科研之友
微信
新浪微博
Facebook
分享链接
摘要
在医疗诊断中，稀疏采样能减少CT扫描过程中辐射对患者的伤害.但直接对稀疏采样后的投影数据进行重建，会使CT重建后的图像出现失真、伪影等问题.为保证低采样率下重建图像的质量，提出了双字典自适应学习算法，参照Sparse-Land模型的双字典学习框架，将K-SVD算法与双字典学习算法框架相结合得到补全投影数据，利用FBP算法进行重建得到高质量的重建图像.实验结果表明，在低采样率下使用所提方法进行CT重建的图像质量优于COMP双字典学习算法和MOD双字典学习算法，并且此方法有效提高了CT图像重建在低采样率时的性能.
- 单位
