摘要
计算机体层成像(ComputedTomography,CT)是一种使用X射线从不同角度对物体进行照射和投影并对所得投影图像进行精密重建，以清晰呈现物体内部精细立体结构的三维成像技术。CT技术目前广泛应用于医学临床诊断、工业无损检测和材料研究等领域，发展前景广阔。传统CT成像技术需要对物体进行多角度的扫描以获得足量视角的投影，较大的时间开销制约了CT技术的进一步发展和应用。使用极少视角(即单双视角)的二维投影来实现CT重建能够极大地加快重建速度，是CT技术的下一步发展方向。除此以外，现有极少视角CT重建技术的图像重建分辨率有限，而对所获得的高分辨率投影进行下采样以适配现有方法将造成投影图像中细节信息的缺失。因此如何在保证一定图像质量的前提下实现较高分辨率的极少视角CT重建同样是一个亟需解决的难题，对该问题的探索对于极少视角CT重建技术由理论研究走向实际应用有着重要意义。 综上所述，本文基于深度学习技术针对极少视角CT重建问题展开研究工作，主要工作如下： (1)针对极少视角CT重建问题，本文提出了一种基于混合注意力机制的单视角CT重建方法。该方法设计了一种具有混合注意力结构的特征提取模块，能够充分捕捉和利用极稀少投影数据中的有效信息。此外，该方法在U-Net结构中引入了Transformer层，能够有效增强模型对投影数据中全局信息的理解能力。该方法还对跳跃连接进行了改进，设计了一种跨域特征转换模块以增强投影特征向CT特征的跨域转化能力。为了验证本文所提出的极少视角CT重建方法在真实工业场景中的性能表现，本文自制了一个由123个汽车发动机活塞构成的工业CT数据集，并在该数据集上与其它CT重建方法进行了详细的对比实验和消融实验，充分验证了本文方法的性能。实验结果表明，本文所提出的CT重建方法能够准确地重建出物体的整体结构和局部细节。 (2)针对现有极少视角CT方法重建分辨率较低的问题，本文提出了一种基于扩散模型的双视角CT重建方法。该方法将加入了双视角投影先验的2D扩散模型作为基本模型以实现断层图像的生成，同时引入迭代优化过程作为数据一致性约束并引入正则化项作为先验信息，以有效提高断层图像的重建质量。此外，该方法设计了一种高分辨率图像生成策略，能够有效提高基本模型进行CT重建时的图像分辨率。实验结果表明，本文所提出的CT重建方法能够在保证一定图像质量的前提下完成较高分辨率的双视角CT重建。
NETL