X 射线计算机断层扫描(CT)是现代医学诊断以及工业应用中最重要的成像
方式之一。因此,CT 图像重建算法和相关的图像处理方法得到了广泛的关注。
目前大多数商用 CT 机使用滤波反投影(FBP)方法重建图像。这种方法突出
的优点是重建速度快,应用广泛。但是当辐射剂量变低时会产生较高的噪声,
图像质量不是很理想,而高剂量 CT 成像在临床应用中存在潜在的辐射安全风
险。在过去的十多年里,研究人员致力于开发用于 CT 图像重建的迭代算法。
通常,这些算法会优化某个设定的目标函数,该目标函数包含精确的系统成像
模型、统计噪声模型和图像域中的某些先验信息。在以时间为代价的前提下,
迭代重建算法可以提供较高准确率的重建图像。这种方法虽然极大地提高了图
像质量,但仍有可能丢失一些细节,且仍会受到残余伪影的影响。此外,它们
需要较高的计算成本,耗时较长,有的每幅 CT 图需要半个小时以上的重建时
间,导致在临床应用中出现瓶颈。
与迭代重建相比,正弦滤波和 CT 图像后处理的计算效率较高。前者指首
先在投影正弦域内对噪声特性进行建模,然后在按照一定的方法对噪声进行滤
波,从而重建得到噪声水平较低的 CT 图像。然而,这些方法可能存在分辨率
下降和边缘模糊的问题。同时,正弦数据需要十分仔细地处理,否则可能会在
重建的 CT 图像中产生伪影。
与直接在正弦图上去噪的方法不同,重建 CT 图像后处理方法直接作用于
得到的 CT 图像,在 CT 图像上进行减少 CT 噪声和抑制伪影的操作。通过这种
图像后处理,CT 图像的质量将得到明显的改善,但在处理后的图像中经常会出
现过平滑或残差的现象。由于 CT 图像噪声分布不均匀,这些问题难以解决。
前两年,谷歌公司的 Alpha Go 在围棋竞技中的优异表现,再一次把人工