CT统计重建论文

《CT统计重建论文》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于最大似然和罚似然估计的CT统计重建算法研究摘要当CT系统在数据采集过程屮受到严重的噪声干扰，或者投彩数据采集不完全时，用解析重建算法重建出的图像有伪迹。而统计重建算法具有物理模世准确、对噪声不帧感、易于加入约束条件等优点，其重建的图像质量要优于传统的FBP方法。针对CT统计乘建，木文主要研究了以下内容：研究了棊丁•最人似然估计的统计重建算法：期望最人值法(MaximumLikelihoodExpectationMaximization,ML-EM),可分离抛物面型替代(SeparableParaboloi

2、dalSurrogate,ML-SPS)算法和这I丙种算法的有序了集形式(OS-ML-EM和OS-ML-SPS)。仿真实验结果表明ML-SPS的初始收敛速度比ML-EM快，但该两种算法的收敛速度远慢于其对应的有序子集形式。用OS-ML-EM算法和OS-ML-SPS算法对CT采集的实际投影数据进行重建，得到了较好的重建结果。研究了基于罚似然(PenalizedLikelihood,PL)的统计重建算法:OSL(OneStepLate)・EM算法和PL・SPS算法。重点讨论了基于Gibbs分布的罚函数，从理论上分

3、析了势函数需要满足的条件以及势函数的选取对图像的影响，着重分析了二次势函数和Huber势函数的优缺点，通过仿真实验对它们的重建结果进行谋差分析。提出了罚似然重建中止则项参数的自适应选取的方法，该方法充分利用每一次迭代的重建结果信息，不断对止则项参数进行更新。并用于仿真实验和重建CT实际投影数据，重建结果表明该方法降低了噪声，提高了图像质量。将OS-OSL-EM算法推广到三维锥束轨迹下的图像重建，取得了较好的仿真结果。关键词：戢大似然估计，CT重建，罚似然估计，有序了集TheStudyofCTStatistic

4、alReconstructionAlgorithmBasedonMaximumLikelihoodandPenalizedLikelihoodEstimatesAbstractWhentheCTdatahasseriousnoiseintheprocessofacquisitionsystemandprojectiondataisincomplete、analyticreconstructionalgorithmgetimageswithartifact・Thestatisticalreconstructio

5、nalgorithmwithaaccuratelyphysicalmodelisn'tsensitivetonoiseandeasytoaddconstraintsetc.Therefore,thereconstructedimagequalityissuperiortoconventionalFBPmethods.FortheCTStatisticsreconstruction,Thispapermainlystudiesthefollowingcontent:Themaximumlikelihoodest

6、imateforthestatisticalreconstructionalgorithmsisstudiedandmainlyincludesexpectationmaximumalgorithm(ML-EM),separableparaboloidalsuiTogate(ML-SPS)algorithmandthebothalgorithmswithorderedsubset(OS-ML-EMandOS-ML-SPS).Insimulationexperiments,itshowsthattheiniti

7、alconvergencerateofML-SPSisfasterthantheML-EM,however,thebothalgorithmsisslowerthanOS-ML-EMandOS-ML-SPSalgorithms.Atlast,OS-ML-SPSandOS-ML-EMalgorithmsareusedtoreconstructactualCTprojectiondataandgetbetterimage・Penalizedmaximumlikelihood(PL)reconstmctionfor

8、thestatisticalalgorithmsisbasedonthepenalizedlikelihoodestimatesandaddsapenaltytermtosuppressnoise,whichmainlyincludesOSL-EMalgorithmandPL-SPSalgorithm・1(isfocusedonthepenaltyfunctionwhichisbasedonGibb