超低剂量肺部CT之前使用非局部手段进行全剂量CT数据库诱导的重建:初步研究

尽管低剂量计算机断层扫描(LDCT)是早期肺癌筛查的最有效方法,但在确保图像质量的前提下,进一步降低放射剂量仍然是一个挑战。 具有非局部均值(NLM)优先级的惩罚加权最小二乘(PWLS)图像重建已显示出出色的性能,可改善LDCT的图像质量,尤其是当从先前的全剂量CT(FDCT)图像计算出非局部权重时。 但是,同一患者的先前FDCT图像不容易获得,并且由于扫描未对准,必须考虑LDCT和FDCT图像之间的配准。 本文提出了一种新的NLM先验模型,无需图像配准即可重建高质量的LDCT图像。 为了估计先前NLM的非局部权重,从不同患者的FDCT图像训练了一个数据库,从中提取了与LDCT的每个目标斑块相似的斑块样本。 然后,通过补丁样本确定非局部权重,并将其与来自FDCT的局部结构的先验信息整合到PWLS重建中。 用10mAs LDCT数据进行的实验表明,它在减少噪音,条纹痕迹和保留结构细节方面具有优势,这表明在超LDCT肺部筛查中进一步降低剂量的潜力。