X射线荧光CT（XFCT）是X射线CT与X射线荧光分析相结合的新型成像方式，可用于探测被修饰后的纳米金颗粒在肿瘤内部的分布及质量分数，在早期癌症诊疗方面具有较好的应用潜力。如何抑制XFCT成像的康普顿散射噪声是当前的热点问题。本文基于深度学习方法，通过卷积神经网络学习图像中的噪声分布规律，从而抑制噪声。基于此，提出了一种基于噪声水平估计和卷积神经网络的XFCT去噪网络（NeCNN）算法，该算法运用噪声估计子网络及去噪主网络进行去噪。估计子网络通过去噪卷积神经网络（DnCNN）估计噪声水平并初步降噪，随后将估计结果输入去噪主网络——全卷积神经网络（FCN）用于学习康普顿散射的分布规律，同时为兼顾局部与全局最优解采用均方误差（MSE）及结构相似度（SSIM）作为损失函数。数据集通过Geant4软件模拟扫描填充各种金属纳米颗粒（Au、Bi、Ru、Gd）的空气模体及聚甲基丙烯酸甲酯（PMMA）模体来获取，且设置不同入射X射线的强度，以此模拟不同噪声水平，增强模型泛化能力。实验结果表明，与三维块匹配滤波（BM3D）及DnCNN算法相比，NeCNN算法的去噪结果最优，其SSIM为0.95066，峰值信噪比（PSNR）为29.01558，图像质量提高最为显著。

基于X射线管的X射线荧光计算机断层扫描术(CT)受多种因素影响,成像质量不佳,几何参数误差是制约其高质量图像重建的重要因素之一。本文分析成像二维平面模体与探测器相对位置偏移对投影数据的影响,并基于原始投影数据和原始重建图像再投影数据的局部线性关系实现几何偏移参数校正;利用Geant4模拟存在偏移参数的扇束X射线荧光CT系统,使用模拟投影数据验证校正方法。研究结果表明:该方法能计算出相对精确的几何偏移量,有效消除几何参数误差对重建图像的影响,校正后的重建图像信息熵降低,平均梯度和标准差提高,图像质量提升。

常规X射线荧光计算机断层扫描(XFCT)成像中,探测角度与荧光收集效率密切相关。基于MCNP5设计了多探测角度下笔束XFCT成像系统,对质量浓度为1%的金纳米溶液柱形模体进行成像仿真,并采用滤波反投影(FBP)算法、联合代数重建(SART)算法和最大似然模型期望最大化(ML-EM)算法重建元素分布。通过对比度噪声比定量分析不同角度下不同算法重建图像的效果,研究探测角度对成像质量的影响。结果表明,FBP算法在背向散射角度下有较好的成像质量,SART算法和ML-EM算法在垂直角度和背向散射角度均有较好的成像质量。

在管激发X射线荧光CT(XFCT)成像研究中,探测角度与系统背景噪声、探测灵敏度、信噪比等参数密切相关。鉴于此,基于Geant4设计一套多针孔准直管激发XFCT成像系统,并对探测角度与成像系统信噪比、重建图像质量之间的关系进行研究。通过改变管电压、金纳米溶液质量分数、感兴趣区域直径三个参数,模拟60°、90°、120°和150°等不同探测角度下的X射线荧光投影数据和散射噪声的探测过程,并计算其信噪比。仿真结果表明:探测角度的增大能够提升信噪比和重建图像质量,多数情况下,探测角度为120°时的信噪比最佳。