[论文解读] Cine cone beam CT reconstruction using low-rank matrix factorization: algorithm and a proof-of-princple study

Jian‐Feng Cai, Xun Jia+4 more|arXiv (Cornell University)|Apr 16, 2012

Medical Imaging Techniques and Applications参考文献 17被引用 6

一句话总结

该论文提出了一种新颖的低秩矩阵分解算法，通过利用时间相干性和周期性呼吸模式，从稀疏的时间分辨锥束CT投影中重建电影式CBCT。该方法将图像序列建模为 U = LR，其中 L 抓取图像特征，R 编码时间动态；通过在 L 的小波变换和 R 的傅里叶变换中分别促进稀疏性，实现了高质量重建，相对误差分别为 3.97%（无噪声）和 6.81%（有噪声），证明了在单次旋转下实现高时间分辨率电影式CBCT的可行性，优于传统4DCBCT。

ABSTRACT

Respiration-correlated CBCT, commonly called 4DCBCT, provide respiratory phase-resolved CBCT images. In many clinical applications, it is more preferable to reconstruct true 4DCBCT with the 4th dimension being time, i.e., each CBCT image is reconstructed based on the corresponding instantaneous projection. We propose in this work a novel algorithm for the reconstruction of this truly time-resolved CBCT, called cine-CBCT, by effectively utilizing the underlying temporal coherence, such as periodicity or repetition, in those cine-CBCT images. Assuming each column of the matrix $\bm{U}$ represents a CBCT image to be reconstructed and the total number of columns is the same as the number of projections, the central idea of our algorithm is that the rank of $\bm{U}$ is much smaller than the number of projections and we can use a matrix factorization form $\bm{U}=\bm{L}\bm{R}$ for $\bm{U}$. The number of columns for the matrix $\bm{L}$ constraints the rank of $\bm{U}$ and hence implicitly imposing a temporal coherence condition among all the images in cine-CBCT. The desired image properties in $\bm{L}$ and the periodicity of the breathing pattern are achieved by penalizing the sparsity of the tight wavelet frame transform of $\bm{L}$ and that of the Fourier transform of $\bm{R}$, respectively. A split Bregman method is used to solve the problem. In this paper we focus on presenting this new algorithm and showing the proof of principle using simulation studies on an NCAT phantom.

研究动机与目标

• 开发一种真正时间分辨的电影式CBCT重建方法，以克服传统4DCBCT的局限性，后者依赖相位分箱，存在时间分辨率低或剂量高的问题。
• 利用呼吸运动中固有的时间相干性——特别是周期性——以提升从稀疏投影中重建图像的质量。
• 仅通过单次机架旋转实现容积CBCT图像的重建，相比多旋转4DCBCT扫描协议，显著缩短扫描时间并降低剂量。
• 直接从投影数据中提取呼吸运动信号，利用时间矩阵 R，提供一种无需外部呼吸监测器的替代方案。

提出的方法

• 该方法将电影式CBCT图像序列建模为矩阵 U = LR，其中 U 的列包含重建的图像，L 表示图像特征，R 编码时间动态。
• 通过 L 的列数限制 U 的秩，隐式地在图像之间强制实现时间相似性。
• 在 L 的紧致小波框架变换中促进稀疏性，以增强图像特征的一致性并减少噪声。
• 在 R 的傅里叶变换中促进稀疏性，以强制呼吸模式的周期性，利用呼吸的规律性。
• 采用分裂Bregman算法求解优化问题，平衡数据保真度与正则化项。
• 该方法应用于模拟的NCAT体模数据，包含无噪声和有噪声的投影，以验证其可行性。

实验结果

研究问题

• RQ1 低秩矩阵分解能否有效从单次锥束CT投影旋转中重建电影式CBCT图像？
• RQ2 在小波和傅里叶变换中强制稀疏性在多大程度上提升了重建精度和时间分辨率？
• RQ3 与传统4DCBCT相比，该方法在图像质量和剂量效率方面表现如何？
• RQ4 从分解中提取的矩阵 R 是否能可靠地编码呼吸运动，从而实现无需外部替代物的呼吸信号提取？

主要发现

• 所提出的电影式CBCT重建在无噪声模拟情况下实现了 3.97% 的相对误差，证明了高精度。
• 在有噪声条件下，重建误差上升至 6.81%，表明在真实条件下的鲁棒性。
• 该方法仅通过单次机架旋转即可实现高时间分辨率重建，避免了多次旋转或慢速扫描的需求。
• 从分解中提取的矩阵 R 有效编码了呼吸运动，实现了无需外部设备的呼吸信号提取。
• 该算法有效利用了时间相干性和周期性，在时间分辨率和剂量效率方面优于传统4DCBCT。
• 该方法在临床电影式CBCT中具有应用前景，但全3D容积重建仍面临计算挑战。