建(SIR)方法能够生成高质量、高精度的图像，同时大幅降低患者所受辐射剂量。当通过降低管电流将X射线剂量进一步降至超低水平时，会发生光子饥饿现象，电子噪声开始占主导，这会在原始测量值中引入负值或零值。这些非正值给需要对原始数据取对数的对数后SIR方法带来挑战，若使用简单校正方法处理这些非正原始测量值，会在重建图像中引入伪影。超低剂量下的原始数据显著偏离对数前数据的泊松或平移泊松统计，也偏离对数后数据的高斯统计。本文提出一种称为MPG(混合泊松-高斯)的新型SIR方法。MPG使用混合泊松-高斯分布对原始含噪测量值建模，该分布同时考虑了量子噪声与电子噪声。MPG能够直接使用原始数据中的负值和零值，无需任何预处理。MPG代价函数包含一个重加权最小二乘数据拟合项、一个保边正则化项和一个非负约束项。我们使用交替方向乘子法(ADMM)将MPG优化问题分解为若干个更易求解的子问题。在由临床数据生成的3D模拟锥束数据集和合成螺旋数据集上的结果表明，相较于传统的滤波反投影(FBP)、惩罚加权最小二乘(PWLS)和平移泊松(SP)方法，所提出的MPG方法在超低剂量CT(ULDCT)成像中降低了重建图像的噪声与偏差。
引用
@article{arxiv.1801.09533,
title = {Statistical Image Reconstruction Using Mixed Poisson-Gaussian Noise Model for X-Ray CT},
author = {Qiaoqiao Ding and Yong Long and Xiaoqun Zhang and Jeffrey A. Fessler},
journal= {arXiv preprint arXiv:1801.09533},
year = {2018}
}
备注
11 pages,6 figures