尽管低剂量CT(LDCT)技术可以减少对患者的辐射损害,但它将严重损害重建的图像质量。 正常剂量扫描辅助算法通过使用已注册的先前扫描的正常剂量CT(NDCT)参考来规范化相应的LDCT目标,已显示出它们在改善LDCT图像质量方面的潜力。 这种方法的主要缺点是需要事先进行特定于患者的NDCT扫描,这限制了它们的临床应用。 为了解决这些问题,本文提出了自适应先验特征匹配方法,以更好地恢复LDCT图像。 创新之处在于构建了在线纹理特征数据库和与NLM正则化集成在一起的在线自适应先验特征匹配。 具体来说,现有特征是通过灰度共现矩阵(GLCM)从人群患者现有NDCT扫描中的感兴趣区域(ROI)中提取的。 对于在线自适应先验特征匹配,从数据库中选择其纹理特征与当前嘈杂目标ROI相似的ROI作为NLM正则化的参考。 所提出算法的有效性已通过临床肺癌研究得到验证,与传统方法相比,在噪声抑制和纹理保留方面均具有明显优势。