Computed tomography (CT) is widely used in medicine for diagnostics or for image-guided therapies, and is also popular in industrial applications for nondestructive testing. CT conventionally requires a large number of projections to produce volumetric images of a scanned object, because the conventional image reconstruction algorithm is based on filtered-backprojection. This requirement often results in relatively high radiation dose to the patients in medical CT, and expensive scanning time and efforts in industrial CT applications. Sparse-view CT is a viable option to address both issues including high radiation dose and expensive scanning efforts. However, image reconstruction from sparsely sampled data in CT is in general very challenging, and much efforts have been made to develop algorithms for such an image reconstruction problem. Image total-variation minimization algorithm inspired by compressive sensing theory has recently been developed, which exploits the sparseness of the image derivative magnitude and can reconstruct images from sparse-view data to similar quality of the images conventionally reconstructed from many views. In certain CT applications, prior CT image of the object is readily available from which current CT image may have only slight differences. Considering the sparseness of such a difference image between the successive scans, image reconstruction of the difference image may be achieved from very sparsely sampled data. In this work, i showed that one can further reduce the number of projections, resulting in a super-sparse scan, for a good quality image reconstruction with the aid of a prior image. Both numerical and experimental results are provided. The proposed method is believed to play an important role in repeated CT scans to lower imaging radiation dose and also scanning time and efforts.
CT에서 환자에 가해지는 피폭 선량은 매우 중요한 문제로, 특히 진단 목적으로 반복되는 CT의 경우 더욱 문제는 커진다. 산업용 CT의 경우에는 선량 문제보다 스캔하는데 필요한 시간과 비용 등의 문제가 있다. 본 연구에서는, 의료용 CT에서 피폭 선량을 줄이고 산업용 CT의 경우 스캔에 필요한 노력과 시간을 줄이는 방법에 대해 연구하였다. 반복되는 CT의 경우 이전에 취득한 CT 영상이 존재하며, 이로부터 차후에 발생하는 CT 스캔에서 필요한 프로젝션의 수를 현저히 줄일 수 있는 방법에 관한 것이다. 영상의 총변동 최소화 알고리즘을 사용하여 해석적 알고리즘에 비교해서 필요한 프로젝션의 수가 일반적으로 더 작으며, 특히 이전 영상을 활용함으로써 현재 영상에서 복원하고자 하는 미지수를 크게 줄여 더욱 작은 수의 프로젝션으로 부터도 영상 재건을 가능케 했다. 수치적으로는 Shepp-Logan 팬텀을 사용하였고, 실험적으로도 튜브 팬텀을 제작 사용하여 제안된 방법의 타당성을 입증하였다.
CT에서 환자에 가해지는 피폭 선량은 매우 중요한 문제로, 특히 진단 목적으로 반복되는 CT의 경우 더욱 문제는 커진다. 산업용 CT의 경우에는 선량 문제보다 스캔하는데 필요한 시간과 비용 등의 문제가 있다. 본 연구에서는, 의료용 CT에서 피폭 선량을 줄이고 산업용 CT의 경우 스캔에 필요한 노력과 시간을 줄이는 방법에 대해 연구하였다. 반복되는 CT의 경우 이전에 취득한 CT 영상이 존재하며, 이로부터 차후에 발생하는 CT 스캔에서 필요한 프로젝션의 수를 현저히 줄일 수 있는 방법에 관한 것이다. 영상의 총변동 최소화 알고리즘을 사용하여 해석적 알고리즘에 비교해서 필요한 프로젝션의 수가 일반적으로 더 작으며, 특히 이전 영상을 활용함으로써 현재 영상에서 복원하고자 하는 미지수를 크게 줄여 더욱 작은 수의 프로젝션으로 부터도 영상 재건을 가능케 했다. 수치적으로는 Shepp-Logan 팬텀을 사용하였고, 실험적으로도 튜브 팬텀을 제작 사용하여 제안된 방법의 타당성을 입증하였다.