MATLAB實(shí)現(xiàn)shepp-Logan頭模型X-CT圖像重建過(guò)程

一、CT圖像重建原理

在CT成像中,物體對(duì)X射線的吸收起主要作用咏雌,在均勻物體中换薄,X射線的衰減服從指數(shù)規(guī)律。在X射線穿透人體器官或組織時(shí),由于人體器官或組織是由多種物質(zhì)成分和不同的密度構(gòu)成的,所以各點(diǎn)對(duì)X射線的吸收系數(shù)是不同的。將沿著X射線束通過(guò)的物體分割成許多小單元體(體素)稀轨,令每個(gè)體素的厚度均為L(zhǎng)。設(shè)L足夠小岸军,使得每個(gè)體素均勻奋刽,每個(gè)體素的吸收系數(shù)為常值,如果X射線的入射強(qiáng)度I0艰赞、透射強(qiáng)度I和物體體素的厚度L均為已知佣谐,沿著X射線通過(guò)路徑上的吸收系數(shù)之和μ1+μ2+……+μn就可計(jì)算出來(lái)。

為了建立CT圖像方妖,必須先求出每個(gè)體素的吸收系數(shù)μ1狭魂、μ2、μ3……μn。為求出n個(gè)吸收系數(shù)雌澄,需要建立如上式那樣n個(gè)或n個(gè)以上的獨(dú)立方程斋泄。CT成像裝置從不同方向上進(jìn)行多次掃描,來(lái)獲取足夠的數(shù)據(jù)建立求解吸收系數(shù)的方程镐牺。

吸收系數(shù)是一個(gè)物理量炫掐,它是CT影像中每個(gè)像素所對(duì)應(yīng)的物質(zhì)對(duì)X射線線性平均衰減量大小的表示。再將圖像面上各像素的CT值轉(zhuǎn)換為灰度睬涧,就得到圖像面上的灰度分布募胃,就是CT影像。

CT重建過(guò)程可以采用直接反投影和卷積反投影來(lái)實(shí)現(xiàn)畦浓。卷積反投影重建圖像時(shí)痹束,先把由檢測(cè)器上獲得的原始數(shù)據(jù)與一個(gè)濾波函數(shù)進(jìn)行了卷積運(yùn)算,得到各方向卷積的投影函數(shù)宅粥;然后再把它們從各方向進(jìn)行反投影参袱,即按其原路徑平均分配到每一矩陣元上,進(jìn)行疊加后得到每一矩陣元的CT值秽梅;再經(jīng)過(guò)適當(dāng)處理后就可以得到被掃描物體的斷層圖像,卷積反投影可消除單純的反投影產(chǎn)生的邊緣失銳效應(yīng)剿牺,補(bǔ)償投影中的高頻成分和降低投影中心密度企垦,并保證重建圖像邊緣清晰和內(nèi)部分布均勻。

二晒来、利用MATLAB2016a進(jìn)行CT圖像重建

1钞诡、仿真頭部模型數(shù)據(jù)的獲取

利用MATLAB中P = phantom(def, n)函數(shù)可以方便地直接獲取Shepp-Logan頭模型,其中字符型參數(shù)def在X射線斷層掃描中研究者主要采用'Shepp-Logan'以及默認(rèn)情況為'Modified Shepp-Logan' (default)湃崩,標(biāo)量參數(shù)n指明矩陣P的行列數(shù)目荧降,默認(rèn)情況下為256。這樣我們很容易獲取模型的數(shù)據(jù)從而避免了利用C++等其他程序語(yǔ)言進(jìn)行數(shù)據(jù)獲取方式的不便攒读。C++獲取SheepLogan函數(shù)的思路為遍歷圖像朵诫,檢測(cè)圖像的每一個(gè)像素點(diǎn)是否依次在某一橢圓中,若在橢圓外薄扁,則置為背景色剪返,在其他任何橢圓中,則置為該橢圓對(duì)應(yīng)的灰度值邓梅。

P =phantom('Modified Shepp-Logan',200);

2脱盲、利用反投影法進(jìn)行圖像重建

圖像重建的算法采取的是濾波反投影法,先通過(guò)X射線束在體層的各個(gè)方向上對(duì)各體素進(jìn)行掃描日缨,測(cè)得一系列的投影值钱反,然后,把各個(gè)方向的投影值沿原路徑反方向投影回與原體素空間位置一樣的體素上,得到該體素在各方向上反投影值的總和面哥,通過(guò)計(jì)算機(jī)運(yùn)算哎壳,求出各體素值,實(shí)現(xiàn)圖像的重建幢竹。

利用radon變換函數(shù)進(jìn)行各個(gè)角度所獲取的Shepp-Logan頭像投影耳峦,也就是將圖像在某一個(gè)方向上做線性積分(或累計(jì)求和)。如果將圖像看成是二維函數(shù)f(x, y)焕毫,那么其投影就是在特定方向的線性積分蹲坷,比如f(x, y)在垂直方向的線性積分就是其在x軸上的投影。函數(shù)R = radon(I, theta)中參數(shù)I為上節(jié)獲取的灰度圖像邑飒,theta為指定的投影角度循签。

theta0=0:36:144;

[R0,xp] = radon(P,theta0);%5個(gè)投影角度;

theta1=0:18:162;

[R1,xp] = radon(P,theta1);%10個(gè)投影角度;

theta2 = 0:10:170;

[R2,xp] = radon(P,theta2);%18個(gè)投影角度;

theta3 = 0:5:175;

[R3,xp] = radon(P,theta3);%36個(gè)投影角度;

theta4 = 0:2:178;

[R4,xp] = radon(P,theta4);%90個(gè)投影角度;

I0=iradon(R0,36);

I1=iradon(R1,18);

I2=iradon(R2,10);

I3=iradon(R3,5);

I4=iradon(R4,2);

3、濾波反投影圖像重建過(guò)程

利用MATLAB中的iradon函數(shù)對(duì)上步獲得的投影數(shù)據(jù)進(jìn)行濾波反投影重建疙咸,獲得Shepp-Logan模型的重建圖像县匠。

figure;

subplot(3,2,1),imshow(P)

title('(a)Shepp-Logan head phantom image')

subplot(3,2,2),imshow(I0)

title('(b)Backprojection from 5 projections');

subplot(3,2,3),imshow(I1)

title('(c)Backprojection from 10 projections');

subplot(3,2,4),imshow(I2)

title('(d)Backprojection from 18 projections');

subplot(3,2,5),imshow(I3)

title('(e)Backprojection from 36 projections');

subplot(3,2,6),imshow(I4)

title('(f)Backprojection from 90 projections');

三、X-CT圖像重建MATLAB仿真結(jié)果

以上結(jié)果表明撒轮,隨著旋轉(zhuǎn)角度變小乞旦,也就是增大投影個(gè)數(shù),灰度圖像重建越好题山,越接近實(shí)際效果兰粉。
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市顶瞳,隨后出現(xiàn)的幾起案子玖姑,更是在濱河造成了極大的恐慌,老刑警劉巖慨菱,帶你破解...
    沈念sama閱讀 206,126評(píng)論 6 481
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件焰络,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡符喝,警方通過(guò)查閱死者的電腦和手機(jī)闪彼,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,254評(píng)論 2 382
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)洲劣,“玉大人备蚓,你說(shuō)我怎么就攤上這事〈鸦” “怎么了郊尝?”我有些...
    開(kāi)封第一講書人閱讀 152,445評(píng)論 0 341
  • 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)战惊。 經(jīng)常有香客問(wèn)我流昏,道長(zhǎng),這世上最難降的妖魔是什么? 我笑而不...
    開(kāi)封第一講書人閱讀 55,185評(píng)論 1 278
  • 正文 為了忘掉前任况凉,我火速辦了婚禮谚鄙,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘刁绒。我一直安慰自己闷营,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 64,178評(píng)論 5 371
  • 文/花漫 我一把揭開(kāi)白布知市。 她就那樣靜靜地躺著傻盟,像睡著了一般。 火紅的嫁衣襯著肌膚如雪嫂丙。 梳的紋絲不亂的頭發(fā)上娘赴,一...
    開(kāi)封第一講書人閱讀 48,970評(píng)論 1 284
  • 那天,我揣著相機(jī)與錄音跟啤,去河邊找鬼诽表。 笑死,一個(gè)胖子當(dāng)著我的面吹牛隅肥,可吹牛的內(nèi)容都是我干的竿奏。 我是一名探鬼主播,決...
    沈念sama閱讀 38,276評(píng)論 3 399
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼腥放,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼议双!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起捉片,我...
    開(kāi)封第一講書人閱讀 36,927評(píng)論 0 259
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎汞舱,沒(méi)想到半個(gè)月后伍纫,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 43,400評(píng)論 1 300
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡昂芜,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 35,883評(píng)論 2 323
  • 正文 我和宋清朗相戀三年莹规,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片泌神。...
    茶點(diǎn)故事閱讀 37,997評(píng)論 1 333
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡良漱,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出欢际,到底是詐尸還是另有隱情母市,我是刑警寧澤,帶...
    沈念sama閱讀 33,646評(píng)論 4 322
  • 正文 年R本政府宣布损趋,位于F島的核電站患久,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜蒋失,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,213評(píng)論 3 307
  • 文/蒙蒙 一返帕、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧篙挽,春花似錦荆萤、人聲如沸。這莊子的主人今日做“春日...
    開(kāi)封第一講書人閱讀 30,204評(píng)論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至算行,卻和暖如春梧油,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背州邢。 一陣腳步聲響...
    開(kāi)封第一講書人閱讀 31,423評(píng)論 1 260
  • 我被黑心中介騙來(lái)泰國(guó)打工儡陨, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人量淌。 一個(gè)月前我還...
    沈念sama閱讀 45,423評(píng)論 2 352
  • 正文 我出身青樓骗村,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親呀枢。 傳聞我的和親對(duì)象是個(gè)殘疾皇子胚股,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 42,722評(píng)論 2 345

推薦閱讀更多精彩內(nèi)容

  • 1. 關(guān)于診斷X線機(jī)準(zhǔn)直器的作用,錯(cuò)誤的是()裙秋。 (6.0 分) A. 顯示照射野 B. 顯示中心線 C. 屏蔽多...
    我們村我最帥閱讀 10,263評(píng)論 0 5
  • 01. 顱腦CT掃描采用的聽(tīng)眶線是()琅拌。 (1.0 分) A. 外耳孔與外眼眥的連線 B. 外耳孔上緣與眶下緣的連...
    我們村我最帥閱讀 3,162評(píng)論 0 6
  • 本章介紹了基于elastix的基本配準(zhǔn)概念。 更高級(jí)的配準(zhǔn)主題將在第6章中討論摘刑。圖像配準(zhǔn)是醫(yī)學(xué)影像領(lǐng)域的重要工具进宝。...
    peterpan_hai閱讀 9,472評(píng)論 1 10
  • 13.1.1 PHP中GD庫(kù)的使用 GD簡(jiǎn)介 JPEG 是一種壓縮標(biāo)準(zhǔn)的名字,通常是用來(lái)存儲(chǔ)照片或者存儲(chǔ)具有豐富色...
    曹淵說(shuō)創(chuàng)業(yè)閱讀 254評(píng)論 0 0
  • 笑來(lái)老師的Press.one設(shè)計(jì)的核心概念是:簡(jiǎn)單枷恕。巧妙的將區(qū)塊鏈的去中心化和非區(qū)塊鏈的中心化打太極式的結(jié)合不禁讓...
    大智若渝閱讀 164評(píng)論 0 0