基于解剖自适应的非局部先验贝叶斯PET图像重建

将配准的解剖图像作为先验信息指导PET图像重建已有广泛的研究.基于非局部均值(nonlocal means)滤波和解剖图像的区域信息,提出一种解剖自适应的非局部先验(anatomically adaptive nonlocal prior,AANLP)模型.新模型中的信息来自一个较大的非局部邻域内灰度值的加权差,其权值通过计算两个像素的相似性获得.权值参数通过利用解剖图像的区域信息进行自适应迭代估计.在PET图像的重建过程中,AANLP模型自适应地用于每一个解剖区域.构建两步式重建策略,用于图像重建和参数估计.仿真数据重建结果表明,AANLP具有很好的保持边缘效果,并且能鲁棒地产生最高的病灶对比度.     

基于非广延熵先验的PET图像重建

最大化后验(MAP)方法已经被广泛应用于解决图像重建的病态问题。先验项的选择一直是研究的热点,但是传统先验形式往往会导致重建图像模糊或者产生阶梯状伪影。本文针对传统先验形式存在的不足,提出了一种基于非广延熵先验的正电子发射成像(PET)迭代重建方法。该方法主要利用最小化非广延熵先验来消除先验信息和估计图像之间的不确定性。我们将此算法在体模图像上进行了测试,并与基于传统先验的MAP方法比较。实验表明,本文算法能更好抑制噪声,获得较好的重建图像质量。     

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。     

采用MRF二次混合多阶先验的PET图像的贝叶斯重建

在正电子发射成像（肿）中，很多方法被用来抑制重建图像中的噪声效果，其中。在所有方法中，贝叶斯重建或者最大化后验估计的方法被证明具有在重建图像质量方面相对于其他方法的优越性。基于贝叶斯重建，本研究提出了一种应用于贝叶斯重建中新的综合了二次一阶先验和二次二阶先验的马尔可夫随机场混合多阶先验。基于不同阶数的二次平滑先验的自身的不同性质，该新先验的设计的目的是实现自适应的发挥这些算子的作用。该混合先验能够保持其先验能量函数凸性，从而保证整体目标贝叶斯后验能量函数的凹性。模拟实验和实验结果的比较证明了对于PET重建，该先验在抑制背景噪声和保持边缘方面均具有很好的表现。     

正电子发射型断层成像的多准则重建

正电子发射断层成像（PET）作为图像重建问题的一种，通常的做法是把它视作仅有一个目标函数的优化问题进行单准则重建，但是通常情况下，单目标优化问题的解无法满足其他的目标或准则，如果我们希望重建的结果能满足多个目标函数，那就要用到多准则重建，本文针对PET多准则重建问题中的各个子目标函数及总的目标函数的构成进行了较为详尽的阐述。     

传递熵算法研究进展及其应用EI北大核心CSCD

近年来,从神经网络层面探索脑功能整合的相关生理病理机制已经成为神经科学领域研究关注的焦点之一。由于神经信号具有非平稳和非线性的特性,其线性特征不足以充分解释复杂脑功能执行过程中潜在的神经生理活动机制。为克服线性算法无法有效分析信号非线性特征的局限性,研究人员提出了传递熵(TE)算法。近年来,随着脑功能网络概念的引入,TE作为非线性时间序列多元分析的有力工具被不断优化。本文先介绍了TE算法的原理以及相关改进算法的研究进展,探讨比较了它们各自的特点,然后总结了TE算法在电生理信号分析领域的应用。最后,结合近几年的研究进展,探讨了TE目前存在的问题,并展望了其未来的发展方向。     

基于先验信息的肺部电阻抗成像算法

电阻抗层析成像 (EIT) 系统逆问题求解的欠定性是导致重构图像分辨率低的主要原因之一.结合先验信息,改善逆问题的不适定性,提高算法鲁棒性是提高成像质量可行的办法.本研究基于Tikhonov正则化算法,结合肺部组织结构、器官电导率分布参数以及肺部呼吸动态结构变化等先验信息,构建正则化矩阵,进行EIT图像重构.研究结果表明,结合先验信息的Tikhonov正则化图像重构算法减小了成像相对误差,改进了图像质量,EIT用于区域性肺部通气变化的检测和监护是可行的.     

基于list-mode数据的PET断层重建原理与实现

正电子发射断层扫描仪(PET)已经成为临床医学及诸多科学研究领域的基础性支撑装备,是当前科学研究的一个热点,而图像断层重建算法是其关键组成部分之一。目前大部分设备采用基于正弦图(sinograms)的统计迭代算法,而基于list-mode数据的重建算法具有许多独特优势,近年来受到研究者高度关注,正处于快速发展和完善过程中。本文以Eplus-166小动物PET为实验平台,采用S-LMEM重建算法和正交距离射线追踪方法,实现基于list-mode数据的断层重建,结果表明图像分辨率和对比度恢复达到设备固有性能指标,同时证明基于on-the-fly模式进行实时系统矩阵计算,实现动态重建是可行有效的。     

肺部三维EIT模型构建与图像重建研究

肺部三维电阻抗图像重建是电阻抗成像技术的重要应用之一。利用3D光学云点技术对人体胸腔区域扫描,并融合X图像提供的肺部结构构建肺部三维EIT仿真模型。根据肺部膨胀及收缩时的电导率先验知识,由COMSOL软件求解获得三维灵敏度矩阵,并在Matlab平台下由共轭梯度迭代算法重建肺部EIT断层图像,进行三维立体重构,获得3D EIT图像。为研究电流敏感场均匀性,设置4组不同电极层间距进行比较仿真实验,结果表明,对于33 cm胸腔区域,电极层间距为8 cm时,成像效果最佳,其最大相关系数为0.810 3,敏感场均匀性为1.869 6×10³,结构相似度为0.482 5,灵敏场的均匀性明显改善,有利于图像重建质量的提高。     

MRI图像重建网格化算法的研究进展

磁共振成像常常是在空间频率域不同间隔地采集数据的。为了利用快速傅里叶变换进行图像重建 ,采集到的 MRI数据必须用网格化算法转换到等间隔的直线网格上。目前有 6种不同的网格化算法 ,其中 Jackson的 Gridding法和Rosenfeld的矩阵反演法已成为该领域的主流方法 ,但两者都不太完善。具有创新思路的网格化算法仍有待于学术界进一步的开拓     

生物组织非接触光声层析成像EI北大核心CSCD

在光声成像中,超声信号通常需要采用接触传感器探测,这使其在很多应用中受到很大的限制,如脑功能成像。为了替代接触探测器实现非接触的光声层析成像(NCPAT),激光干涉技术被用于远程获取超声信号。本文搭建了非接触光声层析成像系统,系统采用波长为532 nm、能量17.5 m J/cm^2的激光作为光声激发源,激光外差干涉仪作为光声信号的远程探测系统,对实际生物组织模型进行了旋转几何的光声信号探测。利用激光外差干涉仪探测到的光声信号,进行反投影算法的图像重建。实验结果表明在具有组织散射特性的模型中,激光外差干涉仪在2.25 MHz带宽(峰值下15 d B强度的信号宽带)下,NCPAT成像系统可以识别500μm直径的黑色微球,并实现了在强散射介质中多层结构的光学对比成像。这将扩展光声和超声在体成像在生物医学领域的应用范围。     

3D-EIT图像重建的研究进展

本文回顾了三维医学电阻抗成像(3D-EIT)图像重建技术近年来的研究进展,介绍了几个新的有效的成像模型,并指出了该项研究目前存在的主要问题.     

前列腺癌的前列腺特异性膜抗原配体正电子发射计算机断层显像研究进展EI北大核心CSCD

前列腺癌是男性泌尿系统最常见的恶性肿瘤,其发病率及死亡率均逐年上升。传统影像学检查在诊断前列腺癌方面具有一定的局限性,而分子影像探针与成像技术的问世,为前列腺癌的诊疗一体化提供了新的思路。近年来,前列腺特异性膜抗原(PSMA)作为前列腺癌成像和治疗靶点备受关注,PSMA配体正电子发射计算机断层显像(PET)在前列腺癌原发灶的诊断、初始分期、生化复发与转移的检测、临床决策指导及疗效评估方面均具有重要参考价值。本文就近年来PSMA配体PET显像在前列腺癌的临床研究与应用进展作简要综述,以期提高其临床应用效益。     

基于先验的随机游走算法在医学图像分割中的应用

目的:常规的交互式图像分割算法通常只能对单个目标进行分割,或对多个目标的分割比较繁琐。针对该问题,本文期望提出一种基于随机游走算法的改进算法,以实现离散多目标的快速分割。方法:随机游走算法是使用最为广泛的交互式图像分割方法之一,在各类图像的分割中表现良好。而对于目标呈现离散分布的图像,该方法虽然也可以对其进行分割,但需要用户在各个离散的目标区域均选择种子点,因此分割效率低下。针对该问题,本文将初始种子点的灰度信息作为先验,初步估计待分割图像中像素点隶属于各类种子点的概率,并将其作为非图像空间项加入随机游走算法的目标函数,引导图像分割。使用改进方法分别对人工合成图像和临床医学图像进行分割,验证本文算法。结果:改进方法在减少交互的情况下,能有效地对人工合成图像和临床医学图像中的多个离散目标实现全部分割,且分割结果明显优于原始的随机游走算法。结论:本文提出的改进方法能有效地实现离散目标的医学图像分割,并且简化了分割的交互过程。     

非侵入式脑机接口控制策略的研究进展EI北大核心CSCD

脑机接口是指不依赖于外周神经和肌肉,在人脑与外部设备之间建立起一条直接的信息交流通路。相较于侵入式脑机接口,非侵入式脑机接口具有低成本、低风险、易操作等优势。近年来,利用非侵入式脑机接口技术对外设进行控制逐渐成为一种新型人机交互方式,而脑机接口控制策略是该方式的重要组成部分。本文首先介绍了脑控策略的分类和发展,其次详细描述了直接和共享两种控制策略的基本特点,再次对比分析这两种脑控策略的优缺点,最后对非侵入式脑控策略发展方向和应用前景进行了分析与展望。     

基于PET成像的阿尔茨海默病研究进展

正电子发射型计算机扫描(PET)和磁共振成像(MRI)是临床中诊断阿尔茨海默病(AD)的常用方法。¹⁸F标记的氟代脱氧葡萄糖正电子发射断层扫描(FDG PET)和淀粉样蛋白正电子发射断层扫描(Aβ PET)作为PET中常用的两种诊断技术,在AD的诊断研究中发挥了重要作用。本文从诊断效果评估和辨别痴呆种类两个方面阐述FDG PET和Aβ PET以及联合成像的应用现状,并将PET与MRI相比较,总结两者诊断存在的问题,最后对AD诊断的新进展进行了展望。     

一种基于生成对抗网络的无监督域自适应磁共振图像分割方法EI北大核心CSCD

智能医学图像分割方法正在快速地发展和应用,但面临着域转移挑战,即由于源域和目标域数据分布不同导致算法性能下降。为此,本文提出了一种基于生成对抗网络(GAN)的无监督端到端域自适应医学图像分割方法。设计网络训练调整模型,由分割网络和鉴别网络组成。分割网络以残差模块为基本模块,增加对特征的复用能力,降低模型优化难度,并将分割损失与对抗损失相结合,在鉴别网络的作用下学习图像特征层面的跨域特征。鉴别网络采用卷积神经网络,并带入源域标签训练,用来区分生成网络的分割结果是来自源域或目标域,整个训练过程无监督。使用膝关节磁共振(MR)图像公开数据集和采集的临床数据集进行实验,与经典的特征级域自适应方法和图像级域自适应方法对比,所提方法的平均戴斯相似性系数(DSC)分别提高了2.52%与6.10%。本文方法有效提高了分割方法的域自适应能力,显著提高了对胫骨和股骨的分割精度,可以较好地解决磁共振图像分割中的域转移问题。     

考虑软组织形变的实时无参考超声图像综合评估方法EI北大核心CSCD

超声引导的经皮介入治疗已在临床中得到了广泛应用。针对机器人辅助的超声引导治疗中探头接触力引起软组织形变的问题,提出一种考虑软组织形变的实时无参考超声图像综合评估方法。所提方法在超声图像亮度和锐度评估的基础上,融合组织或腺体的聚集特性设计了一种多维度的超声图像评价指标。为了验证所提方法的有效性,分别采集前列腺体模、内置囊肿的体模、猪肝脏组织,以及内置囊肿的猪肝脏组织4种不同模型的超声图像进行实验测试与分析,并基于斯皮尔曼秩相关系数分析了主客观评价的相关性。实验结果表明单幅图像的平均评估时间为68.8 ms,满足实时应用的需要。本文所提方法实现了机器人辅助治疗中实时超声图像的有效评估,并且评估结果与主观评价具有良好的一致性。     

探析U-Net的改进机制及其在医学图像分割的应用EI北大核心CSCD

U-Net网络在医学图像分割任务中取得了很好的成绩。近年来,众多学者针对U-Net结构不断地进行研究和扩展,比如编、解码器的改进和跳跃连接的改进。本文针对基于U-Net网络结构改进的医学图像分割技术从以下角度进行总结:首先,阐述U-Net网络在医学图像分割领域中的应用;然后,总结U-Net的七大改进机制:密集连接机制、残差连接机制、多尺度机制、集成机制、膨胀机制、注意力机制以及Transformer机制;最后,探讨U-Net结构改进的思路和方法,为相关研究提供参考,对U-Net的进一步发展具有一定的积极意义。     

基于非刚体配准的体数据插值重建方法

三维图像的处理和操作需要将一般的断层序列插值成为具有各坐标轴一致的分辨率的体数据，而目前最常用的线性插值方法在层间距较大时会导致图像边缘模糊和出现伪影。Penney根据现有的非刚体匹配方法，提出了利用图像形变场数据的插值算法，大大提高了层间插值的质量。本文对Penney提出的算法进行了两方面的改进，在配准过程中用简单的单射性约束取代了复杂的平滑性约束，用邻域平均算法替代Penney使用的最邻近直线插值方法，并将新算法的实验结果与原算法、线性插值进行了对比。新算法在保持高质量插值的前提下提高了计算速度。该算法可以应用于精度要求比较高的体数据插值重建过程。