一种快速超分辨率图像重建算法

本文提出了一种新的自适应超分辨率重建算法,能够从序列低分辨率图像中重建出高分辨率图像.该算法充分考虑到低分辨率图像中的运动误差估计、点扩散函数以及加性高斯白噪声对重建算法的影响,通过构造新的非线性白适应正则化函数,并用实验方法分析函数的凸性以得到自适应步长因子.为验证算法的有效性,本文采用光学图像进行实验.实验结果表明,新算法能够有效地改善图像的空间分辨率和提高算法的收敛速度.     

电阻抗断层成像技术重建方法对比研究

目的比较几种电阻抗成像(Electrical Impedance Tomography,EIT)重建算法的性能,为EIT应用于肺部实时功能成像提供参考依据。方法设计三组实验,分别用一步高斯牛顿法、反投影算法、GREIT算法和基于L1正则化的成像算法对仿真数据及人体实测数据进行图像重建。在L1正则化求解过程中采用交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)。将四种算法对仿真数据与实测数据的重建图像以及评价参数进行对比分析。结果GREIT算法在无噪声重建目标的参数评价中表现最优,ADMM算法在加入噪声数据的重建中受到的影响最小,评价参数变化幅度最小,具有很好的抗干扰性能。结论GREIT算法与ADMM算法可以应用于肺部EIT重建,实现对肺部的功能成像。     

基于光学时轴校准MRI数据重建的高时空分辨率神经成像

功能核磁共振成像是一种重要的生物医学成像和神经科学研究的手段。然而,空间分辨率低、时间分辨率低以及信噪比低仍然限制了其实际研究应用。本文提出了一种高时空分辨率的图像重建方法,实现光信息同步磁共振技术扫描脑皮层神经活动产生的血氧动态响应,时分式覆盖k空间数据(time division coverage, TDC)。同时也提出一种波长参数化指数平均滤波波长调制光谱法（PEMA-WMS）实现实时脑皮层血氧动态光学传感。实验给出了在预实验磁共振图像作为高空间分辨率组织层的光子流传感蒙特卡罗模拟方法和视觉皮层功能成像仿真,并得出本文方法的图像重建结果。     

基于边缘检测算子的Huber正则化阈值选择方法在低剂量CT重建中的应用

目的研究两种不同的Huber正则化阈值自适应选取方法及其在低剂量CT迭代重建中的应用。方法针对低剂量CT重
建采用基于Huber正则化的迭代重建技术,Huber正则化阈值的选取分别基于全局和局部边缘保持算子。结果仿真数据的实
验结果表明,两类Huber正则化阈值自适应选取方法均能较好地抑制重建图像中的噪声和伪影。结论两类Huber正则化阈值
自适应选择方法均可实现低剂量CT优质重建。
     

基于2D电阻抗成像的位置误差和相对数量指数的后处理方法

本文提出了一种基于2D电阻抗成像的位置误差和相对数量指数的后处理方法,用于多种电导率分布的确定、组织成分的识别以及位置信息的确定。此外,还介绍了一种基于现有两种重建算法的混合正则化算法,并将三种重建算法重建的结果进行了比较。结果证明,这种后处理方法可以提高2D电阻抗成像的位置精度和空间分辨率,使得电阻抗成像适用于临床检查和过程监测。     

基于快速亚像素运动估计的肺4D-CT图像超分辨率重建

肺4D-CT图像超分辨率重建技术对于提高肺4D-CT图像分辨率有重要作用。本文提出一种基于快速亚像素运动估计的
超分辨率处理方法,以重建清晰的肺4D-CT图像。首先采用快速亚像素运动估计方法估计不同“帧”图像间的运动场,然后采用
迭代反投影方法重建高分辨率肺4D-CT图像。实验结果表明,与传统的插值方法及基于全搜索运动估计的超分辨率重建算法
相比较,本方法能得到更清晰的肺部图像,图像结构明显增强。同时,与全搜索算法相比,运算时间显著缩减。
     

基于运动补偿的压缩感知4D-CBCT优质重建

受硬件限制,4D-CBCT成像中单个呼吸相位对应投影数目过少,而相应的常规解析算法重建图像中充斥着大量噪声和伪 影。为解决此问题,鉴于当前呼吸相位图像可以通过其它呼吸相位图像运动补偿获取,本文中我们提出一种利用多相位投影数 据重建4D-CBCT的策略。本文中我们构建了包含基于多相位投影数据的保真项和基于压缩感知理论的全变分正则化的代价 函数。对于投影数据保真项的设计,不再局限于当前相位投影数据,而是利用多个相位投影数据通过变形的成像模型联合构 建。对于复杂代价函数的优化,我们利用GPBL（Gradient-Projection-Barzilai-Linesearch, GPBL）算法来实现。物理体模及临床 数据实验结果表明,相对于解析算法及代数迭代全变分约束算法,新方法在噪声和伪影的抑制方面有上佳表现,引入不同相位 图像间的关联信息并未引入新的伪影和运动模糊。     

基于亚像素位移的显微CT部分体效应抑制研究

探测器分辨率不足引起的部分体效应(Partial Volume Effect,PVE)会降低高分辨显微CT的重建分辨率并影响重建图像量化分析的准确性。为了提高该显微CT系统重建图像的空间分辨率,本文提出一种基于纳米载物台抖动的高分辨显微CT重建算法(De-PVE FDK,DP-FDK)。该方法将高精度的纳米载物台固定在旋转台上用于控制待测物体的位置,并设计亚像素尺度下移动纳米载物台获取多张投影图的扫描方案;通过Insight Segmentation and Registration Toolkit平台计算并校正待测物体的亚像素位移向量,最后上采样重建网格并将投影图的亚像素位移信息与FDK重建反投影过程相结合从而提升高分辨显微CT分辨率。仿真及实际实验结果表明,该重建方法能够降低PVE效应,提升重建图像分辨率。     

基于图割的肺4D-CT图像超分辨率重建

肺4D-CT在当今的肺癌放射治疗中起着重要的作用。本文提出了一种基于全局图割方法的肺4D-CT图像超分辨率重建 方法,来提升肺4D-CT图像的质量。该方法首先在最大后验马尔科夫随机场框架下建立一个肺4D-CT各相位高分辨率图像重 建的全局能量函数,然后,将该能量函数转化成图的表达方式,最后用图割方法和α-β swap算法优化能量函数来恢复高分辨率 图像细节结构。实验结果表明,在恢复图像的细节方面,本文方法要优于传统的线性插值和凸集投影超分辨率重建算法。     

MR多层面重建对结构测量准确性的影响

目的 研究磁共振多层面重建(MPR)对于图像结构测量准确性的影响.方法 对MR成像测试体模进行常规MR平扫;对磁共振三维扫描(3D T1MPRAGE)序列进行三维扫描并采用MPR方式进行图像重建.分别测量图像层厚、线性度等参数.结果 MPR重建图像层厚和空间线性测量结果 与常规MR平扫图像无明显差异.结论 MR、3D MPR重建技术对图像测量的准确性没有影响.     

基于模糊核聚类的MR图像分割新算法

在传统的模糊聚类算法中引入了核函数,同时引入了控制邻域作用的约束项,提出了改进的基于模糊核聚类的MR图像分割新算法.通过对模拟图和仿真的脑部MR图像的分割实验,证明本算法可以有效地分割含有噪声的图像.     

基于Goldstein枝切算法的MR相位像解缠方法改进

磁共振相位像的信息可应用于一些特殊MR成像技术,如磁敏感成像、弹性成像、温度监控等,但是扫描得到的相位像常
常会出现相位缠绕导致相位信息不准确,因此相位解缠成为上述成像技术成功的关键。本文分析了目前常用Goldstein枝切算
法产生错误解缠的原因,并在此基础上进行了算法改进,提出在解缠流程中引入掩模处理、滤波及最近邻偶极子对去除的最小
生成树等步骤,从而改善Goldstein枝切算法需要的残差图。实验结果表明这种方法使得残差点数量明显下降,枝切线的重复
连接、闭合回路及贯通线等引起错误解缠的情形得到改善,明显提高了解缠后的相位像质量。
     

椭球先验约束的前列腺磁共振图像分割

目的 为了有效的利用图谱的先验信息和待分割图像的灰度信息,提出一种新的椭球先验约束下的前列腺MR图像多图谱分割算法.方法 将多图谱分割与椭球形状先验相结合,在多图谱分割过程中引入椭球先验知识,针对椭球先验约束下的前列腺感兴趣区域进行图谱选择,大大避免了前列腺周围组织与器官对图谱选择造成的干扰;其次,在图谱融合过程中加入椭球先验项进行约束,对通过配准技术引入的前列腺图谱形状先验进行校正和补偿,有效避免了由配准误差引起的错误分割的情况.结果 对50例前列腺MR图像进行分割实验,实验结果表明该算法对前列腺数据的分割精度均在80％以上,平均精度提高到了88.12％.结论 椭球先验约束的前列腺MR图像多图谱分割算法稳定有效,分割结果精确度高.     

基于多模态MRI脑影像的超分辨率重建

目的 探讨基于多模态脑影像数据的超分辨率合成模型将低分辨率的厚层数据重建成为高分辨率的薄层数据。方法 使用真实成对的多模态低-高分辨率MRI数据（2D-T1,2D-T2 FLAIR和3D-T1）设计结构约束的图像超分辨率重建网络,从不同模态的低分辨率MRI提取重要特征重建更高分辨率的T1图像。将T1作为主要模态使用图像全部信息,T2 FLAIR作为补充模态选取皮层下核团为关键区域进行信息增强。通过比较超分辨率重建图像与真实的高分辨率图像之间的灰度和结构相似性来确定网络的学习方向,同时通过脑分割工具获取重建图像和金标准图像的大脑解剖学结构信息,并将其作为重要约束条件来让重建模型自适应的学习大脑的组织结构特征,从而有效提升模型的重建性能。结果 在整体图像质量评价方面,该模型在149例测试集上的重建图像的平均PSNR值为33.11,SSIM为0.996,质量优于本文的其余对比方法生成的结果。在大脑解剖结构方面,我们的方法可以重建出较为清晰的脑沟、脑回以及皮层下核团,可视化结果显示了根据医学图像特性加入解剖学结构信息的有效性。分别使用单模态T1和多模态T1、T2 FLAIR进行图像重建的结果说明了有效选择第二模态关键区域的可行性。同时,在高分辨率图像作为金标准的情况下,使用本文提出的方法重建得到的超分辨率图像与使用低分辨率图像相比,在大脑灰质、白质和脑脊液上的体积测量平均精度有了较大的提升,灰质体积平均误差从3%降到1%,白质从18%降为了2%,脑脊液从35%降为了8%。结论 基于多模态的MRI脑影像超分辨率模型加入了同一组织的不同模态信息与解剖学信息,相比现有的方法,可以重建出更为接近真实高分辨率的图像,有望将其应用于临床诊疗流程中。     

容积采集三维CT血管造影及四维动态增强磁共振血管造影活体动态监测肿瘤血管生成

目的 探讨容积采集三维CT血管造影(3D-CTA)与四维动态增强磁共振血管造影(4D-CE-MRA)活体动态监测兔YX2肌肉肿瘤血管生成的可行性,分析肿瘤血管的生成与肿瘤生长的关系,比较两种血管成像方法的优缺点.方法 新西兰白兔右后腿肌肉内接种VX2肿瘤细胞1 ×107,接种后第4、7、10、13、16天(每个时间点n=6)进行容积采集CT、MRI成像和3D-CTA、4D-CEMRA扫描,然后处死动物取出肿瘤标本.测量肿瘤不同生长时间点的长、短径及体积,并与大体标本比较;比较3D-CTA及4D-CE-MRA所显示肿瘤血管的最小直径;计数并统计不同时间点3D-CTA、4DCE-MRA所显示肿瘤血管的分支数目;动态观察并描述肿瘤血管生成的形态变化规律及特点.结果 (1)CT、MRI及大体标本所测算肿瘤体积的差异无统计学意义(P＞0.05).(2)3D-CTA及4D-CEMRA所显示肿瘤血管的最小直径分别为(0.68±0.07)mm、(0.85±0.12)mm,两者的差异具有统计学意义(t=-6.5075,P=0.005).(3)肿瘤接种后第4、7、10天3D-CTA及4D-CE-MRA所显示新生血管分支数目的 差异无统计学意义,接种第13、16天3D-CTA所显示肿瘤血管分支数目多于4D-CEMRA,差异有统计学意义(P＜0.01).(4)肿瘤血管生成具有从单一细小的胚芽到增多、增粗环绕肿瘤,直到形成扭曲、紊乱的肿瘤血管团的规律.结论 容积采集CT、高场强MRI可实现对肿瘤生长的活体监测,3D-CTA和4D-CE-MRA的方法能动态观察肿瘤血管生成的形态学变化.3D-CTA的空间分辨率优于4D-CE-MRA,但时间分辨率不及后者.     

Improving Diagnostic Quality of MR Images Through Controlled Lossy Compression Using SPIHT

This paper attempts to improve the diagnostic quality of magnetic resonance (MR) images through application of lossy compression as a noise-reducing filter. The amount of imaging noise present in MR images is compared with the amount of noise introduced by the compression, with particular attention given to the situation where the compression noise is a fraction of the imaging noise. A popular wavelet-based algorithm with good performance, Set Partitioning in Hierarchical Trees (SPIHT), was employed for the lossy compression. Tests were conducted with a number of MR patient images and corresponding phantom images. Different plausible ratios between imaging noise and compression noise (ICR) were considered, and the achievable compression gain through the controlled lossy compression was evaluated. Preliminary results show that at certain ICR’s, it becomes virtually impossible to distinguish between the original and compressed–decompressed image. Radiologists presented with a blind test, in certain cases, showed preference to the compressed image rather than the original uncompressed ones, indicating that under controlled circumstances, lossy image compression can be used to improve the diagnostic quality of the MR images.     

Brain MR Image Segmentation with Spatial Constrained K-mean Algorithm and Dual-Tree Complex Wavelet Transform

In brain MR images, the noise and low-contrast significantly deteriorate the segmentation results. In this paper, we propose an automatic unsupervised segmentation method integrating dual-tree complex wavelet transform (DT-CWT) with K-mean algorithm for brain MR image. Firstly, a multi-dimensional feature vector is constructed based on the intensity, the low-frequency subband of DT-CWT and spatial position information. Then, a spatial constrained K-mean algorithm is presented as the segmentation system. The proposed method is validated by extensive experiments using both simulated and real T1-weighted MR images, and compared with the state-of-the-art algorithms.     

An Improved Pathological Brain Detection System Based on Two-Dimensional PCA and Evolutionary Extreme Learning Machine

Pathological brain detection has made notable stride in the past years, as a consequence many pathological brain detection systems (PBDSs) have been proposed. But, the accuracy of these systems still needs significant improvement in order to meet the necessity of real world diagnostic situations. In this paper, an efficient PBDS based on MR images is proposed that markedly improves the recent results. The proposed system makes use of contrast limited adaptive histogram equalization (CLAHE) to enhance the quality of the input MR images. Thereafter, two-dimensional PCA (2DPCA) strategy is employed to extract the features and subsequently, a PCA+LDA approach is used to generate a compact and discriminative feature set. Finally, a new learning algorithm called MDE-ELM is suggested that combines modified differential evolution (MDE) and extreme learning machine (ELM) for segregation of MR images as pathological or healthy. The MDE is utilized to optimize the input weights and hidden biases of single-hidden-layer feed-forward neural networks (SLFN), whereas an analytical method is used for determining the output weights. The proposed algorithm performs optimization based on both the root mean squared error (RMSE) and norm of the output weights of SLFNs. The suggested scheme is benchmarked on three standard datasets and the results are compared against other competent schemes. The experimental outcomes show that the proposed scheme offers superior results compared to its counterparts. Further, it has been noticed that the proposed MDE-ELM classifier obtains better accuracy with compact network architecture than conventional algorithms.     

Preliminary clinical application using 3D time-resolved imaging of contrast-enhanced MR angiography of contrast kinetics （3D-TRICKS）i

Objective：To introduce a new better contrast-enhanced MR angiographic metnod, named 3D time-resolved imaging of contrast kinetics （3D-TRICKS）. Methods： TRICKS is a high temporal resolution （2-6 s） MR angiographic technique using a short TR（4 ms） and TE（1.5 ms）, partial echo sampling, in which central part of k-space is updated more frequently than the peripheral part. TRICKS pre-contrast mask 3D images are firstly scanned, and then the bolus injecting of Gd-DTPA, 15-20 sequential 3D images are acquired. The reconstructed 3D images, subtraction of contrast 3D images with mask images, are conceptually similar to a catheter-based intra-arterial digital subtraction angiographic series （DSA）. Thirty patients underwent contrast-enhanced MR angiography using 3D-TRICKS. Results： Totally 12 vertebral arteries were well displayed on TRICKS, in which 7 were normal, 1 demonstrated bilateral vertebral artery stenosis, 4 had unilateral vertebral artery stenosis and 1 was accompanied with the same lateral carotid artery bifurcation stenosis. Four cases of bilateral renal arteries were normal, 1 transplanted kidney artery showed as normal and 1 transplanted kidney artery showed stenosis. 2 cerebral arteries were normal, 1 had sagittal sinus thrombosis and 1 displayed intracranial arteriovenous malformation. 3 pulmonary arteries were normal, 1 showed pulmonary artery thrombosis and 1 revealed pulmonary sequestration＇s abnormal feeding artery and draining vein. One left lower limb fibrolipoma showed feeding artery. One displayed radial-ulnar artery artificial fistula stenosis. One revealed left antebrachium hemangioma. Conclusion： TRICKS can clearly delineate most body vascular system and reveal most vascular abnormality. It possesses convenience and high successful rate, which make it the first choice of displaying most vascular abnormality.     

基于可变形表面模型的MR图像脑表面形态提取

探讨了大脑表面形态提取的一种新方法可变形表面模型。脑表面形态的提取是脑的可视化、形态学分析、脑图像配准等多种工作的基础。对于多层ＭＲ脑图像,应用可变形表面算法,可以较准确地获得脑外部皮质的参数化表示。该算法对噪声具有一定的鲁棒性,并对于不同的外部形态具有较大范围的适应性。