在医学影像诊断设备中,计算机断层成像(Computed Tomography, CT)已成为最重要的辅助设备之一。它是通过计算X射线透过人体断层在各个方向的累积衰减系数,再通过计算机算出每个断层面上X射线的累积衰减系数分布,最后以图像的形式显示出来,辅助临床医生对病变部位的正确诊断。近年来,国内外各大厂商都在不断的推出新型CT,他们一直致力于提高图像质量,降低辐射剂量,提升扫描速度,优化后处理流程,同时也在不断的完善和优化去除CT金属伪影方法。因为当被扫描物体中存在大量高密度的金属植入物时,X射线通过这些金属植入物时的衰减系数比通过人体其他组织高许多,从而引起X射线被这些金属作用后急剧衰减,导致对应的投影数据失真,在最后的重建图像中出现伪像,这些伪像严重影响临床医生对病变的正确诊断,我们把这些由金属植入物带来的伪像称为金属伪影。因为金属伪影对临床诊断的严重影响和其表现形式的多样性,去金属伪影方法已经成为CT成像后处理研究中的一个重点问题。为了克服这些金属植入物引起的伪影以往也进行了很多研究,其中主要以迭代法和插值法两类为主。迭代法是解矩阵方程常用的方法,它的算法思想如下：首先假设图像是均匀的,然后将理论计算值与实测值比较,修正理论计算值与实测值之间的差,如此不断重复,直至该差值为零或在允许的误差范围内为止。对于迭代校正法,其关键是要突破如何加快收敛速度,减少计算时间的问题。插值法是根据相邻不包含金属植入体的投影采样产生一个合成投影,用合成投影代替金属物体产生的投影信号,在克服围绕金属附近区域中的伪像时,这些方法相对有效,但是,金属物体自身上的任何信息完全丢失。此外,紧邻金属物体的区域也被破坏,并会带来新的伪影。本文总结实践了四种去CT金属伪影方法,分别为基于插值法、基于归一化法、基于小波多分辨结合线性插值法和基于分频法。首先,本文介绍了几种去CT金属伪影算法中需要了解的几个数学基础,分别为阈值法、K-均值分类、全变分自适应滤波和低通频域滤波器。阈值法是一种区域分割计算,并且对物体与背景占据不同灰度级范围灰度图像特别有用,实现简单、计算量小、性能稳定而且总能用封闭而连通的边界定义不交叠的区域。为了得到归一化去金属伪影算法中关键的先验图像模型,需要用到K-均值分类算法,它是一种很常用的动态聚类法,常常采用误差平方和准则函数作为聚类准则函数。通过对图像的聚类并通过对空气、软组织、骨骼和金属区域的CT值重新设定而进行分类。在基于分频的去CT金属伪影算法中,需要在图像重建前对原始数据进行全变分自适应滤波,以减少重建图像中的条纹伪影,它能根据原始数据中每一投影值的梯度信息,自适应控制平滑强弱,从而达到较好的去噪保边效果。在对图像分频处理中,选择了高斯低通滤波器,它是一种平滑线性滤波器,能有效的把图像分为高频成分与低频成分。其次,介绍了实践中的插值法、归一化和小波多分率结合线性插值的方法,总结了这三种算法中的优缺点。插值法中主要介绍了线性插值,它的算法思想是：对原始含金属伪影图像分割得到金属图像,对金属图像再投影得到金属投影；由金属投影确定插值区域,金属投影中大于0的边界就是原始投影中金属投影在每个投影角度下的边界；利用金属投影边界两侧的非金属投影数据对其进行插值后再与其求和,最后重建出校正图像。插值法虽然比较简单,能在很大程度上消除金属植入物带来的条纹伪影和黑色阴影,但也同时带来了两个问题,一个是由于插值区间左右两端点处不光滑,在重建过程中经过滤波函数作用时,在区间的两端点处产生尖峰,表现在重建后的图像上就是在金属区域的边界拖出长长的条纹。另一个是紧邻金属物体的区域也会被破坏。而归一化去金属伪影的方法正好解决了插值法带来了第一个问题,它的算法思想是：先对原始图像进行自适应滤波以便减少图像中的条纹伪影,对其进行k-均值聚类得到先验图像模型再投影；对原始图像进行投影,通过利用原始投影除以先验图像投影得到归一化投影；对原始图像分割得到的金属图像,对金属图像再投影,由金属投影确定插值区域；对归一化的投影进行线性插值后通过乘以先验图像投影做去归一化处理得到校正投影,最后重建校正图像。在寻求解决插值法带来的第二个问题上,想到了小波多分辨率特性,因为造成伪影的主要因素是低频的硬化信息和高频的噪声信息,而有用的信号主要处在中频段,而各个尺度下分解得到的小波系数,细尺度下突出高频噪声信息,大尺度下突出了低频的硬化信息,中间尺度上主要代表了有用的信息,所以对这几种小波系数施以不同的加权系数,或突出或弱化,从而达到恢复有用信息又抑制伪影的效果。它的算法过程是：首先对原始图像进行灰度阂值分割,对分离出的金属图像再投影,确定插值区域；在插值区域利用线性插值校正数据后与金属区域投影求和;分别对原始图像和插值校正图像做小波变换,确定权值并对原始图像的小波系数与插值求和后的小波系数加权求和,最后重建校正图像。实践结果显示它可以恢复隐藏在破坏数据中的部分有用信息,但部分骨骼信息还是丢失了,并且权值的选择也比较敏感。可以说在理论上以上三种算法都取得了一定效果,但是因为各种原因,在实际工程中并不能取得比较好的效果。对于许多临床应用,植入体和它相邻的骨及软组织之间的界面是外科医生非常感兴趣的。所以,一种有效的金属物伪影校正方案就是希望在完全去除金属伪影的同时保留金属区域更多的细节信息,并且不带来任何新的伪影。最后,详细介绍了基于分频去除CT金属伪影的方法,它的算法思想是：首先在重建原始图像之前,通过全变分自适应滤波对原始数据进行预处理；对原始图像分割得到的金属图像再投影,确定插值区域；应用归一化校正方法对原始图像做去伪影处理；分别对原始图像和归一化校正图像低通滤波得到各自的低频成分,用原始图像和归一化校正图像减去各自的低频成分得到各自高频成分；对金属图像进行强度平滑性的低通滤波并归一化得到权值矩阵；把原始图像的高频成分和归一化校正图像的高频成分与低频成分加权融合得到最终校正图像。它通过结合归一化方法解决了插值法第一个问题,通过在重建前进行全变分自适应滤波减少重建后图像的条纹伪影,并加权了重建后图像的高频成分完美的解决了插值法的第二个问题,在最后的校正图像里可以恢复清晰的边缘信息和结构细节信息,能够在完全去除金属伪影的同时保留金属区域更多的细节信息。同时通过真实病人数据也验证了算法的有效性与可靠性。对临床诊断应用具有很大的实用价值,是一种能够真正用于实际工程中多成份、简便有效、易实现的金属伪影校正方法。