[发明专利]基于阿尔法散度约束的全变分最小化剂量CT重建方法

权利要求书

1.一种基于阿尔法散度约束的全变分最小化低剂量CT重建方法，其特征在于包括以下步骤：

(1)利用CT成像设备采集原始投影数据，对采集到的投影数据进行CT图像预重建；

(2)将步骤(1)中的CT图像预重建的结果作为初值，并构建CT重建模型；

(3)采用迭代过程求解步骤(2)中CT重建模型，对每步迭代后的结果进行全变分图像恢复，同时判断每步迭代后的结果是否满足终止迭代条件：若否，将全变分恢复得到的图像数据作为下一步迭代初值并继续迭代过程；若是，则将当前全变分恢复得到的图像数据作为最终重建结果。

2.根据权利要求1所述的基于阿尔法散度约束的全变分最小化低剂量CT重建方法，其特征在于：所述步骤(1)中的CT图像预重建过程为：对CT成像设备采集的原始投影数据采用滤波反投影方法进行图像预重建处理或采用快速的迭代算法进行图像预处理重建。

3.根据权利要求2所述的基于阿尔法散度约束的全变分最小化低剂量CT重建方法，其特征在于：所述的快速的迭代算法为最大似然期望最大算法或最大后验估计算法。

4.根据权利要求1至3任意一项所述的基于阿尔法散度约束的全变分最小化低剂量CT重建方法，其特征在于：所述步骤(2)中的CT重建模型为：其中：f为采集到的原始投影数据；Kμ为迭代过程中生成的投影数据，K＝{K_i，j}为系统矩阵，i，j分别为待重建CT图像的像素个数和CT探测器探测元的个数；μ表示待重建的衰减图像；D_α(f‖Kμ)为数据保真项，α∈[0.6，2]；|μ|_TV为全变分正则化项。

5.根据权利要求4所述的基于阿尔法散度约束的全变分最小化低剂量CT重建方法，其特征在于：所述步骤(3)中的迭代过程采用期望最大化迭代方法进行计算。

6.根据权利要求5所述的基于阿尔法散度约束的全变分最小化低剂量CT重建方法，其特征在于：所述系统矩阵是从CT成像设备的系统得到的基于面积加权的系统矩阵，或者，基于体素加权的系统矩阵。

7.根据权利要求6所述的基于阿尔法散度约束的全变分最小化低剂量CT重建方法，其特征在于：所述步骤(3)中全变分图像恢复的计算过程为：μk+1α=μk+.5α-αλ‾μkαdiv(w),]]>其中λ‾=λ/ΣiKi,j;]]>μ_k+1为全变分恢复后的图像数据，div为散度算子，w为二元变量。

8.根据权利要求7所述的基于阿尔法散度约束的全变分最小化低剂量CT重建方法，其特征在于：所述步骤(4)中迭代终止条件为：相邻两次全变分图像恢复后的重建模型的差小于阈值。

9.根据权利要求8所述的基于阿尔法散度约束的全变分最小化低剂量CT重建方法，其特征在于：所述阈值为0.001。