小波先验在OSL重建算法中的应用

背景:MAP(最大后验)统计重建方法可以在重建过程中引入合适的先验知识达到去除噪声的目的.目的:根据小波系数的统计特性及能量平衡的原理对高频信息做相应的处理,并将多尺度的小波先验应用到OSL重建算法中以去除噪声.方法:实验从“变换域"的思想出发,在小波域上根据小波系数的统计特性及能量平衡原理对不同尺度的高频信息做相应的处理,并利用处理后的小波系数进行小波重建.结果与结论:基于小波先验的OSL算法比ML-EM算法重建的图像与测试模型的误差变小、相关性变大、噪声变少,重建图像变得比较平滑,视觉效果较清楚.     

一种基于指数型先验分布的正电子发射断层图像重建算法

背景:最大似然估计算法是正电子发射断层图像重建的经典算法,能够在信息量不足的情况下获得分辨率和噪声特性均优于滤波反投影重建的重建结果.但是MLEM算法具有不稳定性,即随迭代次数的增加,图像噪声反而会增加.目的:针对MLEM算法的图像噪声问题,提出一种基于指数型先验分布约束的MAP重建算法.方法:将指数先验分布代替传统MAP重建中的高斯先验,并用信噪比和归一化均方误差来判断重建质量.结果与结论:实验证明,该算法不仅能够抑制噪声,而且能够保持重建图像的边缘,不会造成过分平滑.     

基于Mallat金字塔算法的小波的局部图像重建

本文利用Mallat金字塔算法对Shepp-Logan图进行局部重建,利用小波所具有的多尺度特性和良好的局部特性,能够仅用局部投影数据重建出感兴趣的局部区域,由此不仅降低了X射线的辐射剂量,而且缩短了成像时间.     

迭代重建算法的发展及其在CT中的应用

随着CT成像技术的不断发展,其在临床中的应用越来越广泛,而临床对于CT诊断的要求也不断提高。一直以来,CT检查的辐射剂量及图像质量的改善都是人们关注的热点。早期,降低辐射剂量的主要方法就是降低管电压、降低管电流、增加螺距及减少扫描次数等,但这些方法在降低辐射剂量的同时也在一定程度上降低了图像质量。随着CT技术的不断改进,不同类型的重建算法及扫描方式也随之出现,能够通过不同的重建算法来改善图像质量,从而有助于     

回顾性算法重建技术在肺部CT平扫中的应用

目的 探讨回顾性算法重建技术在肺部CT平扫中的应用价值。方法SomatomAR．nova CT机，常规矩阵和层距层厚，标准算法重建(AB4)，回顾性锐利算法重建(AB9)。常规胸部扫描体位和条件；扫描完毕，进行锐利算法重建，取得高分辨率肺窗图像。结果与常规法和高分辨率扫描CT(HRCT)图像相比，更能显示以下结构。正常肺小血管纹理、支气管、叶间区，肺泡内早期渗出和吸收期病变，早期肺纤维化灶，硬结钙化，结节肿块、空洞空腔的内外部结构，小叶性肺气肿的显示与分类，肺不张的程度与类型，胸腔积液胸膜增厚的区分。结论通过回顾性重建获取的图像空间分辨率明显提高，肺窗图像质量改善，对于发现和诊断肺部早期和／或轻微的病变具有一定意义。     

ASIR算法在宝石CT头颅低剂量扫描中的应用

头部是cT检查应用最早,频率最高的部位,因此头颅CT低剂量有重要意义。自适应性统计迭代重建（ adaptive statistical iterative reconstruction, ASIR）是近年来开发较新的CT图像重建算法,能有效降低图像噪声,作者尝试在宝石CT（GEDiscovery CTHD750）平台上,利用ASIR算法结合自动管电流调制技术,探讨头颅低剂量扫描的可行性。现报道如下。     

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.     

原始数据迭代重建算法在胃癌术前分期诊断中的应用价值研究

目的 :比较原始数据迭代重建算法(sinogram affirmed iterative reconstruction algorithm,SAFIRE)与传统滤波反投影(filtered back projection,FBP)重建算法在胃癌术前CT分期中的图像质量。方法:选取40例经手术病理证实为进展期胃癌的患者,所有患者术前均行128层双源炫速CT扫描并分期。将原始数据通过SAFIRE的1~5级及FBP算法分别进行重建,获得5 mm层厚的CT图像。测量并比较所得图像的胃壁病灶、肝脏、右侧竖脊肌、皮下脂肪及腹主动脉的噪声和CT值、病灶的对比噪声比(contrast-to-noise ratio,CNR)和信噪比(signal-to-noise ratio,SNR)及腹主动脉SNR,并对胃癌术前分期的图像质量进行主观评分。结果:FBP重建算法与SAFIRE(1~5级)间各部位所测得的平均CT值差异无统计学意义(P>0.05)。FBP重建图像中病灶的平均噪声最高,而在SAFIRE图像中,随着1~5等级的增高,噪声逐渐降低,CNR及SNR也随之降低。主观评分中,FBP重建图像的评分最高,而SAFIRE图像随等级的升高,评分逐渐降低;其中,FBP重建算法与SAFIRE S1、SAFIRE S2与S3的主观评分结果间差异均无统计学意义(P>0.05)。结论:SAFIRE技术应用于胃癌术前分期检查中,虽能降低图像噪声,提高图像的CNR、SNR,但相比常规FBP重建算法并不能提高进展期胃癌术前分期的准确率。在相同扫描条件下,更推荐应用FBP重建算法或SAFIRE的S1图像来对进展期胃癌进行分期诊断。     

自适应统计迭代重建算法在胸部低剂量CT中的应用

目的使用自适应统计迭代重建(ASIR)算法,并结合自动管电流调制技术,在宝石CT(GE Discovery CT HD750)进行胸部扫描,探讨胸部低剂量扫描的可行性.方法行宝石CT胸部平扫患者150例,随机分为A、B、C三组(每组50例,其中A组为对照组,B、C组为实验组),采用自动管电流调制技术扫描,噪声指数(NI)分别预设为12Hu,18Hu,24Hu.采用FBP算法和不同权重的ASIR算法(10%~90%)进行图像重建.分别由3位放射科医师采用盲法对图像质量进行评分.记录三组患者接受X线辐射的剂量参数,CT容积剂量指数(CTDIvol)、剂量长度乘积(DLP),并计算有效剂量(ED).并对三组图像质量评分及辐射剂量进行方差分析.结果 A、B、C三组的图像质量均能满足临床诊断要求,三组有效剂量(ED)分别为(4.32±1.50)mSv,(1.92±0.68)mSv和(1.07±0.38)mSv.B组ED比A组降低55.56%(P<0.01);C组比B组降低44.27%(P<0.05),比A组降低75.23%(P<0.01).结论使用ASIR算法结合自动管电流调制技术进行胸部CT扫描,可大幅降低辐射剂量,同时保证图像质量可满足诊断要求.     

Gibbs场先验参数估计在医学图像分割中的应用

背景:基于马尔科夫随机场的图像分割算法已经成为医学图像分割的重要方法,其中,Gibbs场先验参数的取值对分割精度有很大的影响.目的:根据脑部MR图像的成像特点,探讨Gibbs场先验参数的估计方法,从而提高图像分割的精度.方法:通过对脑部MR图像的统计分析,得到图像高斯噪声的方差与Gibbs场先验参数的对应关系.然后在基于马尔可夫随机场图像分割算法的迭代过程中,根据高斯分布的方差估计值,用插值方法估计Gibbs场先验参数.结果与结论:通过对模拟脑部MR图像和临床脑部MR图像分割实验,表明该方法比传统的设定Gibbs场先验参数为某一常数的方法有更精确的图像分割能力,并且实现了图像的自适应分割,具有方法简单、运算速度快、稳健性好的特点.     

Development of a neonate lung reconstruction algorithm using a wavelet AMG and estimated boundary form

Objective, non-invasive measures of lung maturity and development, oxygen requirements and lung function, suitable for use in small, unsedated infants, are urgently required to define the nature and severity of persisting lung disease, and to identify risk factors for developing chronic lung problems. Disorders of lung growth, maturation and control of breathing are among the most important problems faced by the neonatologists. At present, no system for continuous monitoring of neonate lung function to reduce the risk of chronic lung disease in infancy in intensive care units exists. We are in the process of developing a new integrated electrical impedance tomography (EIT) system based on wearable technology to integrate measures of the boundary diameter from the boundary form for neonates into the reconstruction algorithm. In principle, this approach could provide a reduction of image artefacts in the reconstructed image associated with incorrect boundary form assumptions. In this paper, we investigate the required accuracy of the boundary form that would be suitable to minimize artefacts in the reconstruction for neonate lung function. The number of data points needed to create the required boundary form is automatically determined using genetic algorithms. The approach presented in this paper is to assist quality of the reconstruction using different approximations to the ideal boundary form. We also investigate the use of a wavelet algebraic multi-grid (WAMG) preconditioner to reduce the reconstruction computation requirements. Results are presented that demonstrate a full 3D model is required to minimize artefact in the reconstructed image and the implementation of a WAMG for EIT.     

自适应统计迭代重建算法在儿童头部CT扫描中的应用

目的 探讨自适应统计迭代重建(ASiR)算法在儿童头部CT扫描中的应用价值。方法 对1个水模进行CT扫描,管电压100 kV,管电流分别为200、180、160、140、120和100 mA,ASiR比例分别设置为0、10%、20%、30%、40%、50%,采用FBP和ASiR迭代重建两种重建算法进行图像重建,比较不同条件下图像CNR、SNR和图像噪声。将80例接受头部CT扫描的患儿分为对照组(n=40)和试验组(n=40)。对照组采用管电压100 kV、管电流200 mA,FBP重建算法进行图像重建;试验组采用管电压100 kV、管电流140 mA,分别采用FBP和ASiR两种重建法进行图像重建;将重建后的图像分别记为试验FBP亚组和试验ASiR亚组;对两组中图像的CNR、SNR、图像噪声、CTDIvol、DLP、ED进行比较。结果 水模研究中,采用ASiR(30%)、管电流140 mA、ASiR算法重建图像的SNR、CNR及空气噪声值与管电流 200 mA、FBP重建图像最为接近。对照组与试验ASiR亚组图像的图像噪声、灰白质CNR和灰质SNR值差异均无统计学意义(P均>0.05);对照组和试验ASiR亚组图像的噪声、灰质SNR、灰白质CNR均优于试验FBP亚组,且差异均有统计学意义(P均<0.001)。结论 采用ASiR重建算法的头部CT扫描,既可降低患儿接受的辐射剂量,又保证了图像质量,具有较高的临床应用价值。     

正电子发射断层图像重建中基于有序子集惩罚最小二乘算法的应用

为了解决正电子断层成像中传统迭代重建算法不能有效抑制噪声和收敛速度慢的问题,在最小二乘算法中引入二次平滑先验惩罚项,并结合有序子集加速方法用于正电子发射断层图像重建,形成了有序子集惩罚最小二乘算法.实验结果表明,有序子集惩罚最小二乘算法相对于最大似然估计等算法,不仅能够有效地抑制噪声,重建出质量更好的图像,而且较大地提高了收敛速度.     

Joint PET-MRI image reconstruction using a patch-based joint-dictionary prior

For simultaneous positron-emission-tomography and magnetic-resonance-imaging (PET-MRI) systems, while early methods relied on independently reconstructing PET and MRI images, recent works have demonstrated improvement in image reconstructions of both PET and MRI using joint reconstruction methods. The current state-of-the-art joint reconstruction priors rely on fine-scale PET-MRI dependencies through the image gradients at corresponding spatial locations in the PET and MRI images. In the general context of image restoration, compared to gradient-based models, patch-based models (e.g., sparse dictionaries) have demonstrated better performance by modeling image texture better. Thus, we propose a novel joint PET-MRI patch-based dictionary prior that learns inter-modality higher-order dependencies together with intra-modality textural patterns in the images. We model the joint-dictionary prior as a Markov random field and propose a novel Bayesian framework for joint reconstruction of PET and accelerated-MRI images, using expectation maximization for inference. We evaluate all methods on simulated brain datasets as well as on in vivo datasets. We compare our joint dictionary prior with the recently proposed joint priors based on image gradients, as well as independently applied patch-based priors. Our method demonstrates qualitative and quantitative improvement over the state of the art in both PET and MRI reconstructions.     

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68.25s。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。     

自适应超分辨率图像的重建算法（英文）

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68.25s。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。