投影插值聯合物理校正的自適應CT金屬偽影消除算法

CT可以獲得具有清晰解剖結構信息的圖像，被廣泛應用于影像診斷、手術導航等臨床任務，但當患者體內存在金屬植入物時，會受到射束硬化、光子饑餓等物理效應的影響，從而在重建圖像中引入金屬偽影。金屬偽影會掩蓋組織解剖結構信息或者病變區域，進而影響臨床診斷。金屬偽影的去除一直以來都是CT成像領域中的一個難題。為抑制CT圖像中的金屬偽影，國內外學者相繼提出多種解決思路，主要為4種方法：投影數據金屬軌跡插值、物理校正、迭代校正方法、和深度學習方法。

2005年12月，朱炳仁與81歲的古文物專家羅哲文、89歲的古建筑專家鄭孝燮聯名向京杭大運河沿岸18個城市市長各發出一封《關于加快京杭大運河遺產保護和“申遺”工作的信》，得到了積極響應，拉開了運河保護與申遺的序幕。

物理校正方法需要結合金屬的種類，且依賴CT的掃描條件，無法適用于臨床復雜多變的情況。基于迭代校正方法，通過在迭代重建算法中加入一些正則項的約束，如總變分、小波稀疏和能譜模型約束來迭代校正金屬偽影，然而迭代過程需要大量計算資源，且面臨復雜的超參數調節。近年來，深度卷積神經網絡也被用于金屬偽影去除。但深度學習存在內在機理不可理解、泛化性能欠佳等問題。在比較算法處理時間和算法穩定性方面，投影數據插值的方法具有簡單、穩定和高效的優點。投影插值金屬偽影校正通過插值補全或前向投影方式來替換被金屬損壞的投影數據，但替換補全的投影與原始投影不匹配，從而會引入新偽影和損壞金屬周圍的結構信息。……