低剂量 X 射线 CT 统计图像重建中的统计模型与正则化策略：综述
医学物理
2015-05-15 v3 计算机视觉与模式识别
摘要
统计图像重建 (SIR) 方法相较于传统的滤波反投影 (FBP) 方法，在各种临床任务中展现出显著提升低剂量 X 射线计算机断层扫描 (CT) 图像质量的潜力。根据最大后验 (MAP) 估计，SIR 方法通常可表述为由两项组成的目标函数：(1) 数据保真度（或等效地，数据拟合或数据失配）项，用于建模投影测量的统计特性；(2) 正则化（或等效地，先验或惩罚）项，反映对待重建图像特征的先验知识或期望。现有的低剂量 CT SIR 方法可分为两类：(1) 使用校准后的透射光子计数（对数变换前）并采用惩罚最大似然 (pML) 准则的方法；(2) 使用校准后的线积分（对数变换后）并采用惩罚加权最小二乘 (PWLS) 准则的方法。对投影测量进行准确的统计建模是 SIR 的前提，而目标函数中的正则化项对于成功的图像重建也起着关键作用。本文综述了关于 CT 投影测量的几种统计模型，以及结合先验知识或待重建图像预期特性的各种正则化策略，这些共同构成了低剂量 X 射线 CT SIR 方法的目标函数。
引用
@article{arxiv.1412.1732,
title = {Statistical models and regularization strategies in statistical image reconstruction of low-dose X-ray CT: a survey},
author = {Hao Zhang and Jing Wang and Jianhua Ma and Hongbing Lu and Zhengrong Liang},
journal= {arXiv preprint arXiv:1412.1732},
year = {2015}
}
备注
This paper has been withdrawn because the authors have differnt opinions on some contents of the paper