基于双稀疏模型的压缩感知核磁共振图像重构

医学核磁共振图像重构技术是核磁共振成像领域的关键技术之一。压缩感知理论指出利用核磁共振图像的稀疏性能够从高度欠采样的观测值中精确重构图像。如何利用图像的稀疏性先验以及更多的先验知识来提高重构质量成为核磁共振成像的一个关键问题。本文根据综合稀疏模型和稀疏变换模型的相互补充作用,利用核磁共振图像在这两种模型下的稀疏性先验,将结合了综合稀疏模型与稀疏变换模型的双稀疏模型应用于压缩感知核磁共振图像的重构系统,提出了一种融合双字典学习的自适应图像重构模型。本文充分利用了图像在自适应综合字典学习和自适应变换字典学习下的两种稀疏先验知识,使用交替迭代最小化法对提出的模型进行分阶段求解,求解过程中引入了综合K-奇异值分解(K-SVD)算法和变换K-SVD算法。通过实验验证,与目前较好的核磁共振图像重构模型对比,本文提出模型的图像重构效果更好、收敛速度更快,且具有更好的鲁棒性。     

基于压缩感知的超声逆散射成像研究

目的逆散射超声成像具有较高的空间分辨率和图像对比度,有着重大的临床应用价值。传统的基于逆问题理论的超声逆散射重建算法存在重建系统稳定性差,设备数据采集量大等问题。本文基于超声逆散射理论,利用压缩感知原理,对目标进行重建,以降低设备数据处理量,增强重建过程的稳定性。方法首先分别从时域和频率两个角度建立超声散射正向模型;再根据压缩感知原理,提出数据采集方案,获得投影观测数据;然后,利用目标的稀疏性,建立基于压缩感知的超声逆散射重建逆问题;最后,以囊肿体模和点目标为例,求解逆问题,重建图像。结果提出的基于压缩感知超声逆散射重建算法,对囊肿体模采样率降低50%,对点目标采样率降低76%。结论基于压缩感知的超声逆散射重建,能够降低设备数据处理量,与传统的延时叠加、合成孔径等成像算法相比,重建的图像具有更高的空间分辨率和对比度。     

非局部相似性压缩感知下的医学设备三维成像方法

目的 针对像素间的领域结构信息难以获取,无法分析医学设备图像子块相似性的问题,本文提出了一种新的非局部相似性压缩感知下的医学设备三维成像方法.方法 首先获取医学设备三维图像并对其分块处理,通过冗余字典完成稀疏图像表示,利用自回归模型模拟医学设备三维成像的非局部状态,分析三维成像的非局部相似特性,得到医学设备三维图像的局部相关性和非局部相似性,以此为限定条件,实现医学设备三维成像的相似性压缩感知.最后以某三甲医院肿瘤科的3台医疗器械为实验对象,以不同时间段产生的三维图像为实验样本,与其他两种文献方法进行了对比.结果 本文提出了非局部相似性压缩感知下的医学设备三维成像方法,相比于其他两种文献方法,其压缩感知峰值信噪比与标准值的匹配度最高可达99％.结论 在稳定的采样频率下获取领域结构信息,可达到最佳的图像重构效果,解决了医学设备图像子块相似性的问题,保证医学设备三维成像质量.     

基于多尺度非线性扩散的超声图像斑点噪声去除算法

针对现有去噪算法可能造成超声图像细节模糊甚至丢失的问题,本文提出基于多尺度非线性扩散（multiscale nonlinear diffusion,MSND）的超声图像去噪模型.该模型结合冗余拉普拉斯塔形数据分解和非线性扩散的优点,利用冗余拉普拉斯塔形数据分解将图像分解为等大小的空间-频率子带,综合各子带的特征得到图像边缘和细节的精细表示,然后根据所得的综合特征指导各子带图像的非线性扩散.实验结果表明本文算法在去除噪声的同时能有效地保留和增强边界与细节.     

低剂量CT的加权总变差重建算法

针对稀疏投影角度的CT图像重建问题,结合压缩感知理论,提出基于加权迭代支持检测的分块代数重建算法,以较少的投影角度重建出理想的CT图像。首先,针对传统的代数重建技术计算量大、收敛速度慢的问题,提出分块代数重建算法;其次,传统的最小总变差模型会引起图像过度平滑及纹理细节模糊等问题,对此提出一种最小加权总变差算法,即加权迭代支持检测算法,并建立加权迭代支持检测模型;最后,分块代数重建技术与加权迭代支持检测模型交替迭代,使重建结果趋于收敛。本文采用经典的Shepp-Logan体模及实际的脑部CT切片进行重建,以均方根误差作为重建图像的质量评判标准,并与其他重建算法的重建结果进行对比。在经过一定次数的迭代后,基于本文算法的重建图像更贴近原始图像,而且比其他算法更早收敛。实验结果表明,本文算法在重建质量及收敛速度上都优于其他对比算法。     

磁共振部分K空间重建算法

磁共振成像（MRI）是必要的获取临床图像的影像学方法之一,但是它获取数据过程缓慢使得成像时间过长。目前提出了许多高效的成像算法来降低磁共振的成像时间,如半傅里叶成像和压缩感知MRI等。半傅里叶成像仅采用多于一半的K空间数据进行图像重建,不仅提高了MRI的成像速度,而且降低了运动伪影,是有效的部分K空间重建技术之一。基于压缩感知理论的MRI仅采用25%~30%的K空间数据就能重建出MRI图像,与其它成像技术相比,可在相同的扫描时间内获得更高质量的MRI图像,也可在相同的空间分辨率下加速成像。本文综述几种半傅里叶成像算法的原理,也阐述了压缩感知理论与MRI相结合的原理,包括MR图像的稀疏表示、K空间的采样轨迹设计、重建算法的选择等。     

基于压缩感知的超声衍射层析成像研究

超声衍射层析成像(UDT)具有分辨率高、对致密组织敏感等特点,具有很高的临床应用价值。为了抑制伪影,提高图像重建质量,传统的插值算法需要大量的投影次数和采集通道数量,导致成像耗时,系统复杂。本文提出一种基于压缩感知(CS)的重建算法,在有限次投影条件下,实现图像的高质量重建。首先用平面波从随机选取的角度以有限次数照射目标,依据傅里叶衍射投影定理,获得目标空间频率采样值。然后,通过研究目标在变换域的稀疏性,根据压缩感知原理,构建目标重建的逆问题。最后,通过共轭梯度算法解逆问题,重建目标。实验结果表明,通过压缩感知,在有限次投影情形和较少采集通道情况下,提出的方法能够准确重建目标。这不仅能够节省成像扫描时间,避免组织运动带来影像失真,还能够减少系统复杂度,降低设备成本。与传统的插值算法相比,本文的方法能够有效地降低重建误差,提高结构相似度。     

基于curvelet变换快速迭代收缩阈值算法的压缩采样磁共振图像重建

目的 为提高MR图像的重建效果和降低重建图像边缘模糊,本文提出一种基于curvelet变换的MRI快速迭代收缩阈值算法(fast iterative shrinkage-thresholding algorithm,FISTA)。方法 利用curvelet变换多尺度、各向奇异性、对图像边缘有更好的几何表达等特性,将curvelet稀疏变换和FISTA结合,并与传统基于小波变换的FISTA对相同MR图像作重建对比。重建图像的质量以峰值信噪比(peak signal to noise ratio,PSNR)、均方误差(mean square error,MSE)、结构相似性度(structural similarity degree,SSIM)来衡量。结果 实验选用Lena图像和脑部MR图像,从重建图像细节、差值图像、评估参数三方面对算法重建效果进行比较分析,证明该curvelet-FISTA算法可有效恢复完全采样图像从核磁共振成像中的欠采样数据。结论 与传统基于小波变换的FISTA相比,该方法可以更好地保持重建图像的细节信息,并有效地消除图像边缘的模糊现象,显示了较好的重建效果。     

改进的基于遗传算法稀疏分解的脑CT图像压缩

目的提出一种新型的稀疏分解算法,对脑部CT图像进行压缩。方法本文采用改进的遗传算法（genetic algrithm,GA）与匹配追踪（matching pursuit,MP）算法相结合以实现稀疏分解,对脑部cT图像进行压缩以节约存储空间。针对原有遗传算法计算时间长、匹配率低的不足,本方法优化了迭代次数的选择、竞争、变异等操作。结果利用该算法对脑部CT图像分块压缩,使运算速度、压缩比和信噪比均得到提高。结论通过分析与实验验证,改进的方法压缩比例更大,失真更小,运行时间更短,为脑部CT图像的压缩提供了一种新方法。     

基于Bandlet的压缩感知算法及其在智能乳腺全容积超声系统中的应用

目的在智能乳腺全容积超声系统中需扫描很多个切面同时进行成像和保存,数据量庞大。为此,本文提出基于Bandlet变换的压缩感知方法并应用于该系统,以降低存储和传输的数据量。方法首先利用超声图像的Bandlet变换域能够根据图像的"几何正则性"来自适应改变得到稀疏表示的特点,将所得图像进行Bandlet变换。然后选择与Bandlet基矩阵不相干的随机测量来降低图像压缩的数据量,之后利用匹配追踪算法由压缩数据重建超声图像。最后以智能乳腺全容积超声系统的图像数据为例进行压缩效率和重建有效性的验证。结果压缩后的数据大小为原数据的30%,降低了传输和存储的数据量,同时可得到高质量的重建图像。结论基于Bandlet的压缩感知算法可降低智能乳腺全容积超声系统图像的传输带宽和数据量,并保证了图像重建的质量,适用于智能乳腺全容积超声系统。     

一种基于频谱约束的多频动态电阻抗断层成像算法

本文旨在提出一种基于频谱约束的多频动态电阻抗断层成像(EIT)算法。在已知成像域内各组分电导率频谱的情况下,通过重构独立于频率的参数——体积分数变化,同时利用多个激励频率下的测量电压差重构一帧时差图像,从而大大增加测量数据量以改善逆问题的病态性。数值仿真实验显示,该算法较传统阻尼最小二乘算法具有更小的图像伪影,且在低信噪比情形下具有更小的位置误差和形变误差。本研究有望为动态EIT提供一种有效利用多频信息的方法,并为在已知各组分电导率频谱情况下的动态EIT发展提供一个新思路。     

参考制导的压缩感知快速磁共振重建方法

磁共振成像相比于CT以及Ultrasound等手段,具有无辐射损害、较高软组织分辨力以及多方位成像的优势,但耗时的数据采集过程,一直是限制其广泛应用的主要瓶颈。压缩感知技术旨在通过少量非相干性采样数据较大概率地实现原始图像的快速精确重建。本文提出一种的基于参考制导的压缩感知快速磁共振重建方法,该方法基于预先采集的参考图像信号强度分布以及梯度方向信息,给出两种新的稀疏约束,以便进一步提升重建质量,尤其是在边缘区域。作者通过参数成像以及多对比度扫描数据实验,验证了所提方法在图像伪影抑制以及边缘恢复方面的优良性能。     

基于压缩感知理论的医学图像重构算法研究现状

压缩感知理论的提出促进了医学成像技术的发展。压缩感知是通过直接采集压缩后的数据,利用重构算法高精度恢复原信号,避免了传统的先采样再压缩造成的资源浪费。基于压缩感知的CT、MRI、US成像的重构算法对其应用于医学成像起着至关重要的作用。因此,对重构算法进行了着重介绍,并进行比较分析。     

基于压缩感知的CT重建算法的研究现状

压缩感知理论是一种新兴的信号获取与处理理论,通过减少信号重建所需的数据以缩短信号采样时间,减少计算量,并在一定程度上保持原有图像的重建质量,由此可以解决在CT重建中还普遍存在的清晰度不够高、线性度不够好和有噪声伪影干扰等问题。由于该理论的这些显著优点,使其在CT成像领域引起了广泛关注,取得了很大进展。本文对近几年压缩感知应用于CT重建的研究方法和成果进行归纳和分析,其中包括传统统计迭代算法与压缩感知理论相结合方法的分析,先验图像约束与压缩感知理论相结合方法的分析以及字典学习的发展历程分析。最后,对该研究领域的发展进行了展望。     

基于正交匹配追踪及加速近端梯度的人体三维重建

为提高人体三维结构的重建精度,针对重建过程中字典中原子的最佳选择和结构矩阵的优化问题,结合稀疏表示和低秩约束,提出一种正交匹配追踪追踪及加速近端梯度(OMP-APG)算法,以此为医学领域提供丰富的信息,以辅助医生快速精确地制定出治疗方案。首先,对特征点观测矩阵进行奇异值分解(SVD)分解,利用列文伯格-马夸尔特(LM)算法得到唯一确定的相机旋转矩阵;其次,利用稀疏表示中“最大化逼近”思想,通过正交匹配追踪算法对轨迹基系数进行求解,结合预定义的轨迹基求解出人体三维结构矩阵;最后,根据结构矩阵是一个低秩矩阵,将其秩优化问题转化为核范数最小化问题,利用加速近端梯度算法对人体结构矩阵进一步优化处理。将该算法与稀疏逼近算法进行比较,对伸懒腰、瑜伽、拾物、喝水和跳舞等5组不同的人体运动模型进行三维重建,通过其三维重建效果图和三维重建误差的结果显示,其重建精度更高且稳定性更好。在该算法下喝水运动的重建效果最佳,其1 102帧图像序列41个特征点的重建误差为0.030 3,而在稀疏算法下的重建误差为0.017 8。因此,该算法可以有效地提高人体三维结构的重建精度,为医学领域辅助治疗提供相应的技术支持。     

基于压缩感知的磁共振图像重建算法的VC实现

我们对压缩感知重建算法在MRI中的应用进行了研究,并在VC6.0平台下对其进行工程实现。该程序主要由以下几部分组成：（1）建立图像模型及引入仪器采集数据;（2）设计采样方法模拟压缩感知的稀疏采集;（3）选择图像稀疏变换方法;（4）选用压缩感知算法重建得到图像。结果表明：使用该方法可以成功重建出高质量的图像,为压缩感知算法在MRI扫描仪器上的使用提供了重要参考。     

医学图像的小波变换融合算法研究

针对不同分辨率的PET和MRI图像,探讨医学图像中功能成像和解剖成像的融合问题.提出一种基于小波变换的多尺度分解对人脑PET和MRI图像的融合算法,选取测量活跃性等级-系数分组-系数合并的融合规则,对多尺度小波变换的图像融合方法和普通像素加权平均融合方法进行仿真,并运用熵和交叉熵两种方法评价仿真结果.结果表明,该方法能有效融合功能信息和解剖信息,避免虚假信息引入.得到最佳分辨率的融合图像,提高医学图像的可信度,对临床诊断和治疗有一定参考价值.     

基于图像自相似性的多尺度稀疏表示肺4D-CT图像超分辨率重建

针对肺四维计算机断层摄影(4D-CT)数据层间分辨率远低于层内分辨率的各项数据异性问题,提出一种基于图像自相似性的多尺度稀疏表示超分辨率重建方法,用以提升肺4D-CT图像的分辨率。所提出的方法通过探索验证肺4D-CT数据横断面与冠矢状面图像的自相似性,以横断面图像代替冠矢状面图像,组成高分辨率和低分辨率图像块对,构建训练集;引入多尺度策略,根据四叉树原理划分得到不同尺度的图像块,训练得出全局多尺度字典,以捕获更多肺部解剖结构特征;通过稀疏表示超分辨算法重建得出冠矢状面的高分辨率图像。利用仿真数据和真实数据对提出的算法进行实验验证,量化评价与视觉效果均体现本研究算法在提升图像清晰度以及改善图像细微结构显示质量方面的优越性,同时还可有效避免对算法精度及耗时产生影响的运动估计过程。     

三维点云重构和体显示在医学辅助诊断中的应用

为了利用CT、核磁共振成像(MRI)等医学图像确定病变部位的大小、形状与周围组织的空间关系,本文提出一套完整的数据源获取、点云压缩、旋转和显示的方案。以CT、MRI医学图像为数据源,运用Mimics软件对人体组织MRI图像进行分割以及三维重建。针对数据量的大问题,提出基于八叉树均匀化的压缩算法;为了医生多视角观察模型周围情况,提出基于柱坐标系的旋转算法,在点云库中实现上述算法。最后模型在体扫描显示屏上显示,辅助医生准确确定病变部位的情况,为手术规划提供一种模拟平台。     

Image registration algorithm in CT and cone beam CT based on Contourlet transform

目的提出一种基于Contourlet变换,用于放射治疗定位的CT与锥形束CT(cone beam CT,CBCT)图像配准的方法.方法 利用Contourlet变换多尺度多方向的分辨特性,将待配准图像进行Contourlet变换分解,分解后的高频方向子带合成梯度图像,采用归一化互信息作为相似性测度,把梯度图像与低频方向子带以加权函数结合,进行临床医学图像的刚性配准,有效弥补了互信息配准中缺少空间信息的不足.结果 通过已知空间变换参数图像的配准结果验证了算法的准确性.配准后10幅图像变换参数的误差极小,且均方根误差接近于0.结论 该图像配准算法精确度高,并具有很好的鲁棒性,有助于提高图像引导放射治疗(image guided radiation therapy,IGRT)中解剖组织结构和靶区的定位精度.