Comportamiento del Método LSQR en la Reconstrucción Tomográfica para un Número Limitado de Proyecciones con Ruido Gausiano

Abstract

Los métodos iterativos de reconstrucción de imágenes en la Tomografía Axial Computarizada (TAC) han llegado a ser un área de investigación muy activo por su capacidad de resolver el problema de reconstrucción con un número limitado de proyecciones. Esto posibilita la reducción de la dosis de radiación en los pacientes durante el examen TAC. Sin embargo, la complejidad de datos en TAC eleva el coste computacional de la reconstrucción, especialmente en 3D. Disminuir el tiempo computacional en la reconstrucción de la imagen y la dosis de radiación constituyen dos grandes problemas en la tomografía computarizada. Además, también es interesante analizar el comportamiento del método cuando se añade ruido gaussiano a las proyecciones. Para resolver este problema de forma eficiente se ha adaptado el método Sparse Equations and Least Squares (LSQR) con el filtro Soft Threshold Filtering (STF) para eliminar ruido gaussiano y el algoritmo denominado Fast Iterative Shrinkage-Thresholding Algorithm (FISTA) para la reconstrucción de imágenes TAC con un menor número de proyecciones con ruido. La eficiencia del método propuesto se demuestra analizando el fantoma FORBILD.