基于结构自适应归一化卷积的磁共振图像超分辨率重建

目的 探讨一种针对磁共振图像超分辨率重建的有效算法.方法 根据图像间存在的微小结构差异,应用结构自适应归一化卷积算法,对重复扫描获取的磁共振图像进行超分辨率重建,同时运用其他4种常用超分辨率重建算法进行相同处理,计算峰值信噪比,比较重建效果.结果 结构自适应归一化卷积算法与其他算法相比,能够更好地保留磁共振图像的边缘和细节特征.结论 结构自适应归一化卷积算法结合了局部结构信息,可获得质量较好的高分辨率磁共振图像.     

自适应超分辨率图像的重建算法

背景：超分辨率重建已经在视频、遥感等许多领域内的到广泛的研究与应用。 目的：介绍一种自适应超分辨率重建算法,以期从序列低分辨率图像中重建出高分辨率图像。 方法：采用常数λ=2/3作为正则化参数和自适应步长作为第一种方案。第二种方案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。实验构造出新的非线性自适应正则化函数,进而利用实验方法分析代价函数的凸性。通过数学理论,根据代价函数凸性实验得到自适应步长因子,从而改进了图像的空间分辨率和算法的收敛速度。 结果与结论：为验证此算法的有效性,采用光学图像进行实验。方案二图像峰值信噪比增高,其收敛速度为方案一的2倍以上;方案二的平均计算需要的时间为68.25 s。结果证实,自适应超分辨率图像重建算法对图像分辨率和迭代的收敛速度均改善显著,其稳定性较好。     

基于医学图像的超分辨率重建算法综述

随着临床对医学图像高分辨率的要求,基于低分辨率医学图像的超分辨率重建算法已成为研究热点,该类方法在不需要改进硬件设备的情况下,可以显著提高图像分辨率,因此对其进行综述具有重要意义。针对医学图像领域中特有的超分辨率重建算法,首先分析了该类算法的研究现状,并将其分为三类:基于插值的超分辨率重建、基于重构的超分辨率重建和基于学习的超分辨率重建。同时,基于MR图像、CT图像、超声图像等细分医学图像领域,深入分析了超分辨率重建算法的研究进展,并对不同类型的算法进行了归纳总结和比对分析。其次,对超分辨率重建算法所对应的评价标准也进行了介绍。最后,展望了超分辨率重建技术在医学图像领域的发展趋势。当前应用于医学图像领域的超分辨重建算法已经发展到一定水平,逐步突破基于单一方法的研究形式,通过与机器学习和稀疏表示等理论的深度融合,形成了更高效的算法。     

基于运动估计的肺4D-CT图像冠矢状面超分辨率重建

肺4D-CT在肺癌放射治疗中发挥着重要的作用,但肺4D-CT数据层间的分辨率低,导致每个相位3D数据的肺冠矢状面均为低分辨率图像。本研究提出一种基于运动估计的超分辨率重建技术,以提高3D数据的冠矢状面图像分辨率。首先,分析图像退化模型;然后,采用基于完全搜索块匹配的运动估计法,估计出不同“帧”肺冠矢状面图像之间的运动场;最后,以此运动场为基础,采用迭代反投影法（IBP）,重建高分辨率的肺部冠矢状面图像。使用一个公共可用的数据集来评价所提出的算法,该数据集由10组肺4D-CT数据组成,每组数据包含10个相位。在每组图像中,选取不同相位的冠矢状面图像进行实验。结果表明,与传统的插值方法（如最近邻插值、双线性插值法）相比,图像边缘宽度均显著降低（最近邻插值9.93±0.59,双线性插值8.04±0.69,新算法5.41±0.60, P<0.001）;较双线性插值,图像平均梯度显著提高（5.41±0.59 vs 7.49±0.75, P<0.001）,新方法不仅能获得视觉上清晰的图像,而且量化评价指标也有明显提高。主观和客观实验结果表明,所提出的新方法能有效提高肺4D-CT冠矢状面图像的分辨率。     

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。     

基于结构自适应归一化卷积的磁共振图像超分辨率重建

目的 探讨一种针对磁共振图像超分辨率重建的有效算法.方法 根据图像间存在的微小结构差异,应用结构自适应归一化卷积算法,对重复扫描获取的磁共振图像进行超分辨率重建,同时运用其他4种常用超分辨率重建算法进行相同处理,计算峰值信噪比,比较重建效果.结果 结构自适应归一化卷积算法与其他算法相比,能够更好地保留磁共振图像的边缘和...     

结合各向异性扩散滤波Thin Plate先验正电子发射断层图像重建的算法

背景：在正电子发射断层成像中,MAP重建方法通过引入先验分布约束,可以明显提高重建图像的质量,但不合适的先验分布项可能会造成重建图像过度平滑或出现阶梯状边缘伪影。 目的：针对基于传统局部先验信息的MAP方法易于导致重建图像过平滑或产生阶梯状边缘伪影的问题,提出了一种结合各向异性扩散滤波的、基于Thin Plate先验的改进MAP重建算法。 方法：重建算法由两步组成：基于双向扩散系数的PDE各向异性扩散滤波和基于Thin Plate先验的MAP估计。重建图像通过这两步交替迭代得到。文中采用归一化均方根误差和信噪比定量评价重建图像质量。 结果与结论：结合了基于双向扩散系数的PDE各向异性扩散滤波,并将Thin Plate二次二阶先验模型引入到MAP重建算法中,所获得的重建结果图像在抑制噪声、边缘保持方面取得了良好的效果,SNR、RMSE以及视觉评价等方面均有较大程度的改善。     

改进的小波域医学图像序列的运动估计

医学图像序列压缩是远程医疗系统中的重要技术，而运动估计在视频序列压缩中起着关键作用。我们提出了一种改进的正方形-菱形搜索算法来实现医学图像序列的运动估计。这种改进的正方形-菱形算法减少了搜索点数。我们将其应用于小波域的医学图像序列的运动估计，并对数字减影血管造影图像序列（DSA）进行实验。结果表明，改进后的小波域正方形-菱形算法较其他算法精度高。     

合成孔径序列波束形成轴向运动补偿方法

合成孔径序列波束方法是一种新颖的医学超声成像方法,采用两个阶段的波束形成,在传统的超声成像系统中实现合成孔径成像,在不需要存储和传输大量射频回波数据的情况下,提高医学超声图像的分辨率。该方法的前提是假设成像目标静止不动,而通过仿真分析发现运动会造成成像目标位置错误。针对此问题,提出一种合成孔径序列波束形成运动估计和补偿方法：首先通过在同一位置连续发射接收两次以获取用于运动估计的数据,然后采用互相关方法对第一阶段波束形成得到的低分辨率图像进行运动估计和补偿,再对其做第二次波束形成得到高分辨率图像。Field II仿真结果显示,所提出的运动补偿方法可以得到正确的目标位置。对于运动速度为0.1 m/s的点目标,运动补偿后的平均横向分辨率与静止点目标相比仅降低2.03%,对比度降低2.7 dB。对于运动速度为0.2 m/s的囊目标,运动补偿后图像的对比度分辨率较静止情况仅降低8.53%,进一步说明所提出的运动补偿方法有效。     

基于分块的肺4D-CT图像超分辨率重建

肺4D-CT在肺癌的治疗中,对于准确定位肿瘤靶区、实现个体化精确放疗具有重要的应用价值。由于放射剂量的限制,使得肺4D-CT图像分辨率较低。提出一种基于图像分块的超分辨率重建技术,提升肺4D-CT图像的分辨率。首先,将图像分解为一系列重叠图像块;其次,利用Active Demons配准算法,自适应选取若干幅与目标图像块对应结构相似的其他相位图像块,并估计出它们之间的运动变形场;而后,采用迭代反投影(IBP)算法,重建得到高分辨率的图像块;将得到的所有高分辨率图像块拼接后,最终输出完整的高分辨率肺4D-CT图像。利用由德克萨斯安德森肿瘤中心DIR实验室采集并开放的公共数据集评价所提出的算法,该数据集由10组肺4D-CT数据组成,每组数据包含10个相位。从每组数据中,选取不同相位图像进行实验。量化评价结果表明,所提出的方法相比反投影(BP)算法、全局迭代背投影算法,图像平均梯度显著提高(反投影算法7.65±0.44,全局迭代背投影算法7.92±0.43,本算法8.92±0.50,P<0.001)。视觉评价结果同时显示,所提出的方法能够有效消除伪影,得到结构显著增强、清晰度更高的肺4D-CT图像。