基于增广拉格朗日的全变分正则化CT迭代重建算法

doi:10.12068/j.issn.1005-3026.2018.07.011

东北大学学报:自然科学版 ›› 2018, Vol. 39 ›› Issue (7): 964-969.DOI: 10.12068/j.issn.1005-3026.2018.07.011

基于增广拉格朗日的全变分正则化CT迭代重建算法

孝大宇，郭洋，李建华，康雁

(东北大学中荷生物医学与信息工程学院，辽宁沈阳110169)

收稿日期:2017-03-21 修回日期:2017-03-21 出版日期:2018-07-15 发布日期:2018-07-11
通讯作者: 孝大宇
作者简介:孝大宇(1980-)，男，辽宁阜新人，东北大学博士研究生；康雁(1964-)，男，辽宁沈阳人，东北大学教授，博士生导师.冯明杰(1971-)，男，河南禹州人，东北大学副教授; 王恩刚(1962-)，男，辽宁沈阳人，东北大学教授，博士生导师.
基金资助:
国家自然科学基金资助项目(61372014).国家自然科学基金资助项目(51171041).

Total Variation Regularization CT Iterative Reconstruction Algorithm Based on Augmented Lagrangian Method

XIAO Da-yu， GUO Yang， LI Jian-hua， KANG Yan

School of Sino-Dutch Biomedical & Information Engineering， Northeastern University， Shenyang 110169， China.

Received:2017-03-21 Revised:2017-03-21 Online:2018-07-15 Published:2018-07-11
Contact: KANG Yan
About author:-
Supported by:
-

摘要/Abstract

摘要： 采用一种基于增广拉格朗日方法(augmented Lagrangian method)求解全变分正则化(total variation regularization)算法(ALMTVR)来进行CT图像重建.将ALMTVR算法与经典的代数重建算法(algebraic reconstruction technique，ART)进行比较，并采用仿真数据与实际数据进行实验.在实验中，使用ALMTVR算法与ART算法分别进行图像重建，并对重建图像进行对比分析.实验结果表明:所提算法与ART算法相比，显著提高了图像重建的质量与速度，显示了其对图像重建的有效性及在CT成像系统中潜在的应用价值.

关键词: CT迭代重建, 增广拉格朗日方法, 全变分正则化, 仿真数据, 实际投影数据

Abstract: A novel algorithm based on augmented Lagrangian method was presented to solve total variation regularization problem (ALMTVR) of the CT iterative reconstruction. The classical algebraic reconstruction technique (ART) was compared with the ALMTVR algorithm， the simulation data and actual data are used in the experiment. The ALMTVR algorithm and the ART algorithm were used to reconstruct the images respectively， and the reconstruction images were compared and analyzed. Results showed that， compared with ART algorithm， the proposed algorithm can significantly improve image quality and reconstruction speed， which indicates the proposed algorithm is effective and has potential applications in the CT imaging system.

Key words: CT iterative reconstruction, augmented Lagrangian method, total variation regularization, simulation data, real projection data

中图分类号:

孝大宇，郭洋，李建华，康雁. 基于增广拉格朗日的全变分正则化CT迭代重建算法[J]. 东北大学学报:自然科学版, 2018, 39(7): 964-969.

XIAO Da-yu， GUO Yang， LI Jian-hua， KANG Yan. Total Variation Regularization CT Iterative Reconstruction Algorithm Based on Augmented Lagrangian Method[J]. Journal of Northeastern University Natural Science, 2018, 39(7): 964-969.

参考文献

[1]伍绍佳，陈皓，廖丽，等.BPF重建算法的CUDA并行实现［J］.集成技术，2014(5):61-68.(Wu Shao-jia，Chen Hao，Liao Li，et al.CUDA parallel implementation of BPF reconstruction algorithm ［J］.Integration Technology，2014 (5):61-68.)
[2]郑源彩，潘晋孝，孔慧华.基于线性插值方法的ART重建算法研究［J］.数学的实践与认识，2013，43(24):80-84.(Zheng Yuan-cai，Pan Jin-xiao，Kong Hui-hua.The ART reconstruction algorithm based on linear interpolation method research ［J］.Mathematics Practice and Understanding，2013，43 (24):80-84.)
[3]Vandeghinste B，Goossens B，Holen R V，et al.Iterative CT reconstruction using shearlet-based regularization［C］// Society of Photo-Optical Instrumentation Engineers (SPIE).San Diego，2012:3305-3317.
[4]Li C.An efficient algorithm for total variation regularization with applications to the single pixel camera and compressive sensing［D］.Houston:Rice University，2010.
[5]常小凯.二次半定规划的增广拉格朗日算法［J］.计算数学，2014，36(2):133-142.(Chang Xiao-kai.Augmented Lagrange algorithm for two semidefinite programming［J］.Computing Mathematics，2014，36(2):133-142.)
[6]Zhu X，Milanfar P.Automatic parameter selection for denoising algorithms using a no-reference measure of image content［J］.IEEE Transactions on Image Processing，2010，19(12):3116-3132.
[7]Yu Z，Noo F，Dennerlein F，et al.Simulation tools for two-dimensional experiments in X-ray computed tomography using the FORBILD head phantom［J］.Physics in Medicine & Biology，2012，57(13):237-252.
[8]Nilchian M，Vonesch C，Modregger P，et al.Fast iterative reconstruction of differential phase contrast X-ray tomograms［J］.Optics Express，2013，21(5):5511-5528.
[9]Wieczorek M，Frikel J，Vogel J，et al.X-ray computed tomography using curvelet sparse regularization［J］.Medical Physics，2015，42(4):1555-1565.
[10]Gao H，Qi X S，Gao Y，et al.Megavoltage CT imaging quality improvement on TomoTherapy via tensor framelet［J］.Medical Physics，2013，40(8):08191901-08191910.

[1]	庞彦伟，苏畅，龙涛. 自适应构造与聚合多尺度代价体的双目立体匹配[J]. 东北大学学报（自然科学版）, 2023, 44(4): 457-468.
[2]	丁其川，王力，刘成. 融合长距离信道注意力与病理特征的肺结节分类[J]. 东北大学学报（自然科学版）, 2023, 44(4): 476-485.
[3]	张露文，刘洪娟. 考虑防护和隔离的传染病传播建模与分析[J]. 东北大学学报（自然科学版）, 2023, 44(4): 486-494.
[4]	耿蓉，吴亚倩，肖倩倩，徐赛. 基于改进GRU算法的天基信息网资源预测研究[J]. 东北大学学报（自然科学版）, 2023, 44(3): 305-314.
[5]	刘军，石家伟，焦浩月，姜向宏. 面向服务的天基信息网节点重要性评估算法[J]. 东北大学学报（自然科学版）, 2023, 44(3): 315-323.
[6]	李婵，曲璐渲，信俊昌，王之琼. 基于潜在调控因子筛选的高阶动态贝叶斯建模方法[J]. 东北大学学报（自然科学版）, 2023, 44(3): 323-330.
[7]	李海燕，熊立昌，郭磊，李海江. 基于U-net边缘生成和超图卷积的两阶段修复算法[J]. 东北大学学报（自然科学版）, 2023, 44(3): 331-339.
[8]	罗忠，吴东泽，李雷，葛长闯. 转子系统动力学仿真平台设计与实验验证[J]. 东北大学学报（自然科学版）, 2023, 44(3): 375-381.
[9]	李贞妮, 李晶皎, 王骄, 杨丹. 基于FPGA的2D-Torus片上网络无死锁路由算法[J]. 东北大学学报（自然科学版）, 2021, 42(1): 1-6.
[10]	杨丹，刘国如，任梦成，裴宏杨. 多尺度卷积核U-Net模型的视网膜血管分割方法[J]. 东北大学学报（自然科学版）, 2021, 42(1): 7-14.
[11]	韩东红，张宏亮，朱帅伟，齐孝龙. 面向新浪微博的情感社区检测算法[J]. 东北大学学报（自然科学版）, 2021, 42(1): 21-31.
[12]	刘宇，魏希来，王帅，戴丽. 基于深度学习的光纤收卷机器视觉自动检测技术[J]. 东北大学学报（自然科学版）, 2021, 42(1): 68-74.
[13]	原培新，陈鼎夫. 双能X射线高动态范围安检图像压缩算法[J]. 东北大学学报（自然科学版）, 2021, 42(1): 96-101.
[14]	王艳飞，覃文军，杨金柱，康雁. 一种快速自旋回波的受激回波伪影校正方法[J]. 东北大学学报（自然科学版）, 2021, 42(1): 147-152.
[15]	魏颖, 徐楚翘, 刁兆富, 李伯群. 基于生成对抗网络的多目标行人跟踪算法[J]. 东北大学学报（自然科学版）, 2020, 41(12): 1673-1680.

基于增广拉格朗日的全变分正则化CT迭代重建算法

Total Variation Regularization CT Iterative Reconstruction Algorithm Based on Augmented Lagrangian Method

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价