一种ct系统和ct图像重建方法
【技术领域】
[0001] 本发明属于X光计算机断层成像技术领域，尤其涉及一种CT系统及CT图像重建方 法。
【背景技术】
[0002] 计算机断层成像(CT)是通过无损方式获取物体内部结构信息的一种重要成像手 段，它拥有高分辨率、高灵敏度以及多层次等众多优点，是我国装机量最大的医疗影像诊断 设备之一，被广泛应用于各个医疗临床检查领域。然而，由于CT扫描过程中需要使用X射线， 因此CT扫描中X射线的辐射剂量问题越来越受到人们的重视。合理使用低剂量(As Low As Reasonably Achievable，ALARA)原则要求在满足临床诊断的前提下，尽量降低对患者的福 射剂量。
[0003] 传统CT的实现是基于X光机和高能加速器等X射线源对受检物体进行照射，并在对 应的探测器采集数据，在扫描过程中通过CT系统的旋转架等的旋转平移等而使X射线在不 同角度下穿过受检物体，从而得到受检物体不同位置的光强数据(也即扫描数据，又可称为 投影数据），利用所得到的扫描数据可以重建出受检物体的断层图像。传统CT系统需要精确 地控制扫描过程中受检物体和加速器以及探测器的相对位置，以满足对断层图像重建所需 的数据条件。目前，传统的CT扫描和成像方法，耗时较长，因此对人体仍存在一定程度的辐 射危害。
【发明内容】
[0004] 本发明的目的在于提供一种CT系统及CT图像重建方法，旨在解决现有的CT图像重 建的速度低，CT扫描时间长，X射线对人体的辐射剂量大的问题。
[0005] 本发明是这样实现的，一种CT系统，包括统射线源、射线探测器、数据采集模块、处 理器模块、目标图像获取模块、非负图像获取模块、分解模块、稀疏化处理模块和重建模块； 所述射线探测器通过探测到射线源的射线并转换成信号传输到数据采集模块，所述数据采 集模块将接受的信号传输到处理器模块，所述数据采集模块获取CT扫描采集的投影数据； 所述数据采集模块、目标图像获取模块、非负图像获取模块、分解模块和重建模块依次连 接；
[0006] 所述数据采集模块，用于获取CT扫描采集的投影数据；
[0007] 所述处理器模块，用于对所述数据采集模块才几点数据信息进行处理；
[0008] 所述目标图像获取模块，用于根据所述投影数据进行迭代处理，以获取目标图像；
[0009] 所述非负图像获取模块，用于对所述目标图像进行非负处理，获取所述目标图像 的非负图像；
[0010] 所述分解模块，用于对所述非负图像进行非线性分解，获取主成分图像和次成分 图像；
[0011]所述稀疏化处理模块，用于对所述第一非负图像和第二非负图像进行稀疏化处 理，获取满足预定条件的最优化稀疏解；
[0012] 所述重建模块，用于根据所述最优化稀疏解获取CT重建图像。
[0013] 进一步，所述目标图像获取模块还用于基于CT图像的成像模型，获得依据所述投 影数据计算目标图像的迭代模型，所述迭代模型的公式表示为：
[0014]
[0015] 其中，X为所述目标图像，Μ为系统矩阵，G为所述投影数据，i表示迭代次数，Xi表示 第i次迭代后得的迭代结果;λ表示收敛系数，且λΕ (〇，1)，MT表示对矩阵Μ的转置;设置所述 目标图像的初始值，并根据预先设置的迭代次数利用所述迭代模型对所述目标图像中的每 个像素点进行迭代更新，获取最终的目标图像，所述迭代模型中的像素点的当前灰度值与 前次迭代的灰度值一致逼近。
[0016] 进一步，所述稀疏化处理模块包括:图像块提取模块，用于从所述第一非负图像和 所述第二非负图像中提取可以部分重叠的多个图像块;稀疏系数获取模块，用于获取所述 多个图像块对应的稀疏系数;最优化求解模块，用于对对所述第一非负图像和所述第二非 负图像进行最优化求解，得到满足所述目标函数的最优化稀疏解。
[0017] 本发明的另一目的在于提供一种CT图像重建方法，该方法包括：
[0018] 固定好所述射线源和射线探测器；
[0019] 获取CT扫描的投影数据；
[0020] 根据所述投影数据进行迭代处理，以获取目标图像；
[0021] 对所述目标图像进行非负处理，获取所述目标图像的非负图像；
[0022]对所述非负图像进行非线性分解，获取第一非负图像和第二非负图像；
[0023] 对所述第一非负图像和所述第二非负图像进行稀疏化处理，获取满足目标函数的 最优化稀疏解；
[0024] 根据所述最优化稀疏解获取CT重建图像。
[0025]进一步，所述根据所述投影数据进行迭代处理以获取目标图像的步骤包括：
[0026] 基于CT图像的成像模型，获得依据所述投影数据计算目标图像的迭代模型，所述 迭代模型的公式表示为：
[0027]
[0028] 其中，X为所述目标图像，Μ为系统矩阵，G为所述投影数据，i表示迭代次数，Xi表示 第i次迭代后得到的迭代结果;λ表示收敛系数，且λΕ(〇，1)，MT表示对矩阵Μ的转置；
[0029] 设置所述目标图像的初始值，并根据预先设置的迭代次数利用所述迭代模型对所 述目标图像中的每个像素点进行迭代更新，获取所述目标图像，所述迭代模型中的像素点 的当前灰度值与前次迭代的灰度值一致逼近。
[0030] 进一步，所述对所述目标图像进行非负处理将所述目标图像中灰度值小于0的像 素点置零，投影数据之前获取CT扫描的投影图像序列集，对所述投影图像序列集进行检测 优化并建立图像的显著模型，从图像显著模型中获取所述投影数据，建立图像的显著性模 型包括：
[0031] 利用预定过分割算法对所述图像进行过分割，和模板参数提取，对整个输入图像， 以8*8个像素为单元，计算每个单元的平均灰度值和每个单元的最大灰度值，得到至少一个 区域，同一个所述区域中各个像素点的颜色值相同；
[0032] 确定每个所述区域的颜色值和质心；
[0033] 根据各个区域所对应的颜色值以及各个区域的质心，建立所述显著性模型并计算 出每一个像素的梯度及角度值φ，将0°-180°平均分成9个区间，根据计算的每一个像素的 梯度和角度Φ，按照线性距离的概念投影到这9个区间，每个像素对所影响的上下两个区间 的权重分别定义为幅度*该角度到区间中心角度的归一化线性距离。
[0034] 进一步，所述所述显著性模型为：
[0035]其中，Si j为区域Ri中任一像素点的显著性值，w (Rj)为区域Rj中的像素点的个数，Ds (RnRj用于表征所述区域Ri和所述区域心之间空间位置差异的度量值，DcdRj用于表征 所述区域心和所述区域心之间颜色差异的度量值，N为对所述图像进行过分割后得到的区域 的总个数，D S (Ri，Ri)为：
；Center (Ri)为所 述区域心的质心，CenteHRj为所述区域心的质心，当所述图像中各个像素点的坐标均归一 化到[0，1]时；〇\2 =0.4。
[0036] 进一步，对所述第一非负图像和所述第二非负图像进行稀疏化处理的步骤包括：
[0037] 从所述第一非负图像和所述第二非负图像中提取可以部分重叠的多个图像块;获 取所述多个图像块对应的稀疏系数;对所述第一非负图像和所述第二非负图像进行最优化 求解，得到满足所述目标函数的最优化稀疏解。
[0038] 本发明提供的CT系统和图像重建方法，通过对目标图像进行非负处理，获取目标 图像的非负图像，然后对非负图像进行非线性分解，获取第一非负图像和第二非负图像， 最后对第一非负图像和第二非负图像进行稀疏化处理，获取最优化稀疏解，根据该最优化 稀疏解实现CT图像重建，降低了运算过程中的图像矩阵的维数，提高了图像重建的效率。
【附图说明】
[0039] 图1为本发明实施例中CT图像重建方法的流程图；
[0040] 图2为本发明实施例中CT系统的结构示意图；
[0041 ]图3为本发明实施例中根据投影数据进行迭代处理的流程图；
[0042]图4为本发明实施例中稀疏化处理模块的结构框图。
[0043]图中：1、射线源;2、射线探测器;3、数据采集模块;4、处理器模块;5、目标图像获取 模块;6、非负图像获取模块;7、分解模块;8、稀疏化处理模块;8-1、图像块提取模块;8-2、稀 疏系数获取模块;8-3、最优化求解模块;9、重建模块;10、预处理模块。
【具体实施方式】
[0044]为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明 进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于 限定本发明。
[0045] 下面结合附图及具体实施例对本发明的应用原理作进一步描述。
[0046] 如图1: 一种CT图像重建方法，所述方法包括：
[0047] S101、固定好所述射线源和射线探测器；
[0048] S102、获取CT