一種基于區別性字典的低劑量ct圖像處理方法
【專利摘要】本發明公開了一種基于區別性字典的低劑量CT圖像處理方法，首先使用靜態小波變換對待處理的低劑量CT圖像進行單層分解，然后對水平、垂直和對角方向的高頻細節圖像分別進行對應的區別性字典表達并去偽影，從而達到抑制星條狀偽影在不同方向的高頻細節圖像中的信息強度；之后根據處理后的水平、垂直和對角方向的高頻細節圖像以及原來的低頻圖像進行逆靜態小波變換來重建得到偽影抑制后的CT圖像；最后利用現有的傳統基于字典學習的稀疏表達方法對圖像進行進一步處理，以去除殘留的偽影和噪聲。本發明可以有效抑制低劑量CT圖像內的星條狀偽影和噪聲，提高低劑量CT圖像質量，使其滿足臨床診斷的質量要求。
【專利說明】一種基于區別性字典的低劑量CT圖像處理方法
【技術領域】
[0001]本發明涉及一種低劑量CT圖像處理方法，尤其涉及一種基于區別性字典的低劑量CT圖像處理方法，屬于計算機斷層顯像【技術領域】。
【背景技術】
[0002]作為目前一種常規有效的臨床醫學診斷工具，X射線計算機斷層成像(x-rayComputerized Tomography, CT)能夠在毫米尺度上清晰的獲得人體不同組織對于X射線的衰減信息，從而為臨床醫生的診斷和預防提供豐富的三維人體器官組織信息。今天，作為一種成熟的和在臨床上普遍認可的檢查方法，CT已經成為放射診斷領域內不可缺少的主要工具之一。然而，隨著CT斷層掃描在臨床診斷尤其是常規檢查中的普及，CT掃描中的輻射劑量問題已經引起了人們越來越多的關注，大量的臨床研究表明超過正常范圍的CT輻射劑量易誘發人體新陳代謝異常乃至癌癥等疾病。然而，在目前的CT設備中，往往通過調節管電流和電壓以減少CT掃描劑量，這樣將增加重建圖像的塊狀噪聲和具有方向性的星條狀偽影，降低CT重建的質量，從而影響臨床醫生對異常組織的確診率。
[0003]當前提高低劑量CT圖像質量的方法主要分為基于投影空間數據的和基于圖像空間數據的兩大類，基于投影空間數據的方法主要通過CT投影數據的恢復去噪來為重建提供噪聲更少的投影數據，以提高低劑量條件下的圖像重建質量，例如當前在臨床CT重建中普遍使用的濾波反投影(Filtered Back projection, FBP)算法,就是通過內置的頻域濾波處理來抑制偽影和噪聲，還有一些學者提出在投影空間建立數據模型并基于此建立恢復算法來抑制低劑量條件下CT投影數據中的噪聲。此類方法的研究由于受到商用CT投影數據無法獲得的限制，現實中難以得到廣泛應用。另一類方法是直接通過圖像空間處理技術來提高已重建的低劑量圖像質量，具有不依賴原始投影數據和處理速度快的優點，通常使用非線性的處理方法進行保持圖像邊緣信息的去噪處理,如各向異性濾波器(nonlinear oranisotropic filter)或者小波(wavelet)的方法,然而此類非線性方主要基于圖像的局部信息，難以得到良好的處理效果，例如，無法有效抑制低劑量CT圖像中的塊狀噪聲和星條狀偽影，還會在處理中產生新的偽影。
[0004]最近提出的基于字典學習的稀疏表示(Sparse and Redundant Representationsover Learnd Dictionaries)圖像去噪算法屬于第二類方法。這種方法先將目標圖像拆分成很多小的圖塊，然后對每個圖塊進行編碼，令其用一個過完備字典中的很少的幾個塊通過線性組合進行表示。在這一過程中，通過控制參數，可以使正常結構得到表示，而偽影噪聲得不到較好的表示，從而達到去噪目的。最后將這些圖塊重新疊加平均，進一步增加去噪效果。這種方法首先尋找最佳的全局過完備字典，并將每個原圖塊表示為字典中向量(原子)的線性組合。線性組合中的系數可以通過稀疏編碼過程來計算。基于字典學習的稀疏表示方法目標為解決如下問題:
[0005]min Ilx—yf2+Ikx - Dau It s；t, Ik IL -T v/，j
χ.°.αij{ I )[0006]其中X和y分別表示m像素的待處理圖像和原始低劑量CT圖像；下標i j指示了圖像中的像素索引(i，j) ;RU表示從圖像X中提取大小為nXn(中心在(i，j))的圖塊Xij的算符；字典D是一個nXK的矩陣，由K個η維向量原子(列向量)組成。每個η維列向量對應一個nXn圖塊；α表示所有塊的稀疏表示的系數集合{ a u，每一個圖塊Xu都可以由線性組合Dau來近似表示；I I aj Itl表示1°范數，用來計算向量^^中的非零項數目；T是預設的稀疏程度參數，用來限制Ciu中非零項的個數。解決(I)中的問題包含下面(2)和(3)兩個子問題:
【權利要求】
1.一種基于區別性字典的低劑量CT圖像處理方法，其特征在于，包括以下步驟: 步驟1、使用靜態小波變換對待處理的低劑量CT圖像f做單層的分解，分別得到分解后的水平、垂直和對角方向的高頻細節圖像f;hd、fcvd> fcdd以及低頻圖像; 步驟2、對水平、垂直和對角方向的高頻細節圖像f；hd、fcvd, fcdd分別用對應的區別性字典進行表示，之后將對應區別性字典中偽影原子表達的部分進行去除，得到處理后的水平、垂直和對角方向的高頻細節圖像/Ad、/cvd, Zcdd； 步驟3、對處理后的水平、垂直和對角方向的高頻細節圖像、Zcvd、Zcdd以及原來的低頻圖像進行逆靜態小波變換重建，得到偽影抑制的CT圖像/。
2.如權利要求1所述基于小波空間方向性去偽影的低劑量CT圖像處理方法，其特征在于，在步驟3之后還包括: 步驟4、對步驟3得到的圖像/:利用基于字典學習的稀疏表達方法對圖像進行進一步處理，以去除殘留的偽影和噪聲。
3.如權利要求1所述基于小波空間方向性去偽影的低劑量CT圖像處理方法，其特征在于，步驟2中所用的區別性字典是由“偽影字典”與“特征字典”合并而成，每個區別性字典中的前M個原子對應偽影字典中的原子，之后的原子為特征字典中的原子；其中偽影字典是從人工提取的偽影樣本上訓練而得到，特征字典是從高劑量CT圖像樣本上訓練而得到。
4.如權利要求1所述基于小波空間方向性去偽影的低劑量CT圖像處理方法，其特征在于，步驟2中的區別性字典一共有三個，分別從水平、垂直和對角方向的高頻細節圖像中訓練而來，并在去偽影中應用于對應方向的高頻細節圖像。
【文檔編號】G06T5/00GK103473745SQ201310422085
【公開日】2013年12月25日 申請日期:2013年9月16日 優先權日:2013年9月16日
【發明者】陳陽, 石路遙, 羅立民, 李松毅, 鮑旭東 申請人:東南大學