فهرست:
فهرست مطالب
عنوان صفحه
1- فصل اول: مقدمه 1
1-1- مقدمه 2
1-2- Filtered Back Projection (FBP) و آرتیفکتها در سی تی 4
1-2-1- سخت شدن پرتوها 6
1-2-2- کمبود فوتون 7
1-2-3- پراکندگی 7
1-2-4- اثر حجم نسبی 7
1-3- اهداف کلی این پایان نامه 8
2- فصل دوم: مبانی نظری تحقیق 9
2-1- تاریخچه سی تی اسکن 10
2-2- اجزای اصلی تشکیل دهنده دستگاه سی تی اسکن 11
2-3- نسلهای مختلف دستگاه سی تی اسکن تا به امروز 14
2-3-1- نسل اول 15
2-3-2- نسل دوم 16
2-3-3- نسل سوم 17
2-3-4- نسل چهارم 17
2-3-5- نسل پنجم، سیتی اسکنهای EBCT 18
2-3-6- نسل ششم، سی تی اسکنهای مارپیچ (اسپایرال یا هلیکال) 19
2-3-7- نسل هفتم، سی تی اسکنهای مالتی اسلایس 20
2-4- الگوریتمهای بازسازی تصویر 21
2-4-1- ساینوگرام 23
2-4-2- الگوریتم ART 27
2-4-3- الگوریتم Back Projection Fourier Slice 28
2-4-4- الگوریتم Filtered Back Projection Fourier Slice 32
2-5- بازسازی تصویر در حالت پرتو بادبزنی شکل 34
2-5-1- بازسازی تصویر در حالت پرتو بادبزنی با زاویههای مساوی 35
2-5-2- بازسازی تصویر در حالت پرتو بادبزنی با فضاهای پوششی مساوی 38
2-6- بازسازی تصویر در سیتیهای نسل اسپایرال 38
2-7- کانتورهای فعال 40
2-7-1- مدلهای اکتیو کانتور پارامتریک 41
2-7-2- مدلهای کانتور فعال هندسی 53
2-8- تبدیل هاف 62
3- فصل سوم: مروری بر تحقیقات انجام شده 68
4- فصل چهارم: روش تحقیق 75
4-1- مقدمه 76
4-2- روش تصویر برداری مارپیچ و مقایسه آن با اسکنر معمولی 77
4-3- تشکیل ساینوگرام 78
4-4- الگوریتم مطرح شده 79
4-4-1- مدل کانتور فعال 80
4-4-2- الگوریتم بر پایه تبدیل هاف 84
4-4-3- الگوریتم پس از پردازش 86
4-5- نتیجه گیری 86
5- فصل پنجم: نتایج 88
5-1- اعمال الگوریتم پیشنهادی بر دادههای واقعی و مقایسه به صورت شهودی 89
5-2- اعمال الگوریتم پیشنهادی بر مولاژ و مقایسه به صورت کمی 90
5-2-1- میانگین و واریانس سطح خاکستری 92
5-2-2- میانگین مربع خطاها 93
5-2-3- نسبت ماکزیمم سیگنال به نویز 93
5-2-4- پارامتر Q 94
5-3- مقایسه الگوریتم مطرح شده با روش جداسازی با حد آستانه و تبدیل هاف 119
5-4- نتیجه گیری 122
مراجع 123
منبع:
[1] Hsieh, J. (2009), Computed Tomography Principles, Design, Artifacts, and Recent Advances, 2nd ed. Washington: Bellingham.
[2] Yazdi, M., and Beaulieul, L. (2007). "Artifacts in Spiral X-ray CT Scanners: Problems and Solutions," Proceeding of World Academy of Science, Engineering and Technology 26: 376-380.
[3] DeMan, B. "Iterative Reconstruction for Reduction of Metal Artifacts in Computed Tomography," PhD. Dissertation, Katholieke Universiteit Leuven, Belgium, 2001.
[4] Xu, C., Pham, D.L., and Prince, J.L. (2000). "Medical Image Segmentation Using Deformable Models," Handbook of Medical Imaging, Volume 2: Medical Image Processing and Analysis, PP.129-174, edited by Fitzpatrick, J.M., and Sonka, M., SPIE Press.
[5] Xu, C., and Prince, J.L. "Gradient Vector Flow: A New External Force for Snakes," Proc. IEEE Conf. on CVPR, Los Alamitos Comp. Soc. Press, PP.66-71, June 1997.
[6] عزیزی، امیر، تبدیل هاف، پژوهشکدهی الکترونیک دانشگاه علم و صنعت ایران: گروه ماشین بینایی و پردازش تصویر، آذر 1389، [Online]، .
[7] Zamyatin, A. "Method, Apparatus, and Computer Program Product for Sinogram Completions". Patent Number: 7515676, Patent Date: Apr. 7, 2009.
[8] Zamyatin, A.A., and Nakanishi, S. (2006). “Sinogram Correction Methods using Sinogram Decomposition,” IEEE Nuclear Science Symposium Conference Record, vol.6, pp.3438-3440.
[9] Changchun, Z., and Ge, S. "A Hough Transform-Based Method for Fast Detection of Fixed Period Sinusoidal Curves in Images," in Proceedings of the 6th International Conference on Signal Processing, vol. 1, 2002, pp. 909-912, Aug. 26-30.
[10] Ballard, D.H. (1987). "Generalizing the Hough Transform to Detect Arbitrary Shapes," Readings in Computer Vision: issues, problems, principles, and paradigms, pp. 714-725.
[11] Ebraheim, N.A., Coombs, R., and Rusin, J.J. (1990). "Reduction of Postoperative CT Artifacts of Pelvis Fractures by Use of Titanium Implants," Orthopedics, vol. 13, pp. 1357-1358.
[12] Kalender, W., Hebel, R., and Ebersberger, J. (1987). "Reduction of CT Artifacts Caused by Metallic Implants," Radiology, vol. 164, No. 2, pp. 576-577.
[13] Klotz, E., and Kalender, W. (1990). "Algorithms for the Reduction of CT Artifacts Caused by Metallic Implants," Medical Imaging, vol. 1234, pp. 642-650.
[14] Liu, J., Watt-Smith, S., and Smith, S. (2003). "CT Reconstruction Using FBP with Sinusoidal Amendment for Metal Artifact Reduction," Proceeding of 7th Digital Image Computing: Techniques and Applications, pp. 439-447.
[15] Mahnken, A.H., Raupach, R., and Wildberger, J.E. (2003). "A New Algorithm for Metal Artifact Reduction in Computed Tomograghy: In Vitro and in Vivo Evaluation after Total Hip Replacement," Invest Radiol, vol. 38, pp. 769-775.
[16] Yazdi, M., Gingras, L., and Beaulieu, L. (2005). “An Adaptive Approach of Metal Artifact Reduction in Helical CT for Radiation Therapy Treatment Planning: Experimental and Clinical Studies” Int. J. Radiat. Oncol., Biol., Phys. 62, 1224-1231.
[17] Yazdi, M., and Beaulieu, L. (2006). “A novel approach for reducing metal artifacts due to metallic dental implants,” IEEE Nuclear Science Symposium Conference Record, vol. 4, pp. 2260–2263.
[18] H.X Xue, L.Zhang, Y.Xiao, Z.Chen, and Y.Xing" Metal Artifact Reduction in Dual Energy CT by Sinogram Segmentation Based on Active Contour Model and TV Inpainting," IEEE Nuclear Science Symposium Conference Recor, pp.904-908, Oct. 2009.
[19] Chanand, T., and Vese, L. “Active contours without edges,” IEEE Trans. Image Process. vol. 10, no. 2, pp. 266–277, Feb. 2001.
[20] Veldkamp, W.J., Joemai, R.M., Van der Molen, A.J., and Geleijns, J. “Development and validation of segmentation and interpolation techniques in sinograms for metal artifact suppression in CT,” Med. Phys, vol.37, pp. 620-628, Feb.2010.
[21] Abdoli, M., Ay, MR., and Ahmadian, A. “A virtual sinogram method to reduce dental metallic implant artefacts in ct-based attenuation correction for pet” Nuclear Medicine Communications, pp.22-31, Jan.2010.
[22] Kim, Y., Yoon, S., and Yi, J. “Effective sinogram-inpainting for metal artifacts reduction in X-ray CT images,” IEEE International Conference on Image Processing, pp.597-600, Sep.2010.
[23] Li, C., Huang, R., Ding, Z., Gatenby, J., Metaxas, D., and Gore, J. “A level set method for Image segmentation in the presence of intensity inhomogeneities with application to mri” IEEE Trans. Image Process., vol. 20, no. 7, July 2011.
[24] Li, C., Kao, C., Gore, J. C., and Ding, Z. “Minimization of region-scalable fitting energy for image segmentation,” IEEE Trans. Image Process., vol. 17, no. 10, pp. 1940–1949, Oct. 2008.
[25] Mumford, D., and Shah, J. “Optimal approximation by piecewise smooth functions and associated variational problems,” Commun. Pure Appl. Math, vol. 42, pp. 577–685, 1989.
[26] Li, C., Xu, C., Gui, C., and Fox, M. D. (2005). “Level set evolution without re-initialization: A new variational formulation,” in Proc. IEEE Conf. Computer Vision and Pattern Recognition, vol. 1, pp. 430–436.
[27] Shnayderman, A., Gusev, A., and Eskicioglu, A. “A multidimensional image quality measure using Singular Value Decomposition.” In: Proc. SPIE Image Quality and Image Quality and System Performance, vol. 5294, pp. 82-92. (2003).
[28]Wang, Zh. (2002). “A Universal Image Quality Index” IEEE Signal Processing Letters, vol. 9, No. 3, pp. 81-84.