1、自計算機斷層成像技術（Computed Tomography，CT）投入到臨床診斷應用中以后，以其高分辨率、高靈敏度、多層面掃描等優(yōu)越性，發(fā)揮了較傳統(tǒng)X射線機檢查更大的臨床價值。錐形束CT(Cone Beam Computed Tomography，CBCT)是20本世紀末開始應用于臨床的一種新型CT技術。它采用錐形束X射線配合平板探測器，圍繞患者感興趣部位旋轉掃描，通過計算機系統(tǒng)重建圖像并顯示，具有成像時間短，輻射劑量低等特點。由于C

2、BCT能從三維的角度來顯示病變組織和正常組織結構，避免了二維平片固有的缺陷，如成像部位組織結構的影像重疊等，所以CBCT在臨床中得到了廣泛的應用。
　　CBCT圖像重建一直是放射成像領域中的熱點話題。在臨床應用中，一方面，為了使醫(yī)生及時發(fā)現(xiàn)病人身體內的微小病變，提高疾病診斷的正確率，需要通過CBCT獲取清晰無偽影、無誤差的優(yōu)質圖像，導致患者接受的X射線輻射劑量大幅度增長;另一方面，加大X射線輻射劑量會對人體生殖系統(tǒng)、神經系統(tǒng)和免疫

3、系統(tǒng)造成直接傷害，是心血管疾病、糖尿病、癌突變的主要誘發(fā)因素之一，并可直接影響未成年人的身體組織與骨骼的發(fā)育，引起視力、記憶力下降和肝臟造血功能下降，嚴重者可導致視網(wǎng)膜脫落。因此，鑒于CBCT中X射線輻射劑量高低的優(yōu)劣勢，需要平衡兩者的關系，即在保證圖像質量的同時，盡可能降低掃描輻射劑量。降低掃描輻射劑量的方法主要有硬件技術、掃描技術和圖像重建技術。硬件技術包括通過降低管電流強度、曝光參數(shù)等;掃描技術包括掃描時間、掃描方式等;圖像重建技

4、術指改進現(xiàn)有圖像重建算法。本文主要探討和研究CBCT圖像重建技術。
　　CBCT圖像重建算法主要分為解析重建算法和迭代重建算法。
　　解析重建算法主要以基于濾波反投影(Filtered Back Projection，F(xiàn)BP)算法的FDK算法為主。FBP算法適用于平行束和扇形束圖像重建，探測器為一維探測器。此算法的實現(xiàn)流程包括:第一步，求出投影數(shù)據(jù)的一維傅里葉變換;第二步，對傅里葉變換后的數(shù)據(jù)乘以斜坡濾波器的傳遞函數(shù);第三步

5、，對第二步中的結果進行一維傅里葉反變換得到最終的重建圖像。FDK算法實際上是二維FBP算法的三維擴展，適用于錐形束圖像、平板探測器重建，其算法實現(xiàn)流程包括:第一步，利用余弦函數(shù)對投影數(shù)據(jù)進行加權;第二步，對不同角度的投影數(shù)據(jù)進行水平方向上的一維濾波;第三步，沿X射線方向進行三維反投影。解析重建算法的優(yōu)點是方法簡單、重建時間快，可以利用完整的投影數(shù)據(jù)重建出高質量的圖像，但是當投影數(shù)據(jù)出現(xiàn)缺失時，解析算法重建圖像的質量明顯下降。在CBCT實

6、際掃描中，圖像掃描區(qū)域(Scan Field of View，SFOV)通過X射線源和平板探測器尺寸確定，由于平板探測器成本高，同時為了降低病人所受的X射線輻射劑量，所以平板探測器尺寸有限，因此采用傳統(tǒng)的掃描幾何結構所覆蓋的視野有限，往往不能夠完全覆蓋待掃描區(qū)域。當患者過度肥胖、技師未能精確擺位或者病人移動時，X射線束不足以覆蓋患者的全部待掃描區(qū)域，部分超出SFOV以外，導致投影數(shù)據(jù)存在缺失。直接采用傳統(tǒng)解析重建算法進行重建，會造成重建

7、圖像出現(xiàn)截斷偽影，表現(xiàn)為亮圈偽影和亮斑偽影，重建圖像的質量明顯下降，影響醫(yī)生對檢查區(qū)域的判斷。亮圈偽影是因為平板探測器寬度有限，導致兩側投影數(shù)據(jù)存在缺失，重建出來的部分中間斷層圖像在SFOV周圍會存在亮圈偽影，降低重建圖像質量。為了解決這一問題，Ohnesorge等提出鏡像投影算法，其算法實現(xiàn)流程包括:第一步，尋找被截斷的投影數(shù)據(jù)邊界值2倍的位置，邊界與此位置的距離為需要補充的投影數(shù)據(jù)的長度;第二步，以邊界值為中心利用鏡像投影算法補充投

8、影數(shù)據(jù);第三步，投影數(shù)據(jù)補充完成后通過正弦函數(shù)或者余弦函數(shù)進行修正;第四步，通過FDK算法獲得重建圖像。此算法可以較好地去除亮圈偽影，但是由于截斷的投影數(shù)據(jù)邊界值2倍的位置是個未知數(shù)，導致部分重建圖像未能有效地去除亮圈偽影。亮斑偽影是由于平板探測器高度有限或者物體在高度上過長，導致投影數(shù)據(jù)在高度上存在缺失。使用傳統(tǒng)的FDK算法重建出來的三維圖像，在頂部和底部的部分斷層圖像中會出現(xiàn)圖像結構不完整或者亮度差異，形成中心亮斑，即亮斑偽影。為解

9、決亮斑偽影，Grass等提出了混合重建技術(Hybrid Reconstruction Techniques，HRT)，其原理是在傳統(tǒng)的解析重建算法中，針對投影數(shù)據(jù)冗余區(qū)域進行加權處理，保證處理后投影數(shù)據(jù)的平滑連續(xù)及反投影系數(shù)的歸一化。但是，重建精度與投影數(shù)據(jù)冗余區(qū)域長度密切相關，并且重建出來的圖像在周圍會有部分條狀偽影，外圍會有一層暗圈，將會影響圖像質量。
　　迭代重建算法主要分為代數(shù)迭代重建算法和統(tǒng)計迭代重建算法。代數(shù)迭代重建

10、算法主要分為代數(shù)重建算法(Algebraic Reconstruction Technique，ART)和聯(lián)合代數(shù)重建算法（Simultaneous Algebraic Reconstruction Technique，SART）。代數(shù)迭代重建算法的主要思想是按照假設圖像獲得的投影信息與實際檢測到的投影信息進行對比，進而進行校正以求出新的圖像。統(tǒng)計迭代重建算法主要為最大似然期望值最大算法(Maximum Likelihood Expec

11、tation Maximization,MLEM)，其主要思想是通過使用泊松噪聲模型作為目標函數(shù)，求解得到重建圖像。當對投影數(shù)據(jù)進行稀疏采樣時，雖然ART、SART、MLEM算法可以重建出比FBP算法質量較好的圖像，但其消耗時間長，并且圖像質量仍然無法滿足臨床要求。2006年，Sidky等提出了基于全變差(Total Variation，TV)正則化約束的算法[5]，即ART-TV算法，其原理是:利用圖像的稀疏性作為圖像的先驗信息，通過

12、約束求解空間，從而改善圖像重建質量，在稀疏角度重建條件下取得了較好的結果。2008年，Chen等人為了進一步提高圖像質量并減少病人的輻射劑量，提出了基于先驗圖像的壓縮感知(Prior Image Constrained CompressedSensing，PICCS)算法[6]。該算法是將同一個病人或者不同病人之前在相同部位、使用相同掃描參數(shù)得到的高質量圖像作為先驗圖像，使用此先驗圖像作為約束條件重建圖像。PICCS算法在先驗圖像與待重

13、建圖像幾何結構比較吻合的情況下可以得到較好的重建圖像，但是當先驗圖像與待重建圖像幾何結構存在位置偏差或者圖像內部結構出現(xiàn)差異時，重建圖像將會出現(xiàn)偽影，導致重建圖像質量下降。
　　針對以上問題，本文進行了初步的探討與研究。
　　第一章和第二章主要簡述了本文研究的背景意義并回顧了CBCT設備的組成以及CBCT圖像重建的基礎知識，學習并實現(xiàn)解析重建算法和迭代重建算法的主流算法，并對兩者的優(yōu)缺點進行了比較和分析。
　　第三章，

14、研究了CBCT投影數(shù)據(jù)缺失所導致的截斷偽影去除方法。針對亮斑偽影，提出了權重重建算法。其主要步驟為:第一步，對投影數(shù)據(jù)進行濾波;第二步，在FDK算法反投影的過程中，計算每個重建點被反投影的次數(shù);第三步，對第一步重建的圖像進行權重系數(shù)分配得到最終的重建圖像。采用Shepp-Logan體模和牙科體模投影數(shù)據(jù)進行圖像重建，實驗結果表明，該算法與HRT算法相比，不僅可以有效地將亮斑偽影去除，得到高質量的重建圖像，而且實現(xiàn)算法簡單。針對亮圈偽影，

15、改進并實現(xiàn)了一種自動鏡像投影重建算法。第一步，通過鏡像投影方法對每個角度下的每一行投影數(shù)據(jù)進行補充，具體補充數(shù)目通過本文提出的公式自動獲得;第二步，利用正弦函數(shù)或者余弦函數(shù)對補充投影數(shù)據(jù)進行矯正;第三步，通過FDK算法重建圖像。采用Shepp-Logan體模和牙科體模投影數(shù)據(jù)進行圖像重建，實驗結果表明，該算法可以有效的消除亮圈偽影。
　　第四章，針對PICCS方法的缺點，改進并實現(xiàn)了一種新的先驗圖像約束的全變差正則化算法，可以消除

16、當先驗圖像與待重建圖像幾何結構存在位置偏差或者內部結構存在差異時重建圖像出現(xiàn)的偽影，保證圖像質量的同時減少病人輻射劑量。其具體方法步驟為:第一步，選擇與待重建圖像結構相似的先驗圖像，將先驗圖像中各種均勻介質的像素平均值作為先驗信息;第二步，對投影數(shù)據(jù)進行ART算法重建，并加入非負約束，得到中間圖像;第三步，將先驗信息融入到基于全變差的最小化目標函數(shù)中，對中間圖像進行優(yōu)化;第四步，循環(huán)執(zhí)行第二步和第三步，直到滿足收斂準則。采用Shepp-