检索结果-南通市图书馆

作者：孙孟英重庆理工大学

学位级别：硕士

X射线荧光CT是一种利用X射线荧光分析与X射线CT技术相结合的无损检测技术,通过特征X射线的能量和强度分析样品中高Z元素的种类和分布,在药物靶向治疗、癌症早期诊断等领域应用前景广阔。然而,样品本身对入射X射线以及荧光X射线的吸收是... 详细信息

X射线荧光CT是一种利用X射线荧光分析与X射线CT技术相结合的无损检测技术,通过特征X射线的能量和强度分析样品中高Z元素的种类和分布,在药物靶向治疗、癌症早期诊断等领域应用前景广阔。然而,样品本身对入射X射线以及荧光X射线的吸收是制约其高质量图像重建的重要因素之一。近年来,随着深度学习技术的不断发展,卷积神经网络强大的特征提取能力为X射线荧光CT重建技术的发展提供了新的思路和方法。因此,本文基于管激发平行孔准直扇束X射线荧光CT成像系统,以提升重建图像质量为目的,开展了相关研究,具体研究内容如下:（1）开展X射线荧光CT成像理论研究。详细分析X射线荧光CT在成像系统、吸收校正算法以及重建算法方面的国内外研究现状;并以X射线荧光CT的数理基础、模拟技术、卷积神经网络等为基础,从X射线荧光CT的吸收校正算法和重建算法等方面展开研究。（2）针对X射线荧光CT因吸收效应造成重建图像质量不佳的问题,研究基于改进U-Net网络的X射线荧光CT吸收校正方法。采用数值模拟方式构建扇束X射线荧光CT系统扫描实验模体获得投影正弦图作为数据集,在U-Net网络模型中引入可分离卷积块和批量归一化层以调整其模型结构,为减少参数和计算量使用了单层卷积。基于Geant4软件模拟扇束X射线荧光CT系统,获得蒙特卡洛仿真的投影数据以验证算法的有效性,并通过图像质量评价指标SSIM、NRMSE、CNR、图像平均梯度、标准差等分析比较了数值模拟实验和蒙特卡洛模拟实验中校正前后的正弦图和重建图像的质量,校正后的重建图像平均梯度和标准差分别提高了29.9%和28.6%,结果表明校正后的重建图像质量得到提升。（3）针对传统的解析重建算法和迭代重建算法存在重建图像质量不佳、耗时等局限性,研究基于残差编解码网络的X射线荧光CT图像重建方法。将残差学习机制和SA-GAN自注意力模块引入编解码网络中,以关注正弦图域中的全局特征信息,并结合所提的吸收校正方法实现投影正弦图的校正和图像重建,最后分别基于数值模体GNPs和PMMA中嵌入Nd（NO）溶液的蒙特卡洛仿真成像模体获得投影数据,通过FBP算法、MLEM算法、本文算法重建图像,通过图像质量评价参数NMSE、PSNR分析比较了重建图像的质量,结果表明本文算法在数值模拟时的重建图像质量略优于对比算法。

关键词： X射线荧光CT 吸收校正图像重建卷积神经网络

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的扇束X射线荧光CT自吸收校正

引用

激光与光电子学进展 2024年

作者：孙孟英蒋上海李相朋黄鑫汤斌胡新宇罗彬彬石胜辉赵明富周密重庆理工大学理学院重庆理工大学光纤传感与光电检测重庆市重点实验室

在X射线荧光计算断层扫描成像过程中，样品本身对入射X射线以及荧光X射线的吸收衰减是制约其高质量图像重建的重要因素之一。本文提出一种基于深度学习的X射线荧光CT自吸收校正方法，利用基于U-net的卷积神经网络学习原始投影数据中的... 详细信息

在X射线荧光计算断层扫描成像过程中，样品本身对入射X射线以及荧光X射线的吸收衰减是制约其高质量图像重建的重要因素之一。本文提出一种基于深度学习的X射线荧光CT自吸收校正方法，利用基于U-net的卷积神经网络学习原始投影数据中的对称结构分布，实现从受自吸收影响的正弦图中恢复完备的投影数据；通过数值模拟建立扇束XFCT成像系统获得20000组荧光正弦图实现网络训练、测试与验证，并通过Geant4软件仿真获得受自吸收影响的投影数据作进一步验证。结果表明，训练良好的神经网络能对不完整的投影数据实现自吸收校正，进而提高重建图像的质量。

关键词：深度学习自吸收校正 X射线荧光CT 数值模拟

来源：

同方期刊数据库评论