基于全广义变分约束加权最小二乘的低剂量计算机断层重建方法

为了减少X射线的辐射剂量,提出了一种基于全广义变分约束加权最小二乘的低剂量计算机断层（CT）重建方法。首先对投影数据进行统计建模,然后将全广义变分正则化作为先验信息引入到投影数据恢复过程中,从而达到抑制噪声的目的,最后使用传统的滤波反投影算法进行CT图像重建。在Shepp-Logan体模实验中,提出方法的重建结果与Gibbs先验约束的惩罚加权最小二乘（Gibbs-WLS）、字典学习先验约束的惩罚加权最小二乘（DL-WLS）和全变分先验约束的惩罚加权最小二乘（TV-WLS）方法的重建结果相比,均方根误差分别降低了25.06%、1.50%和15.21%,信噪比分别提高了10.29%、0.53%和5.68%。在Clock体模实验中,提出方法的重建结果与Gibbs-WLS、DL-WLS和TV-WLS方法的重建结果相比,均方根误差分别降低了42.72%、23.45%和34.63%,信噪比分别提高了27.04%、11.42%和15.49%。实验结果表明,该方法在有效抑制低剂量CT图像的伪影和噪声的同时可以很好地保持图像的边缘信息和结构细节特征。