从先前的正常剂量CT图像中使用区域感知纹理保留正则化学习进行统计CT重建

在某些临床应用中,可以使用先前的常规剂量CT(NdCT)图像,并且其中的宝贵纹理和结构特征可用于促进后续的低剂量CT(LdCT)重建。 这项研究旨在从NdCT图像中学习纹理信息,并将其用于后续的LdCT图像重建,以保留纹理和结构特征。 具体地,所提出的重建方法首先从NdCT图像中具有相似结构的那些补丁中学习纹理信息,并且可以通过从当前补丁的周围有效地搜索上下文特征来对相似补丁进行聚类。 然后,它利用来自类似补丁的冗余纹理信息作为先验知识来描述LdCT图像中的特定区域。 先进的区域感知纹理保留先验被称为“ RATP”。 PATP Prior的主要优点是它可以从可用的NdCT图像中正确学习纹理特征,并自适应地表征LdCT图像中的区域特定结构。 使用患者数据进行实验以评估所提出方法的性能。 与使用高斯正则化,Huber正则化和原始纹理保留正则化的滤波反投影(FBP)和统计迭代重建(SIR)方法相比,拟议的RATP方法在LdCT成像中表现出优异的性能。