基于非广延熵先验的PET图像重建EI北大核心CSCD

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。     

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。     

无监督的磁共振图像重建方法研究进展

近年,深度学习技术在磁共振(magnetic resonance, MR)图像重建领域飞速发展。然而,由于有监督的MR图像重建方法所依赖的高质量配对MR数据难以获取,无监督的MR图像重建方法逐渐成为了研究者们关注的重点,并展现出巨大的应用前景。当前关于此类问题的研究层出不穷,但仍缺乏系统性的归纳和分析。为此,本文综述了无监督MR图像重建方法的研究进展。首先,本文对无监督的MR图像重建方法进行了总结,无监督的MR图像重建方法能够从图像域或K空间域数据学习先验信息,实现在缺少配对数据情况下的MR图像重建;其次,本文根据学习先验信息的作用域的不同,将这些方法分为基于K空间域、基于图像域和基于混合域的无监督MR图像重建方法,并重点对各类方法的算法模型和实现流程进行了详细的介绍。最后,本文对无监督MR图像重建领域的进展和各类方法的特点进行了较为全面的总结,并对未来的发展方向进行了展望,以期为实现无监督MR图像重建提供思路和参考,并促进MR成像的临床应用。     

基于全变分模型的CT不完全角度重建算法研究进展

在计算机断层扫描成像领域,不完全角度重建算法可以在不完备的投影数据中重建出质量较好的图像,而其中比较突出的一类算法是基于全变分模型的重建算法。研究者们在此模型的基础上提出了许多相关的算法,重建出了质量更好的图像。本文首先简要介绍了全变分模型重建算法,然后在模型改进和求解算法两个方面对此模型的重建算法进行研究。在模型改进方面主要介绍了根据全变分模型的局限性以及图像的内涵信息引入相关的先验（方向信息、非局部信息、高阶梯度信息等）来改善图像的重建性能。在求解算法方面主要介绍了经典的梯度下降算法以及基于稀疏优化理论的交替方向最小化算法。最后分析总结了目前存在的问题以及提出模型改进和求解算法两方面相结合依旧是未来发展的趋势。     

非笛卡尔并行磁共振成像数据的自适应约束重建新算法

多通道欠采样非笛卡尔轨迹数据重建是当前磁共振成像的研究热点,当欠采样因子比较大时,病态问题往往使得敏感度编码(SENSE)方法重建图像信噪比严重降低,传统的解决方法是在重建方程中引入Tikhonov约束或TV约束。提出自适应约束的SENSE重建算法,由先验图像的梯度特征并借鉴PM模型的思想决定惩罚函数,在梯度幅值较大的区域使用各向异性扩散的TV约束方式,在梯度幅值较小的区域使用各向同性扩散的Tikhonov约束方式。进行8通道2.6倍欠采样可变密度螺旋轨迹人体动静脉畸形瘤动脉注射X线的仿真实验。结果表明,与平方和(SOS)重建方法、传统无约束SENSE重建方法以及TV约束SENSE重建方法相比,本算法可以有效抑制部分数据成像带来的噪声和伪影,并能较好保护图像细节尤其是小细节信息,成像效果优于传统方法。     

基于curvelet变换快速迭代收缩阈值算法的压缩采样磁共振图像重建

目的 为提高MR图像的重建效果和降低重建图像边缘模糊,本文提出一种基于curvelet变换的MRI快速迭代收缩阈值算法(fast iterative shrinkage-thresholding algorithm,FISTA)。方法 利用curvelet变换多尺度、各向奇异性、对图像边缘有更好的几何表达等特性,将curvelet稀疏变换和FISTA结合,并与传统基于小波变换的FISTA对相同MR图像作重建对比。重建图像的质量以峰值信噪比(peak signal to noise ratio,PSNR)、均方误差(mean square error,MSE)、结构相似性度(structural similarity degree,SSIM)来衡量。结果 实验选用Lena图像和脑部MR图像,从重建图像细节、差值图像、评估参数三方面对算法重建效果进行比较分析,证明该curvelet-FISTA算法可有效恢复完全采样图像从核磁共振成像中的欠采样数据。结论 与传统基于小波变换的FISTA相比,该方法可以更好地保持重建图像的细节信息,并有效地消除图像边缘的模糊现象,显示了较好的重建效果。     

基于双边滤波迭代修正的CT欠投影ART重建

针对CT欠投影数据进行成像问题,本文提出了一种基于双边滤波迭代修正的代数迭代(ART)重建算法。该算法在每一次迭代过程中,先采用ART算法重建图像并进行非负约束,然后采用双边滤波法对以上约束后的图像进行修正,再进入下一次迭代,直到满足迭代终止条件。为了进一步提高图像重建质量和加快迭代收敛速度,利用改进的双边滤波算法以提高迭代效能。通过对Shepp-Logan体模和真实投影数据进行重建,验证了本文算法的可行性,并与滤波反投影(FBP)算法、ART算法、ART混合高斯滤波(GF-ART)算法相比较。结果表明,本文算法重建出的图像信噪比更高,能够更好的保持图像边缘信息。     

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.     

基于自适应T型和菱形搜索算法的CT图像的MAP重建

图像的超分辨率重建就是从一个低分辨率序列中重建出一幅高分辨率的图像.而运动估计则直接影响超分辨率重建的效果.我们提出一种基于物体边缘的自适应运动估计方法,对物体的边缘部分采用菱形搜索的方法,保证运动估计的精确度.对物体内部和背景部分采用自适应T型搜索和菱形搜索相结合的方法.保证运动估计的快速性.将这种运动估计的结果应用到最大后验概率(MAP)重建的过程中,可以保证图像重建算法的可靠性.通过对CT投影数据的分析并进行MAP重建,可以获得良好的高分辨率图像.     

基于选择性全变差约束的稀疏角度CT快速迭代重建算法

针对利用稀疏角度投影数据实现优质CT图像重建的问题,提出了一种改进的基于选择性图像全变差(TV)约束的快速迭代重建算法。该算法采用两相式重建策略,首先利用代数重建算法(ART)重建中间图像并进行非负性约束,然后采用选择性TV最小化对上述图像进行优化修正,两步交替进行直到满足某一收敛准则。为了进一步提升算法效能,该算法在迭代过程中应用快速收敛技术加快算法收敛。应用该算法对仿真的Sheep-Logan体模进行重建,实验结果表明,该算法不仅提高了图像的重建质量,保护了图像的边缘信息,而且显著加快了迭代重建的收敛速度。     

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L_P范数的磁感应断层成像图像重建算法

磁感应断层成像(MIT)图像重建是一个典型的病态问题,且其数值解不稳定。为了改善解的病态性而又能提高重建图像的质量,本文在变差正则化算法的基础上提出一种新的基于LP范数的变差正则化算法。该算法不仅有效地克服了MIT重建图像数值解的不稳定性,还提高了重建图像的质量,增强了重建图像的空间分辨能力。仿真实验结果表明,该算法所获得的重建图像质量好于Tikhonov正则化算法和变差正则化算法,为MIT提供了一种新的有效方法。     

基于皱褶轮廓贝塞尔曲线插值的肠道内镜图像三维重建

目的肠道癌症的及早发现与治疗能大大提高患者的存活率,肠道内镜图像的三维重建可以增强医生对肠道结构的理解。目前肠道三维结构重建方法受肠道皱褶遮挡影响无法重建完整的肠道结构,并且重建的点云不能直观呈现肠道的结构。本文提出了基于肠道褶皱插值的重建方法拟解决重建的肠道不完整以及点云显示不直观的问题。方法首先利用肠道呈管道状的先验信息,运用运动恢复结构技术三维重建肠道褶皱轮廓,然后在皱褶之间进行贝塞尔插值重建肠道褶皱之间的肠壁,实现肠道整体的三维结构重建。最后在Open GL平台上,渲染并显示肠道的三维结构。本文应用该方法从两张内镜肠道图像重建了肠道的结构。结果该方法重建的肠道结构轮廓位置准确,能清晰直观地展现肠道结构。该方法融入了肠道形状先验信息,从内镜图像重建并直观显示了肠道三维结构。结论基于皱褶轮廓贝塞尔曲线插值的肠道内镜图像三维重建方法,克服了传统三维重建的缺点,能为医生提供直观的肠道结构信息,也为从连续多帧内镜图像重建肠道结构提供了技术基础。     

基于遗传算法的电阻抗图像重建

电阻抗图像重建是一个严重病态的非态线性的逆问题， Newton-Raphson迭代算法是目前理论上最为完善的静态电阻抗图像重建算法，它是一种基于最小化目标函数的搜索算法，在实际阻抗图像重建过程中对噪声非常敏感，即使使用正则化技术其稳定性和图像重建精度仍较差，本文提出一种基于遗传算法的图像重建新方法。实验结果表明这种方法具有较强的抗噪能力，其重建的静态电阻抗图像精度和空间分辨率都大大好于改进的Newton-Raphson重建算法。     

基于穿越长度权重迭代重建算法的研究

目的:传统的CT迭代算法中为了简化运算,投影系数的计算选择用成像射线路径是否穿过像素内来确定投影系数矩阵中元素的数值,穿过为1,不穿过为0。有些射线只穿过像素的边缘,也被赋值为1,扩大了该射线对相应像素投影值的贡献。为减小图像重建的误差,提高图像重建质量,提出了基于穿越长度权重的迭代重建算法,通过精确建模,选择用成像射线路径在像素内的穿越长度来确定投影系数矩阵中元素的数值。方法:采用MATLAB7.0仿真工具,对Shepp-Logan模型进行计算机仿真扫描,分别以传统投影系数和穿越长度权重计算的投影系数进行ML-EM迭代重建图像。结果:仿真数据表明基于穿越长度权重投影系数的ML-EM迭代重建算法,相比基于传统投影系数的迭代重建算法,可以提高重建图像的质量。结论:基于穿越长度权重的ML-EM迭代重建算法,通过精确建模达到了控制噪声、减小误差、较为准确重建的目的。通过对成像的几何和物理因素进行精确的建模,能有效地控制其中的非随机部分的影响,减小图像重建误差,一方面对迭代重建算法提供一种新的投影系数的计算方法,另一方面进一步提高迭代算法在CT重建中的图像质量。     

基于投影矩阵广义逆的CT重建迭代算法

目的在CT检查时,有限角度投影和稀疏矩阵投影能够减少X射线的剂量,然而这会导致投影数据不足,给图像重建带来一定的困难。为了克服这一难题得到较好的重建图像,本文提出一种基于计算投影矩阵广义逆的CT迭代重建算法。方法该算法在计算过程中,将重建图像表示为投影矩阵以及其广义逆的乘积。首先使用一阶迭代计算广义逆矩阵,但是由于投影矩阵和其广义逆矩阵都比较大,在迭代过程中以投影和滤波反投影代替。然后通过不同的算法分别对平行束投影、有限角度投影、稀疏矩阵投影的数据进行重建,并对重建结果的均方差、通用图像质量指标以及图像互信息进行比较。结果本文提出的方法重建出图像的均方差、通用图像质量指标和图像互信息更优,而且重建时间较短。结论该方法能够在没有未知图像先验结构信息和伪影猜想的情况下有效地提高重建图像的质量,而且该算法不需要计算投影过程,重建过程简单易行。     

基于人体结构先验信息的胸部电阻抗成像方法

电阻抗成像(EIT)技术对于人体胸腔病理变化及肺部检测具有重要的临床价值。由于胸部轮廓具有特异性,传统模型成像方法误差较大。提出一种基于人体结构先验信息的胸部电阻抗成像方法,通过对CT图片进行图像处理来提取胸部及肺部轮廓,为正问题和逆问题提供图像边界的先验信息,同时基于边界先验信息提出一种有效的图像逆问题剖分方法,使重建图像形状更接近真实情况,改善成像效果。为进行有效性验证,从某医院CT数据库中选取30张肺部健康的人体CT图像,对于所提出的方法与两种传统模型成像方法(基于椭圆形模型和基于圆形模型的成像方法),分别就其肺部区域比例(LRR)与真实值以及所产生的相对误差进行统计学对比分析。结果表明,所提出方法的LRR与真实值之间无显著性差异,其相对误差(3.71%±1.77%)显著小于基于椭圆形模型(10.29%±3.30%)和基于圆形模型(12.74%±2.87%)这两种成像方法(P<0.05),能有效提高成像质量。     

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。     

低剂量CT的加权总变差重建算法

针对稀疏投影角度的CT图像重建问题,结合压缩感知理论,提出基于加权迭代支持检测的分块代数重建算法,以较少的投影角度重建出理想的CT图像。首先,针对传统的代数重建技术计算量大、收敛速度慢的问题,提出分块代数重建算法;其次,传统的最小总变差模型会引起图像过度平滑及纹理细节模糊等问题,对此提出一种最小加权总变差算法,即加权迭代支持检测算法,并建立加权迭代支持检测模型;最后,分块代数重建技术与加权迭代支持检测模型交替迭代,使重建结果趋于收敛。本文采用经典的Shepp-Logan体模及实际的脑部CT切片进行重建,以均方根误差作为重建图像的质量评判标准,并与其他重建算法的重建结果进行对比。在经过一定次数的迭代后,基于本文算法的重建图像更贴近原始图像,而且比其他算法更早收敛。实验结果表明,本文算法在重建质量及收敛速度上都优于其他对比算法。