OSEM代数重建算法利用平滑约束进行优化。

简介：
近年来发展迅速的迭代类算法——有序子集期望最大化（OSEM）迭代算法，在迭代过程中常常会出现条纹状伪影、金属伪影或散射伪影等问题。为了克服这些挑战，我们构造了一个平滑约束矩阵，并将其作为先验信息引入到重建迭代过程中，从而构建了一种名为平滑约束OSEM（SC-OSEM）的迭代重建算法。具体而言，我们分别利用中值滤波和全变差最小（TVM）方法作为平滑约束条件。通过对不完备理想投影数据、含金属不完备投影数据以及含噪声不完备投影数据进行的数值模拟，我们成功地实现了与原始模型高度一致的计算机层析成像技术（CT）图像重建。 这种重建方法优于单独的 OSEM 迭代算法，不仅在重建质量上表现更佳，而且表明中值滤波约束能够有效降低重建图像的整体噪声水平，而 TVM 算法则能够显著增强金属边界的清晰度。因此，SC-OSEM 迭代重建算法被证实是一种精度高且具有良好适应性的 CT 重建技术。