基于非局部自相似图像块字典学习的伪CT图像预测

来源：信号处理杂志 2017年第3期北京时间：

作者：胡永生, 张立毅

摘要：随着PET/CT技术的日益发展，其被广泛应用于现代放射治疗。但在采集数据过程中，对人体放射时间较长，辐射当量较大，增加了患者的痛苦，因此人们希望减少CT扫描中X射线的辐射。为解决这一问题，本文提出基于非局部自相似图像块字典学习的伪CT图像预测方法。首先，对训练CT与MRI图像进行图像分块，通过块匹配算法聚类CT图像块，并提取CT与MRI图像块的多尺度特征。其次，通过字典学习，获得MRI图像与CT图像的映射关系矩阵，并对CT图像块进行预测。最后，通过重构算法，从目标MRI图像中得到预测CT图像。仿真实验证明了提出算法相对基于图谱集算法的有效性，以及在现代放射治疗中利用MRI图像替代CT图像的应用前景。

关键词：非局部自相似性, 字典学习, 多尺度特征, 伪CT图像