层析γ扫描透射图像迭代重建算法的改进研究

发布时间：2020-04-19 06:54

【摘要】：随着核工业的迅速发展,放射性核废物大量产生,层析γ扫描技术(Tomographic gamma scanning,TGS)作为目前先进的γ射线无损分析技术之一,能够对桶装核废物中放射性核素进行准确的定性和定量分析。TGS扫描过程包括透射测量和发射测量两部分,其中透射测量重建出的线衰减系数分布图像,是后续发射测量重建活度分布图像的基础,因此如何提高透射图像重建的精确度是改进整个TGS技术的有效途径,也是TGS中一个关键技术难点。本论文针对TGS关键技术之一的透射测量图像重建进行研究。针对传统迭代重建算法中迭代初值的选取问题,采用3种基于不同求解模型和优化条件的非迭代类方法:反投影算法(Back projection technique,BPT)、Tikhonov正则化算法和非最小最优化方法(Non-minimization optimization,NMO),结合TGS透射图像重建方程,对传统迭代算法:极大似然期望最大化法(Maximum likelihood expectation maximization,MLEM)进行优化,建立了3种改进型迭代重建算法:BPT-MLEM、NMO-MLEM和Tikhonov-MLEM。为了验证算法改进的有效性,本文开展了TGS透射测量模拟实验和实验测试。首先采用蒙特卡洛模拟程序MCNP建立透射源为~(60)Co和~(137)Cs的透射测量模型,对非均匀填充的单层5×5体素开展旋转扫描测量,并采用3种改进型迭代重建算法和传统MLEM算法进行相应透射图像重建。重建结果表明本文提出的3种初值改进算法适用于TGS透射图像重建,能够准确还原体素的线衰减系数值;且相比传统MLEM算法(重建误差范围5.52%~23.90%),初值优化技术下的3种改进算法能够有效提高重建精度(BPT-MLEM重建误差范围3.27%~20.56%,Tikhonov-MLEM重建误差范围0.57%~17.28%,NMO-MLEM重建误差范围1.97%~10.78%);3种优化技术中,NMO的改进效果最明显,BPT改进效果相对最差。在此基础上,基于TGS测量系统开展透射测量实验测试,将提出的改进算法和传统算法用于透射图像重建,并引入图像质量评价参数用于重建效果评价。重建结果显示:相同重建算法下的重建图像精度随着透射能量的增加而提高;其次,相比传统算法,改进算法重建出的透射图像与样品真实分布情况更为吻合,有效减少了重建图像中的伪影和误差,图像评价参数结果也表明初值优化技术能够有效提高MLEM迭代算法的重建精度;三种优化技术对传统MLEM算法重建准确性的改进效果:NMO-MLEM最好,Tikhonov-MLEM其次,BPT-MLEM最差,与模拟重建结果一致。证明了初值优化技术适用于TGS透射图像重建技术,能够有效提高MLEM迭代算法的重建图像质量和精度,为快速、准确的线衰减系数分布重建提供了新的依据和途径。
【图文】：

图 1-1 研究方法技术路线具体实施流程如下：①采用在求解图像重建离散问题中应用广泛的 3 种非迭代类优化求解模型：非最小最优化方法、基于最小二乘准则的 Tikhonov 正则化算法和 BPT 反投影技术，与 TGS 透射测量模型结合起来，对 TGS 透射方程进行优化求解，将得到的图像值结果作为传统迭代算法 MLEM 迭代步骤中的迭代初值，，得到 3 种基于初值优化原理的改进型迭代重建算法：NMO-MLEM、BPT-MLEM、Tikhonov-MLEM。②为了验证初值优化技术和 3 种改进方法的有效性，利用基于蒙特卡洛方法的软件 MCNP 进行 TGS 透射扫描测量的模拟实验；在探测器精细建模的基础上开展单层非均匀填充介质样品的旋转扫描测量，得到投影数据，并通过直接透射测量模拟实验获取填充材料在相应透射特征能量下的线衰减系数参考值。将 3种改进方法和传统 MLEM 算法用于透射图像重建，通过比较和分析样品线衰减系数重建值与参考值的相对误差，以及引入相应图像评价参数用于重建质量准确

图 2-1 γ射束在非均匀物质中的衰减选取足够小时可近似认为每一栅格内的物质是质时的强度 可表示为：栅格数。而在 TGS 透射测量过程中原理与上述收介质发生衰减，其衰减规律符合式(2-2)，可为介质被划分的体素网格总数， 为每个体素体素时的径迹长度。将上式两边取负自然对数ln ln GS 透射测量得到的是透射γ射线在经过介质材
【学位授予单位】：成都理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TL941;TP391.41

【相似文献】

相关期刊论文 前10条

1 伍乐生;谢世煊;;低照度三维船舶图像的重建方法研究[J];舰船科学技术;2018年08期

2 陈多芳;;医学图像重建课程的实验教学研究[J];时代教育;2014年17期

3 廖传平;;X线电子计算机体层摄影的基本结构和原理及临床应用[J];蚌埠医药;1987年01期

4 彭克欧;;X线断层光学模拟重建的进展(一)[J];医疗器械;1987年04期

5 曹少平;顾宏清;印春光;;代数迭代图像重建技术在SPECT图像重建中应用的研究[J];中国医疗器械杂志;2010年01期

6 左广霞;张全虎;贾小龙;刘杰;隋洪志;周志波;;层析γ扫描发射图像重建实验研究[J];核电子学与探测技术;2012年11期

7 范风云,张丙芳,陆军,魏文胜,石梅,南克俊;图像重建联合立体定向放射治疗肺癌36例[J];第四军医大学学报;2004年24期

8 王石嵩,郭文臣,郭洪生;东芝TCT-600HQCT机图像重建系统故障1例[J];中国医学影像技术;2002年07期

9 汪元美,吕维雪;多准则图像重建的神经网络实现[J];通信学报;1992年05期

10 张国平;牟忠德;;基于压缩感知的医学图像重建方法[J];生物医学工程学进展;2019年04期

相关会议论文 前10条

1 张挺;朱双华;;一种基于多点地质统计法的图像重建方法[A];第十五届全国图象图形学学术会议论文集[C];2010年

2 张德斌;王石;马天予;刘亚强;姚树林;;基于Origin Ensembles原理的PET系统新型图像重建方法[A];中国医学装备协会第二十六届学术与技术交流年会论文汇编[C];2017年

3 张唯;;正在开发的三维旋转血管造影图像重建工作站及在神经介入方面的应用(摘要)[A];中华医学会医学工程学分会第一次医学影像设备应用技术研讨会论文集[C];1999年

4 张宇;唐志列;吴泳波;谢家兴;代芬;赵文锋;;多种光声图像重建方法研究[A];中国光学学会2011年学术大会摘要集[C];2011年

5 李灿;张雄伟;刘家金;;PET图像重建方法的比较研究[A];中华医学会第九次全国核医学学术会议论文摘要汇编[C];2011年

6 魏龙;;正电子成像技术现状及发展[A];第十届全国正电子湮没谱学会议论文集[C];2009年

7 张海南;汤日杰;蔡霜;;基于16层CT的4D图像重建及其肺癌放疗中的应用[A];2009中华医学会影像技术分会第十七次全国学术大会论文集[C];2009年

8 张海南;汤日杰;张书旭;蔡霜;彭俊琴;张爱芳;;4维CT图像重建及其肺癌调强放疗中的应用[A];2010中华医学会影像技术分会第十八次全国学术大会论文集[C];2010年

9 李琳;单保慈;魏龙;刘力;;Micro-PET数据重组与图像重建[A];第九届全国正电子谱学会议论文集[C];2005年

10 王得水;常宇;高斌;轩艳娇;马鑫蕊;张娅;;基于CT图像重建的心室模型及有限元法分析[A];第十届全国生物力学学术会议暨第十二届全国生物流变学学术会议论文摘要汇编[C];2012年

相关重要报纸文章 前3条

1 赵熙熙;用X射线为细胞无损拍照[N];中国科学报;2012年

2 沈小平;知己知彼话CT[N];医药经济报;2001年

3 本报记者 吴苡婷;数字化时代来临 医疗大变革在即[N];上海科技报;2016年

相关博士学位论文 前10条

1 衣文军;激光层析距离谱图像重建研究[D];国防科技大学;2017年

2 童国炜;电容层析成像图像重建方法研究[D];华北电力大学(北京);2019年

3 丁乔乔;医学图像重建中的数学建模及算法研究[D];上海交通大学;2018年

4 朱捷;图像视频与图形的分割与表达及其应用研究[D];南京大学;2018年

5 宋西姊;基于超声调制的电阻抗层析成像技术研究[D];天津大学;2017年

6 李丹;基于l_0范数约束的稀疏优化算法及其在图像重建中的应用[D];哈尔滨工业大学;2018年

7 刘明明;基于单张图像的室内场景建模技术研究[D];南京大学;2019年

8 张伶俐;有限角及低信噪比CT图像重建的优化模型与算法研究[D];重庆大学;2018年

9 陈军波;基于k-空间钱采样的动态MRI重建方法研究[D];华中师范大学;2018年

10 冀东江;基于先验信息的图像重建和伪影矫正算法研究[D];北京交通大学;2018年

相关硕士学位论文 前10条

1 陈洋;基于直线图的直接傅里叶3D层析成像方法研究[D];哈尔滨工业大学;2019年

2 何艾静;层析γ扫描透射图像迭代重建算法的改进研究[D];成都理工大学;2019年

3 常艳;基于Micro-CT的麦粒虫害早期检测机理及麦粒图像重建研究[D];华北水利水电大学;2019年

4 夏宗基;基于自调比变尺度的电容层析成像图像重建迭代算法研究[D];东北林业大学;2019年

5 王强;基于非局部相似性的压缩感知图像重构算法研究[D];电子科技大学;2019年

6 曹倩;加速投影算法在图像重建中的应用[D];河南理工大学;2018年

7 张鹏程;基于块稀疏的电阻抗成像方法研究[D];天津工业大学;2019年

8 谢丰;RGB-D图像协同显著目标计算方法研究[D];安徽大学;2019年

9 宣经纬;基于GPU并行计算的太阳自适应光学图像斑点重建技术实现[D];中国科学院大学(中国科学院光电技术研究所);2019年

10 孟杞凤;基于磁感应断层成像技术的CFRP缺陷评价方法研究[D];南昌航空大学;2019年

本文编号：2633058