基于投影数据全广义变分最小化的低剂量CT重建

摘要: 目的 提出基于投影数据全广义变分最小化的低剂量CT重建方法。方法 首先，通过非线性Anscombe变换将满足 Poisson分布的投影数据转化为近似Gaussian分布，然后基于全广义变分正则化模型对变换后的Gaussian型数据进行噪声去 除。最后，对去噪的结果进行Anscombe逆变换后实现传统的滤波反投影（FBP）CT重建。结果 数值体膜实验结果表明本文提 出的方法可以大大地改进重建图像的质量。FBP方法重建的Clock和Shepp-Logan体膜图像的信噪比分别为17.752 dB和 19.379 dB，本文方法重建的图像的信噪比提高到24.0352 dB 和23.4181 dB。 FBP方法重建方法重建的Clock和Shepp-Logan 体膜图像的均方误差分别为0.86%和0.58%，本文方法重建的图像的均方误差降低到到0.2% 和 0.23%。结论 本文方法可以在 投影数据不满足分段常数假设的前提下去除噪声和条形伪影，从而提高低剂量CT图像重建质量。