Vai ai contenuti. | Spostati sulla navigazione | Spostati sulla ricerca | Vai al menu | Contatti | Accessibilità

| Crea un account

Morotti, Elena (2018) Reconstruction of 3D X-ray tomographic images from sparse data with TV-based methods. [Tesi di dottorato]

Full text disponibile come:

[img]
Anteprima
Documento PDF (Ph. D. thesis) - Versione accettata
19Mb

Abstract (inglese)

This dissertation presents efficient implementations of iterative X-rays image reconstruction methods for the specific case of three-dimensional tomographic imaging from subsampled data. When a complete projection dataset is not available, the linear system describing the so-called Sparse Tomography (SpCT) is underdetermined, hence a Total Variation (TV) regularized model is considered. The resulting optimization problem is solved by a Scaled Gradient Projection algorithm and a Fixed Point method. They both are accelerated by effective strategies, specifically tuned for a SpCT framework where fast reconstructions must be provided in short run time, facing a very large size problem. Good results on digital simulations attest the reliability of the model-based approach and of the proposed schemes. Accurate reconstructions from real medical datasets are also achieved in few iterations, confirming the feasibility of the proposed approaches to sparse tomographic imaging.

Abstract (italiano)

Questa tesi propone l'implementazione efficiente di due metodi iterativi per la ricostruzione di immagini tridimensionali di tomografia a raggi X, nel caso specifico in cui il volume debba essere ottenuto da dati sottocampionati. Quando le proiezioni non possono essere acquisite completamente, la risultante
tecnica di Tomografia Computerizzata Sparsa (SpCT) è descritta da un sistema lineare sottodeterminato, quindi ne riformuliamo il modello aggiungendo il termine di Variazione Totale (TV). Definiamo pertanto un problema di ottimizzazione e lo risolviamo con un algoritmo di Gradiente Scalato Proiettato e uno di Punto Fisso. Entrambi i metodi sono stati accelerati con valide strategie, calibrate appositamente per la SpCT. In questo contesto è infatti necessario ricostruire un'immagine in brevissimo tempo, risolvendo un problema di ampie dimensioni. Alcuni test di simulazione forniscono buoni risultati che attestano la validità sia dell'approccio model-based che dei metodi proposti. Accurate ricostruzioni sono state ottenute a partire da proiezioni mediche reali, in poche iterazioni: ciò conferma l'adeguatezza di quanto proposto per la ricostruzione di immagini nel campo della SpCT.

Statistiche Download
Tipo di EPrint:Tesi di dottorato
Relatore:Loli Piccolomini, Elena
Dottorato (corsi e scuole):Ciclo 29 > Corsi 29 > SCIENZE MATEMATICHE
Data di deposito della tesi:23 Marzo 2018
Anno di Pubblicazione:11 Gennaio 2018
Parole chiave (italiano / inglese):sparse tomography, Total Variation, iterative solvers, inverse problems, X-ray medical imaging
Settori scientifico-disciplinari MIUR:Area 01 - Scienze matematiche e informatiche > MAT/08 Analisi numerica
Struttura di riferimento:Dipartimenti > Dipartimento di Matematica
Codice ID:11215
Depositato il:16 Nov 2018 09:31
Simple Metadata
Full Metadata
EndNote Format

Download statistics

Solo per lo Staff dell Archivio: Modifica questo record