基于稀疏梯度域字典學(xué)習(xí)的低劑量腦CT圖像恢復(fù).pdf

1、計(jì)算機(jī)斷層成像技術(shù)（Computed Tomography，CT）被廣泛地應(yīng)用于臨床疾病的診斷與治療。與普通 X射線圖像相比，腦 CT圖像的組織密度分辨率高，能夠精確反映不同部位輻射量衰減的微小差異以區(qū)分各軟組織的密度，對顱腦病變診斷有很高的價(jià)值，是腦血管疾病、顱內(nèi)腫瘤、腦梗死、腦外傷等的首選檢查方法。
　　多層螺旋CT設(shè)備的誕生及發(fā)展，使得CT圖像的成像質(zhì)量不斷得到提高，但與此同時(shí)，也不可避免地增加了X射線劑量。過多的輻射劑量有

2、誘發(fā)癌癥等疾病的風(fēng)險(xiǎn)，所以，研究人員熱衷于研究低劑量的CT圖像。然而，降低 X射線劑量必將導(dǎo)致圖像質(zhì)量下降，進(jìn)而影響醫(yī)生的診斷。因此，在保證圖像質(zhì)量的前提下，有效降低 X射線輻射劑量已成為醫(yī)學(xué)圖像領(lǐng)域的一個(gè)重要課題和研究方向。
　　基于字典學(xué)習(xí)的稀疏表示方法因其良好的性能被應(yīng)用于圖像去噪和恢復(fù)等信號處理問題。研究表明，訓(xùn)練樣本越稀疏，字典學(xué)習(xí)的效率和穩(wěn)健性越好。CT圖像的鄰近像素具有很強(qiáng)的相關(guān)性，因此，相比于原始圖像，其對應(yīng)的梯度

3、圖像稀疏性更大。基于稀疏梯度域的字典學(xué)習(xí)算法在一定程度上提高了字典學(xué)習(xí)的效率，然而，梯度算子的引進(jìn)往往會放大噪聲。
　　為了減小梯度算子帶來的放大噪聲的影響，本文提出了兩種改進(jìn)的基于稀疏梯度域字典學(xué)習(xí)的低劑量腦CT圖像恢復(fù)算法。其中一種算法先對梯度圖進(jìn)行主分量分析（Principal Component Analysis，PCA），以減少梯度算子放大噪聲的影響，然后用PCA降維數(shù)據(jù)訓(xùn)練字典并去噪。另一種算法是在對CT圖像進(jìn)行梯度運(yùn)