طراحی و ساخت یک نمونه اولیه از یک روش نوین بازسازی تصویر درمیکرو سی تی با قابلیت کاهش تعداد نماها (projections) به کمک هوش مصنوعی، موثر در کاهش مدت زمان تصویربرداری و بازسازی تصویر
بازسازی تصویر CT با تعداد کم پروجکشن یکی از اصلی ترین راه ها برای به حداقل رساندن دوز تابش و زمان تصویر برداری می باشد.
خلاصه ضرورت اجرای طرح
بازسازی تصویر CT با تعداد کم پروجکشن یکی از اصلی ترین راه ها برای به حداقل رساندن دوز تابش و زمان تصویر برداری می باشد. سی تی با تعداد پروجکشن کم نوید زیادی برای تسریع در جمع آوری داده ها و کاهش دوز تابش در سی تی اسکن دارد. به منظور کاهش خطر بالقوه تابش، سی تی با تعداد پروجکشن پایین توجه بیشتری را به خود جلب کرده است. با این حال، کاهش دوز تابش و تعداد پروجکشن ها به سادگی به طور قابل توجهی کیفیت تصویر را کاهش می دهد و به دلیل تعداد ناکافی پروجکشن ها، روش های بازسازی تحلیلی منجر به آرتیفکت های استریک شدید می شود. پیشرفت های اخیر در الگوریتم های بازسازی CT با تعداد پروجکشن کم، مانند الگوریتم های بازسازی تکراری، تصویر با کیفیت عالی را به دست می آورد در حالی که به قدرت و زمان محاسباتی پیشرفته ای نیاز دارد.
اخیراً، از یادگیری عمیق (DL) به طور گسترده ای در برنامه های مختلفی استفاده می شود و نتایج قابل قبول بسیاری را به دست آورده است. در این کار برای مقابله با این مشکلات، ما با الهام از موفقیت یادگیری عمیق در برنامه های بینایی رایانه ای ، ما می خواهیم یک الگوریتم جدید با سی تی با پروجکشن های تنکی و مبتنی بر یک رویکرد یادگیری عمیق ایجاد کنیم و یک روش جدید برای بازسازی CT با تعداد پروجکشن کم بر اساس روش DL پیشنهاد کنیم و برتری آن را به روش های درون یابی موجود و همچنین رویکرد بازسازی تصویر تکراری نشان می دهیم. این روش را می توان به دو مرحله تقسیم کرد. ابتدا از فیلتربک پروجکشن (FBP) برای بازسازی تصویر CT از تعداد کم پروجکشن استفاده می شود و سپس، نتایج FBP به یک شبکه عصبی DL منتقل می شود تا تصاویر باکیفیت بالا را بدست آوریم.
در این مطالعه به طور خاص بر بازسازی داده های بدست آمده از میکرو سی تی تمرکز می شود، هر چند که برای بسیاری ازکاربردهای دیگر سی تی نیز می تواند قابل استفاده باشد. زمان اسکن در میکروسی¬تی آن قدر طولانی هست که در مطالعات اخیر در پیش بالینی نیاز به تصویربرداری دینامیک (برای مثال تصویربرداری از عبور ماده حاجب و یا تصویربرداری چهاربعدی از قلب موش) مشاهده شده است که برای این نوع تصویربرداری به شدت نیاز است که بتوان قدرت تفکیک زمانی را افزایش داد. هدف ما در این مطالعه استفاده از بازسازی با پروجکشن های تنکی مبتنی بر یادگیری عمیق برای افزایش قدرت تفکیک زمانی و کیفیت تصویر با میکروآمپر پایین و تصویربرداری کوتاه مدت می باشد.
ارسال نظر