直线分布式光源静态CT通过多光源高速交替出束实现投影数据的采集，避免了机架的旋转，在提高CT扫描成像速度方面有着很大的优势，有望实现CT研究领域的重大突破。该新型静态CT的投影数据具有特殊性，亟须成像理论、算法的创新。本书围绕直线分布式光源静态CT展开研究，建立了该新型静态CT的成像理论，并提出了一套较为完整的图像重建算法方案，包括解析重建方法以及基于先验知识的图像重建神经网络，此外还研究了图像重建优化策略来拓展图像重建方法的灵活性和适用范围。 本书的研究成果为直线分布式光源静态CT的应用与发展提供了理论基础和方法指导，对于静态CT领域的研究者、从业者有着一定程度的启发和借鉴意义。

第1章 引言
1.1 背景和意义
1.2 研究现状
1.2.1 多光源静态CT的发展
1.2.2 CT图像重建算法
1.2.3 直线轨迹CT的发展
1.2.4 人工神经网络的发展和在CT中的应用
1.3 研究内容和结构安排
第2章 直线分布式光源静态CT的成像理论
2.1 CT成像基础
2.1.1 X射线与物质的相互作用
2.1.2 扫描投影与图像重建
2.2 直线分布式光源静态CT扫描的数学建模
2.2.1 成像几何和参数定义
2.2.2 投影获取与非标准扫描轨迹
2.3 直线分布式光源静态CT投影的傅里叶性质
2.3.1 投影傅里叶性质的重要性
2.3.2 直线分布式光源静态CT的傅里叶切片定理
2.4 实验验证与分析
2.5 讨论与总结
第3章 滤波反投影重建方法
3.1 算法推导
3.1.1 从直线分布式光源静态CT的傅里叶切片定理出发
3.1.2 从圆轨道平行束重建公式出发
3.2 两段直线分布式光源静态CT扫描模式
3.3 冗余数据处理的权重策略
3.3.1 冗余数据分析
3.3.2 冗余数据处理权重
3.4 滤波反投影重建方法的三维拓展
3.5 实验验证与分析
3.5.1 仿体图像重建
3.5.2 算法性能比较
3.5.3 三维重建效果
3.6 讨论与总结
第4章 直接傅里叶重建与人工神经网络应用研究
4.1 Linogram解析重建方法
4.1.1 算法推导
4.1.2 算法的离散实现与时间复杂度分析
4.2 基于人工神经网络的Linogram重建框架
4.2.1 基于先验知识的Linogram重建神经网络
4.2.2 Linogram-Net与图像域神经网络的融合
4.3 实验验证与分析
4.3.1 Linogram解析重建方法图像重建实验
4.3.2 Linogram-Net网络结构验证实验
4.3.3 Linogram-Net权重参数学习实验
4.3.4 算法性能对比分析
4.4 讨论与总结
第5章 实际系统性能评估与成像优化策略
5.1 实际系统性能评估
5.1.1 Catphan@600仿体CTP404模块扫描成像实验
5.1.2 Catphan@600仿体CTP486模块扫描成像实验
5.1.3 Catphan@600仿体CTP528模块扫描成像实验
5.2 截断投影补全与重建ROI扩大
5.2.1 重建ROI分析
5.2.2 截断投影补全策略
5.2.3 实验验证与分析
5.3 倾斜直线扫描模式
5.3.1 一种直线分布式光源静态CT扫描的三维实现
5.3.2 倾斜直线扫描轨迹分析
5.3.3 倾斜直线扫描的解析重建算法
5.3.4 实验验证与分析
5.4 讨论与总结
第6章 结论和展望
6.1 工作总结
6.2 后续工作展望
参考文献
附录A 模型参数定义
在学期间完成的相关学术成果
致谢