基于神经网络的双X射线影像2D-3D配准算法

针对基于迭代优化的传统2D-3D医学图像配准算法运行速度慢，难以达到实时配准的要求，本研究提出一种实时2D-3D配准方法。通过将空间刚体变换参数分解到两个平面上，将2D-3D配准简化为两个步骤，包含2D-2D近似刚体配准与单参数2D-3D刚体配准。同时利用深度卷积神经网络拟合患者X射线影像残差与其对应姿态差异间的非线性映射关系，从X-DRR图像对的残差回归出空间刚体变换参数。经由头颅CT数据训练后的网络，在0.04 s内完成了高精度的双X射线配准。本研究提出的配准方法满足了放疗过程中进行实时2D-3D配准工作的要求。     

CT图像重建中的一种新型滤波器

滤波反投影图像重建算法中滤波器设计是其中至关重要的一环。针对现有一次指数滤波器空域波形存在明显振荡、频域曲线截止频率附近没有明显压低的问题，引入高斯滤波器减小Gibbs效应，并设计一种用于CT重建领域的新型滤波器，即改进高斯滤波器。通过仿真实验对比说明滤波器中加权因子选择对图像质量的影响，另与RL滤波器、SL滤波器、一次指数滤波器、高斯滤波器实验对比验证了该滤波器拥有良好的抗噪性能，有效减小重建图像灰度波动以及明显提高重建图像质量。     

基于非线性估计的CBCT几何标定算法

针对传统的几何标定算法由标定模体位姿误差导致的CBCT成像系统参数标定精度不高的问题,提出一种基于解析几何和非线性优化的CBCT几何标定算法。首先,设计一种插帧追踪的方法,提取特征点的坐标,使得标定模体与投影图像中的特征点实现一一对应。然后,利用投影图片与设计的标定模体之间的空间几何关系,计算相关参数。最后,对检测的特征点进行非线性估计,进一步提高几何参数的计算精度。仿真数据实验表明,本文算法能够较为精确地计算出CBCT成像系统的几何参数,并在标定模体出现位姿偏差时仍然保持较高的计算精度。通过非线性估计模型,本文所提出的算法突破了现有算法标定模体位于等中心点的限制,提高了CBCT成像系统中参数标定的精度。