低剂量能谱CT快速图像重建算法研究的开题报告.docx

低剂量能谱CT快速图像重建算法研究的开题报告
一、题目
低剂量能谱CT快速图像重建算法研究
二、研究背景
低剂量能谱CT技术科学的发展和普及能够为医学影像技术的提高带来极大的可能性。但是，低剂量下的成像误差和伪影等问题也需要我们解决。传统的能谱CT图像重建算法会增加人体的剂量，因此我们需要研究低剂量下的快速图像重建算法。
三、研究意义
1.极大地减少了人体的辐射剂量，能在更安全的情况下实现CT扫描。
2.利用低剂量技术，能够得到更高质量、准确的医疗成像数据，帮助医生更好地进行诊断。
3.研究低剂量下的快速图像重建算法，能够为未来的医疗成像技术提供更多可行的方案。
四、研究内容和方法
1.研究和分析低剂量下快速图像重建算法的理论与实现方法。
2.设计低剂量能谱CT数据采集系统。
3.对图像重建算法进行实验验证，并对结果进行分析和评估。
4.优化和改进低剂量下快速图像重建算法。
五、预期结果
1.设计出一套低剂量能谱CT数据采集系统，减少辐射剂量，成像效果更好。
2.研究出一种快速图像重建算法，在低剂量情况下能较快的生成清晰准确的图像。
3.对比实验验证结果，提出优化和改进方案，并加以验证，提高重建图像的质量和速度。
六、进度安排
预计一年内完成研究，进度安排如下：
1.第一季度：研究低剂量下快速图像重建算法的理论及实现方法，并进行实验。
2.第二季度：设计和构建低剂量能谱CT数据采集系统，并对数据进行采集并备份。
3.第三季度：对快速图像重建算法进行实验验证，并对结果进行分析和评估。
4.第四季度：根据实验结果的反馈，优化和改进低剂量下快速图像重建算法，完成毕业论文。
七、参考文献
1.Wang,G.,Li,W.,Zhang,C.,Liang,H.D.,&Liang,D.(2020).Low-doseCTimagedenoisingusingonlyunsupervisedlearning.BiomedicalEngineeringOnline,19(1),1-20.
2.Yin,D.,Liu,X.,Zhang,Y.D.,Ren,Z.,&Li,D.(2018).Low-doseCTimagedenoisingwithkerneljointsparserepresentation.ScientificReports,8(1),1-9.
3.Zhang,L.,Yang,Y.,&Song,X.(2019).LowdoseCTimagedenoisingusingSURE-LET.NuclearInstrumentsandMethodsinPhysicsResearchSectionA:Accelerators,Spectrometers,DetectorsandAssociatedEquipment,926,115-120.
4.Zhu,C.,Meng,Y.,Zhu,G.,Peng,X.,Zheng,F.,Chen,Y.,&Wang,G.(2020).Deepresidualnetworkbasedlow-doseCTimagedenoising.PhysicaMedica,69,134-147.
5.Yeung,J.P.,Yahya,N.A.,&Tang,F.H.(2019).Low-doseCTimagedenoisingusingadeepconvolutionalneuralnetwork.BiomedicalEngineeringOnline,18(1),1-14.