利用机器学习进行能谱CT多材料分解
作者单位：清华大学工程物理系
会议名称：《第十五届中国体视学与图像分析学术会议》
会议日期：2017年
学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
摘 要：能谱计算机断层成像可以对被测物体进行多能区的重建,因此可以被用于进行多材料分解,把重建得到的线衰减系数信息转变为物体内部基材料的分布。然而,传统的图像域材料分解算法只基于局部像素,对重建图像的质量要求很高。对此,本文提出一种卷积材料分解算法,训练神经网络使其找到材料分解的模式。通过一组实验表明,神经网络在基材料线衰减系数十分接近,重建图像环状伪影严重的情况下,仍然能得到较好的分解结果。对比传统的直接逆变换法,卷积材料分解法将分解的均方误差减少了96.9%。