智慧医疗成为当下热门的话题,众多的医疗产业都在向着智能化的方向迈进,同时推动了医学影像技术的快速发展,CBCT作为医学影像中的后起之秀而受到广泛关注。CBCT具有实时性强、灵敏度高等优点,同时在较少的辐射剂量下,就能获得比较令人满意的重建图像。CBCT图像在临床医学中的应用主要有两个方面,一是用于病变组织的诊断,利用所获得的三维图像可以更加精确的制定治疗方案;二是用于放射治疗的实时跟踪,实现精确治疗。CBCT与传统的CT相比拥有众多的优点,但是图像在软组织部分的对比度比较低,同时会携带伪影。由于CBCT与传统CT相比使用了较少的辐射剂量,使得CBCT图像特别容易被噪声污染,这些因素的存在严重降低了 CBCT图像的质量。增加X射线的剂量能够获得让人满意的图像,但患者就要吸收更多的辐射,损害健康的细胞结构。因此,在不增加辐射剂量的条件下,提高CBCT图像的质量具有很好的研究价值。首先对传统的医学图像及其存在的噪声进行了分析,然后重点对CBCT图像进行了研究,通过对CBCT成像原理的分析,了解到CBCT图像的去噪可以从投影域和重建域两个过程进行,针对两个域中的不同特点,分别采用了不同的去噪方法。本文的主要工作和创新点如下:1、重建域中的去噪。通过对偏微分方程去噪模型进行分析,提出了一种适合CBCT图像的偏微分方程去噪模型,该模型采用Log算子构建了一个新的边缘检测器,通过新的边缘检测器设计了自适应扩散函数,同时根据模糊系数提出了边缘能量保留指数,使偏微分方程在迭代去噪时能自适应终止。通过实验证明了此模型在CBCT图像中是有效的。2、投影域和重建域结合的去噪。对CBCT图像的投影域进行噪声去除时,针对投影域数据量大,去噪耗时长的问题,提出了一种投影域和重建域相结合的去噪算法。此算法依据小波变换来实现快速重建,首先对投影域中的图像进行小波分解,将得到的低频部分进行维纳滤波,高频部分进行阈值处理,处理后的高低频数据分别进行FDK重建,然后对重建后的高低频数据进行小波逆变换、插值,即可得到重建后的CBCT图像,由于所获得的CBCT图像会存在伪影,最后在重建域中还要进行偏微分方程的处理。本算法与传统的投影域去噪算法相比,时间节省了接近一半,并且获得的图像质量更好。