预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共14页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号(10)申请公布号CNCN103606177103606177A(43)申请公布日2014.02.26(21)申请号201310611029.9(22)申请日2013.11.26(71)申请人南方医科大学地址510515广东省广州市白云区沙太南路1023号(72)发明人周凌宏李慧君齐宏亮徐圆(74)专利代理机构广州华进联合专利商标代理有限公司44224代理人谢伟胡杰(51)Int.Cl.G06T11/00(2006.01)A61B6/03(2006.01)权权利要求书2页利要求书2页说明书7页说明书7页附图4页附图4页(54)发明名称稀疏角度的CT图像迭代重建方法(57)摘要本发明公开了一种稀疏角度的CT图像迭代重建方法,包括步骤:采集CT成像设备中的稀疏角度的原始投影数据;初始化重建图像,构建CT图像重建模型;对得到的稀疏角度的原始投影数据利用重建模型进行两相式逐个代入重建模型中,以第K-1轮迭代重建出的图像和第K-2轮迭代重建出的图像的线性组合作为初值进入第K轮迭代,得到第K轮迭代重建结果,K≥3,判断所述第K轮迭代重建结果是否满足设定条件,若否,以第K轮迭代重建出的图像和第K-1轮迭代重建出的图像的线性组合作为初值进入第K+1轮迭代;若是,将第K轮得到的图像数据作为最终重建结果,输出图像。有效地提高图像质量,加速算法的收敛速度。CN103606177ACN10367ACN103606177A权利要求书1/2页1.一种稀疏角度的CT图像迭代重建方法,其特征在于,包括步骤:S1:采集CT成像设备中的稀疏角度的原始投影数据;S2:初始化重建图像,构建CT图像重建模型,所述重建模型包括保真项以及正则项,所述正则项为具有选择性参数s的全变差最小化约束,所述选择性参数s由图像像素的梯度大小决定;S3:以初始化的重建图像为首轮迭代的初值,对步骤S1得到的稀疏角度的原始投影数据利用步骤S2中的重建模型进行两相式迭代重建,得到第一轮迭代重建结果,以第K-1轮迭代重建出的图像作为初值进入第K轮迭代,得到第K轮迭代重建结果,K≥2,判断所述第K轮迭代重建结果是否满足设定条件,若否,以第K轮迭代重建出的图像作为初值进入第K+1轮迭代;若是,将第K轮得到的图像数据作为最终重建结果,输出图像。2.如权利要求1所述的稀疏角度的CT图像迭代重建方法,其特征在于:所*述正则项的模型为:x=argmin||x||TsV,0≤s(Δi,j)≤2,Δi,j表示坐标为(i,j)的像素点的梯度,s(Δi,j)表示根据坐标为(i,j)的像素点的梯度变化的选择性参数s,x表示待重建图像。3.如权利要求1或2所述的稀疏角度的CT图像迭代重建方法,其特征在于,所述保真项的模型为:|Ax-p|≤α;xi,j≥0,x表示待重建图像,A表示系统矩阵,p表示步骤S1中的原始投影数据向量,α表示系统设定值。4.一种稀疏角度的CT图像迭代重建方法,其特征在于,包括步骤:S1:采集CT成像设备中的稀疏角度的原始投影数据;S2:初始化重建图像,构建CT图像重建模型,所述重建模型包括保真项以及正则项,所述正则项为具有选择性参数s的全变差最小化约束,所述选择性参数s由图像像素的梯度大小决定;S3:以初始化的重建图像为首轮迭代的初值,对步骤S1得到的稀疏角度的原始投影数据利用步骤S2中的重建模型进行两相式迭代重建,得到第一轮迭代重建结果,以第一轮迭代重建出的图像和初始化的重建图像的线性组合作为初值进入第二轮迭代输出图像得到第二轮迭代重建结果;S4:重复步骤S3,以第K-1轮迭代重建出的图像和第K-2轮迭代重建出的图像的线性组合作为初值进入第K轮迭代,得到第K轮迭代重建结果,K≥3,判断所述第K轮迭代重建结果是否满足设定条件,若否,以第K轮迭代重建出的图像和第K-1轮迭代重建出的图像的线性组合作为初值进入第K+1轮迭代;若是,将第K轮得到的图像数据作为最终重建结果,输出图像。5.如权利要求4所述的稀疏角度的CT图像迭代重建方法,其特征在于:所*述正则项的模型为:x=argmin||x||TsV,0≤s(Δi,j)≤2,Δi,j表示坐标为(i,j)的像素点的梯度,s(Δi,j)表示根据坐标为(i,j)的像素点的梯度变化的选择性参数s,x表示待重建图像。6.如权利要求5所述的稀疏角度的CT图像迭代重建方法,其特征在于,所述具有选择2CN103606177A权利要求书2/2页性参数s的全变差最小化通过梯度下降算法实现。7.如权利要求4所述的稀疏角度的CT图像迭代重建方法,其特征在于,所述保真项的模型为:|Ax-p|≤α;xi,j≥0,x表示待重建图像,A表示系统矩阵,p表示步骤S1中的原始投影数据向量,α表示系统设定值。8.如权