灌注成像(perfusion imaging)是建立在血液的流动效应基础上的成像方法,与磁共振血管成像不同的是,它观察的是分子的微观运动,而不是血液的宏观流动。CT灌注(CT Perfusion, CTP)技术最早由Miles于1991年提出,并先后进行了动物实验和临床应用方面的探索。CTP成像可简述为经肘前静脉高压注射对比剂(Contrast),然后自对比剂通过受检组织时起对选定的感兴趣层面进行连续多次动态扫描(Cine模式),以获得该层面内各个像素的时间密度曲线(time density curve, TDC),再通过算法估计脑血流灌注参数并组织成数字矩阵以颜色(伪彩色)表征。CTP成像的理论基础为中心容积定律(血流量=血容量／平均通过时间)以及核医学的示踪剂稀释原理。当前,许多功能性成像检查方法已临床应用于脑组织血流灌注,如疝气CT、灌注MR (Perfusion Magnetic Resonance)、PET (Positron Emission Tomography) SPECT (Single Photon Emission Tomography)和CTP等。具体而言,(1)疝气CT利用惰性气体做示踪剂,因其测量准确而被公认为是一种非常值得信任的测量手段。但是,此方法操作起来比较复杂且图像中有部分运动伪影和骨伪影存在,同时氙气还具有一定的副作用。(2)灌注MR技术在评价脑血流灌注中具有较强的优势,但是组织增强与组织血流之间是对数关系而非线形关系,这将影响血流量和血容量的定量测量。(3)PET和SPECTI临床运用较早,其成像基础研究充足且研究较为深入。然而,PET/SPECT技术的不足之处在于其空间分辨率低且不能实现绝对血流量的计算。PET可作为测量脑代谢和血流量、血容量、平均通过时间的“金标准”,但是PET检查费用昂贵,临床常规使用较难实现。(4)CTP检查能够获得解剖学、血流动力学和病因等多方面信息,与其他影像学方法比较,无需使用放射性同位素及氙气,具有空间分辨率高,定量准确,经济实用,快速简便等优点。X射线计算机体层脑灌注成像(Brain Computed Tomography Perfusion Imaging,简称Brain-CTP)因其在密度、空间与时间分辨率上的卓越性能,可以高效、快速、无创、准确、三维的实现脑血流参数评价,己在急性中风病患(Acute Stroke Patient, ASP)诊断方面取得了巨大成功。Brain-CTP成像可以快速获得ASP常规CT检查所不能获得的脑血流动力学参数,提供坏死区和半暗带的灌注影像,继而为时间就是大脑(Time is Brain)的ASP快速确诊提供宝贵影像信息。然而,Brain-CTP成像扫描协议需要对感兴趣层面进行连续多次重复扫描,使患者接受X射线辐射的剂量较常规CT检查极度增加。美国FDA(Food and Drug Administration)于2009年10月公布的Brain-CTP检查中的剂量安全报告中指出：缺血性ASP在进行Brain-CTP检查中接受的X射线辐射剂量超过标准剂量的8倍之多。优化控制X射线辐射剂量己成为CTP领域亟待解决的关键性课题。多种方法可用于降低X射线辐射剂量,其中最典型的是通过缩短曝光时间和降低管电流来降低X射线管的毫安秒(mAs)以及稀疏角度采样(通过减少扫描过程中的采样角度数目实现)。具体来说的主要有(1)增加连续扫描时间间隔：为了获得优质的脑灌注参数影像,Brain-CTP检查多采用1秒间隔扫描模式(即实现单次感兴趣区层面的增强扫描时间间隔为1秒),总扫描次数约为40次。诚然,增加扫描间隔或减少总扫描次数可实现Brain-CTP成像辐射剂量的降低,但是相应的脑灌注参数将偏离真值。最新研究指出满足诊断需要的Brain-CTP最大扫描时间间隔还与所注入的增强对比剂的量有关,这使得利用增加灌注扫描时间间隔降低剂量的方法仍存在诸多异议,需进一步的研究。(2)个体化扫描协议：为了降低X射线辐射剂量,影像医生或技师在CT扫描中可根据患者身材和脏器的解剖形态的个体差异自动调整曝光球管管电流,使得能在明显降低受检者X射线辐射剂量的同时保证图像质量,继而实现优化辐射剂量的个体化CT检查。(3)数据欠采样：Brain-CTP成像中的欠采样数据是指通过减少单次扫描投影角度而获取的投影数据。源于欠采样数据的Brain-CTP图像重建,作为CT领域一个重要的研究方向已开展多年,但多集中于基于C形臂的CT灌注成像。由于稀疏角度采样数据己不能满足精确CT重建的采样条件,传统的解析方法(如滤波反投影方法)失去效力而导致图像中严重伪影(streak artifacts)的产生。目前,临床使用的降低X射线辐射剂量的方法主要是降低管电流。这种方式使大量光子噪声被引入到投影数据中,导致解析重建图像质量严重退化,具体表现为图像中含有大量的噪声和伪影。在Brain-CTP成像中,灌注血流参数的计算均基于获得的灌注图像本身,由于低剂量图像中存在大量噪声和伪影,使得灌注参数计算的准确性受到很大影响,影响临床医生诊断的准确性。针对这种低mAs技术的成像手段主要分为三大类。(1)直接对临床低剂量Brain-CTP图像进行滤波处理,以达到减少图像噪声和伪影的目的。此类方法属于图像后处理技术己得到广泛的研究。一般通过设计滤波器(如修正的各向异性滤波器)或引入先验信息实现。(2)根据投影数据的噪声特征建立数据恢复模型,待数据恢复后采用滤波反投影法进行Brain-CTP图像重建。由于投影数据的统计特性被纳入到滤波器的设计中,使得这类算法具有高效且重建图像均匀性好等优点。投影数据的噪声一般作为高斯或泊松噪声来处理。(3)根据投影数据满足的统计学规律,完成基于统计的Brain-CTP图像迭代重建。由于统计重建算法可通过准确的测量方程来描述CT系统,且易于加入先验信息约束,特别适宜于低剂量CT优质重建。一般而言,当前多数统计CT图像迭代重建算法可用于低剂量Brain-CTP。根据CTP扫描方式可以看出,虽然在扫描过程中组织中对比剂浓度不断变化,但是其解剖结构都是相同的。换而言之,CTP序列图像之间存在大量的冗余信息。那么,在处理过程中可以把CTP图像序列“分裂”为解剖结构部分(每个时间帧都一样)和对比剂随时间变化部分。因此,如何利用CTP序列图像的这种可分离特性是本次研究的重点。另一方面,在CTP图像中一个单独像素点比组织结构小的多,特别是临床数据中相邻像素中心点的空间距离为0.43mmm。相比之下,拥有相似结构和功能的白质或灰质区域大小通常为10-50个像素点。由此可以看出,组织灌注信息的变化是一种区域效果而非单个像素点的效果。同一种组织中灌注信息的变化应该是相同的或相似的。所以,如何利用灌注信息变化的这一区域特性也是本次研究的重点。归纳起来,本文的主要工作有：(1)提出一种基于低秩和全变差正则化的去卷积算法。该方法认为灌注信息的变化是一种区域效果而非单个像素点的效果。虽然在不同组织间,特别是灌注不足区域,确定灌注变化的边界非常重要,但是在扩张的像素邻域内,灌注参数通常是一个常数或者变化很小。本文利用低秩惩罚来正则化区域组织的时间相关性,利用全变差正则化组织的空间相关性,同时采用一种基于分裂思想的算法优化目标函数。本算法具有四大优点：(1)提出一种针对剩余函数而非某一灌注参数图的正则化；(2)算法优化过程在所有时空数据进行而不单独针对某一像素点;(3)算法实现过程中不需要训练数据或学习阶段：(4)本算法可以计算脑血流量、脑血容量和平均通过时间等所有常用灌注参数。体模和临床数据实验均表明,本文提出的基于低秩和全变差正则化的去卷积算法具有很好的鲁棒性,能实现低剂量CTP图像血流参数图的精确计算。(2)提出一种基于稀疏和低秩矩阵分解的低剂量CTP图像恢复方法。该方法假设CTP序列图像可以看做在脑组织中对比剂浓度从一个公共的“背景图像”用不同的时间稀疏“运动”或“改变”得来的一序列图像。此外,对比剂随时间变化部分是稀疏的(在这里稀疏性指图像本身或在某个变换域中)。基于这种假设本文把CTP图像分为低秩的解剖背景部分和稀疏的对比剂随时间变化部分,并采用交替方向法来进行优化处理。仿真低剂量临床数据实验表明,本文提出的基于稀疏和低秩矩阵分解的低剂量CTP图像恢复方法可实现低剂量CTP图像的高质量恢复。