基于扩散模型的低剂量CT投影域单样本成像研究

作     者：卢诗雨 

作者单位：南昌大学 

学位级别：硕士

导师姓名：刘且根;李炳轩

授予年度：2024年

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 100207[医学-影像医学与核医学] 1006[医学-中西医结合] 1002[医学-临床医学] 1001[医学-基础医学(可授医学、理学学位)] 08[工学] 080203[工学-机械设计及理论] 1010[医学-医学技术（可授医学、理学学位）] 0802[工学-机械工程] 100106[医学-放射医学] 10[医学] 100602[医学-中西医结合临床] 

主      题：低剂量CT 单样本 扩散模型 投影域 Hankel矩阵 

摘      要：作为当今临床医学影像诊断的重要方法之一,计算机断层扫描(Computed Tomography,CT)在医学诊断领域发挥着重大作用。然而,在CT成像过程中,病人暴露于高剂量的辐射可能会增加罹患癌症的风险。为了减少该风险,研究者们正在积极探索降低X射线扫描剂量后仍能实现高质量重建的方法。低剂量CT重建是一个经典的逆问题,具有不适定性。随着X射线扫描剂量的降低,重建得到的CT图像总是容易出现伪影和噪声问题,这对重建算法提出了更高的要求。与此同时,一般基于深度学习的重建方法需要大量的数据来支撑训练。医学图像数据涉及采集者隐私,往往稀少且昂贵,并且采集起来十分耗时。为了解决以上两个问题,本研究设计了一种基于扩散模型的低剂量CT投影域单样本重建方法,在提高低剂量CT重建图像质量的同时,也减少模型训练所需的样本数量。本研究致力于将低秩-冗余数据构造为高维张量形式以充分挖掘先验分布并将其用于低剂量CT重建算法中。 (1)对于低剂量CT图像重建容易产生伪影和噪声的问题,依托基于随机微分方程的扩散模型,设计了一种基于马尔可夫链蒙特卡罗算法和数值随机微分方程求解器的迭代生成方法。该方法可以在投影域使用Hankel矩阵结构和多尺度噪声策略扰动先验信息为先验分布建模。在模型生成阶段,运用逆过程随机微分方程求解器、惩罚加权最小二乘项和全变分项进行交替迭代,以确保重建结果的精确性。定性和定量的实验结果显示,该方法可以在降低CT扫描辐射剂量的同时,保持较高的重建质量。 (2)对于医学样本稀少昂贵但训练阶段模型需要大量数据的问题,本研究提出了一种通过构建低秩-冗余Hankel矩阵来推断CT正弦图内部统计信息的策略。对单个投影域样本进行Hankel变换,得到Hankel矩阵,再通过滑动窗口机制从Hankel矩阵中随机提取足够的先验信息块,这些信息块可以叠加成高维张量供模型训练。该方法巧妙地利用Hankel矩阵的低秩-冗余特性,可以从单个样本中充分学习样本内部统计特性,解决了模型训练需要大量医学样本的问题,增加了医学图像重建的临床可行性。