ITEAR算法：以纹理能量分析为基础的早期肿瘤图像检测方法

目的：实现计算机自动检测出CT图像中的早期肿瘤。方法：提出一个以纹理能量分析为基础的可以检测出CT图像中早期肿瘤的算法——ITEAR（image registration and texture energy analysis）。该算法首先用互信息量配准方法将PET图像和同一层的CT图像配准,并且利用自适应阈值法将PET图像中的感兴趣区（region of interest,RO1）检测出来,然后应用纹理能量分析方法检测出早期肿瘤的准确位置,接着运用边缘检测方法将其边界提取出来。结果：ITEAR算法能准确定位早期肿瘤,并且能检测出早期肿瘤的边界。结论：ITEAR算法可以令计算机自动制定三维适形放疗计划。     

PE患者应用GE宝石能谱CT诊断的临床价值分析

目的探讨肺栓塞(PE)患者应用GE宝石能谱CT诊断的临床价值。方法收集2017年8月~2018年12月我院临床疑似PE并行能谱CT检查的患者120例,以CT肺动脉造影(CTPA)确诊的PE患者为研究对象,通过数据处理获取CTPA图像及肺组织碘基物质图像。根据CTPA图像观察栓子分布情况并进行类型,于碘基图中测定栓塞区与与对侧正常区相比碘含量值。结果 120例临床可疑PE患者,经能谱CTPA证实为阳性57例,共发现289个栓子,其中完全型栓子172个,不完全型117个(包括中心型17个、偏心型86个、附壁型14个)。完全型栓子、中心型及偏心型栓子栓塞区碘基值均明显低于对照区(P<0.05);附壁型栓子碘基值在栓塞区与对照组之间无统计学差异(P>0.05)。完全型栓子灌注减低区检出率明显高于不完全型栓子(P<0.05)。结论宝石能谱CT能够显示肺组织血流灌注异常改变,对PE诊断及病情评估有重要价值。     

基于模式识别建立的动脉钙化影像计算机辅助诊断系统

目的血管钙化可用于早起冠状动脉硬化的诊断,本研究旨在利用冠状动脉血管造影(CTA)图像,开发用于血管钙化灶筛查的计算机辅助诊断系统。方法采用模式识别(pattern recognition)中的主成分分析技术(principalcomponents analysis,PCA)和Canny算法,对10例主动脉硬化患者的CTA增强造影图片进行建模。通过边缘检测和骨架提取获得钙化的可能区域,对其进行主成分分析建立钙化模型。结果利用建立完成的自动CTA钙化灶分析技术对所有10例患者160张CT照片进行自动识别,并且以患者冠脉造影资料所得结论作为判定标准。在总共214个钙化灶中,有207个钙化灶获得正确判断,判定敏感度为96.7%,同时有10个钙化灶未判断出来,阳性检出率为95.4%。结论基于PCA和Canny算法开发的辅助诊断系统能准确、高效的完成CTA影像中的血管钙化灶筛查工作,具有较好的临床应用前景。     

球结膜图像边缘检测研究

目的为了洲最球结膜微循环的指标,研究适宜的球结膜图像边缘检测方法,以提取血管边缘特征。方法采集球结膜图像,用VC＋＋编程实现各种方法（如：Canny、Susan、M—H算子）对球结膜图像边缘检测,并对比边缘图像。结果对于球结膜图像,M—H算子边缘检测性能优越,提取的边缘比较完整、位置准确,能够检测出图像较细的边缘部分,噪声抑制效果较好。结论M—H算子是比较适合球结膜图像特点的边缘检测方法。     

不同CT成像技术对气虚血瘀证肺栓塞的对照观察

目的:寻求对肺栓塞准确诊断与经济实用的平衡点.方法:选取2018年1月至2020年12月期间共130例首发疑似气滞血瘀证肺栓塞(pulmonary embolosm,PE)的患者进行回顾性分析,随后对患者数据进行筛选,入选84例患者,分别采用双源双能量CT成像、宝石能谱CT成像和小剂量对比剂团注测试CT肺动脉造影成像等...     

肺部CT图像的计算机辅助分析初探

目的研究利用计算机处理分析DICOM格式CT图像的方法及软件实现，探讨肺结节的计算机辅助检测方法。方法利用VC＋＋结合OpenGL编程读取DICOM格式的CT图像，然后运用多种数字图像处理方法在脱离影像工作站的情况下处理分析图像，并采用多尺度增强和交互式区域增长结合神经网络的方法实现肺结节的计算机辅助检测。结果本研究提出并实现了一个处理分析CT图像并对肺结节进行计算机辅助检测的算法系统。并应用于影像诊断和图像处理教学，实际处理了含40个结节的图像40幅，检测出结节38个，有效率95％。结论本研究利用VC＋＋结合OpenGL编程实现了CT图像的计算机处理分析和肺结节的计算机辅助检测，程序界面友好，操作方便，适合教学使用。     

低剂量CT图像重建算法对脑出血检测性能的影响

目的 探究低剂量CT图像重建算法对脑出血检测性能的影响。方法 对正常剂量（定义为100% dose）脑出血CT图像进行低剂量CT成像仿真,仿真剂量包括30%、25%和20% dose。采用7种CT图像重建算法进行图像重建,以实现抑制低剂量CT图像噪声,包括滤波反投影算法（FBP）、惩罚加权最小二乘的全变分（PWLS-TV）、非局部均值滤波（NLM）、3维块匹配（BM3D）、残差编码解码卷积神经网络（REDCNN）、FBP卷积神经网络（FBPConvNet）和图像恢复迭代残差卷积网络（IRLNet）。基于深度学习方法的脑出血检测模型（CNN-LSTM）对正常剂量图像和7种重建算法得到的图像进行脑出血检测。对7种重建算法与正常剂量图像的脑出血检测结果进行比较,评估不同重建算法对脑出血检测性能的影响。结果（1）对于同一算法,剂量对脑出血检测性能的影响：在30%、25%和20% dose下,FBP算法脑出血检测正确率分别为82.21%、74.61%和65.55%。（2）在相同剂量（30% dose）下,不同图像重建算法对脑出血检测性能的影响：FBP、PWLS-TV、NLM、BM3D、REDCNN、FBPConvNet和IRLNet算法的脑出血检测正确率分别为82.21%、86.80%、89.37%、81.43%、90.05%、90.72%和93.51%。（3）IRLNet算法在30%、25%和20% dose下的脑出血检测正确率分别为93.51%、93.51%和93.06%。结论 剂量和重建算法的选择对脑出血检测性能有显著影响,临床中选择合适的剂量和算法组合能在大幅度降低辐射剂量同时保证脑出血检测性能。     

能谱CT单能量联合迭代重建对图像质量的影响

目的：探讨能谱CT单能量联合迭代重建对图像空间分辨率、密度分辨率、低对比可探测能力等图像质量指标的影响。方法：利用能谱CT对Catphan 500体模进行扫描,对扫描后的图像分别重建45～135 keV 10级单能量图像,同时对每级单能量图像进行从10%到100%的不同迭代权重重建。选用Catphan 500体模的CTP528模块测量图像的空间分辨率;选用CTP515模块测量密度分辨率;以CTP515模块中对比度为1%、直径为9.0 mm的圆柱体为观察对象,分析图像的低对比可探测能力。采用多因素方差分析比较不同单能量及不同迭代重建水平对图像质量的影响。结果：迭代权重不变时,随着单能量数值的升高,对空间分辨率可分辨的线对数为：7、7、6、6、6、6、6、6、6、6 LP/cm;密度分辨率呈下降趋势,在55 keV、65 keV时最高;低对比可探测能力呈下降趋势,在55 keV、65 keV时最高。不同单能量对空间分辨率、密度分辨率、低对比可探测能力的影响差异均有统计学意义（P＜0.05）。当单能量keV不变时,随着迭代权重比例的提高,对空间分辨率的影响差异无统计学意义（P＞0.05）;对密度分辨率和低对比可探测能力的影响差异均有统计学意义（P＜0.05）。结论：以5 mm的层厚做能谱CT扫描时,45 keV至65 keV较低的单能量图像联合20%权重迭代算法可以获得相对较高的图像质量。     

CT图像特征的自动获取与检索新方法

目的自动获取CT图像特征,提出实现基于内容的CT图像数据库检索新方法。方法本研究针对CT医学图像,提出应用最大期望分割算法来获取其区域特征,并组合感兴趣区域的累积直方图特征、纹理和形状信息构成检索的特征向量,从而把图像表征为特征空间中的一个向量集合。结果当向数据库提交查询图像时,经过特征匹配,最终按相似度由大到小的顺序返回目标图像。结论实验结果表明,本研究提出的基于内容的CT图像检索方案在满足临床需求的同时,获得了较高的查询精度和效率。     

CT图像特征的自动获取与检索新方法

目的 自动获取CT图像特征，提出实现基于内容的CT图像数据库检索新方法。方法 本研究针对CT医学图像，提出应用最大期望分割算法来获取其区域特征．并组合感兴趣区域的累积直方图特征、纹理和形状信息构成检索的特征向量，从而把图像表征为特征空间中的一个向量集合。结果 当向数据库提交查询图像时，经过特征匹配，最终按相似度由大到小的顺序返回目标图像。结论 实验结果表明，本研究提出的基于内容的CT图像检索方案在满足临床需求的同时．获得了较高的查询精度和效率。     

Diabetic Retinopathy: A Quadtree Based Blood Vessel Detection Algorithm Using RGB Components in Fundus Images

Blood vessel detection in retinal images is a fundamental step for feature extraction and interpretation of image content. This paper proposes a novel computational paradigm for detection of blood vessels in fundus images based on RGB components and quadtree decomposition. The proposed algorithm employs median filtering, quadtree decomposition, post filtration of detected edges, and morphological reconstruction on retinal images. The application of preprocessing algorithm helps in enhancing the image to make it better fit for the subsequent analysis and it is a vital phase before decomposing the image. Quadtree decomposition provides information on the different types of blocks and intensities of the pixels within the blocks. The post filtration and morphological reconstruction assist in filling the edges of the blood vessels and removing the false alarms and unwanted objects from the background, while restoring the original shape of the connected vessels. The proposed method which makes use of the three color components (RGB) is tested on various images of publicly available database. The results are compared with those obtained by other known methods as well as with the results obtained by using the proposed method with the green color component only. It is shown that the proposed method can yield true positive fraction values as high as 0.77, which are comparable to or somewhat higher than the results obtained by other known methods. It is also shown that the effect of noise can be reduced if the proposed method is implemented using only the green color component.     

基于小波变换的提高螺旋CT图像质量的算法

目的 为了更好地区分内耳精细的解剖结构，借助于数字图像处理的方法对内耳CT图像进行后处理使其进一步改善图像细节的显示能力，提高CT图像的质量。方法 对40幅内耳CT图像，用小波变换的方法来估计CT成像系统的点扩散函数的参数，再用期望最大化迭代图像复原方法对CT图像进行复原。结果 处理前后图像进行比较，有明显差异。结论 实验表明，应用这种复原算法对CT图像进行复原处理作用于Gaussian模糊是有效的，内耳CT图像经处理后可更清楚的显示内耳重要细节，获得客观准确的影像学信息。     

基于深度学习的重建算法在健康志愿者肝脏低剂量薄层CT检查中的应用研究

  目的  比较基于深度学习（deep learning, DL）的重建算法、滤波反投影（filtered back projection filtering, FBP）重建算法和迭代重建（iterative reconstruction, IR）算法,探讨DL重建算法在健康志愿者肝脏低剂量薄层CT检查中临床应用的可行性。  方法  采用联影160层CT对直径180 mm的标准水模进行扫描,比较DL、FBP和IR算法的噪声功率谱。前瞻性纳入健康志愿者100例,其中常规剂量组（normal dose, ND）50例、低剂量组（low dose, LD）50例。ND组采用IR算法;LD组分别采用DL、FBP和IR算法。使用单因素方差分析比较ND-IR、LD-FBP、LD-IR和LD-DL 4组的肝CT值、肝噪声、肝信噪比（signal-to-noise ratio, SNR）、对比噪声比（contrast noise ratio, CNR）和质量因数（figure of merit, FOM）。采用Kruskal-Wallis检验比较4组图像的解剖结构主观评分。  结果  DL噪声功率谱平均峰值最低,形态与中等迭代等级IR算法相似。ND-IR、LD-FBP、LD-IR和LD-DL的肝CT值差异无统计学意义,LD-DL的噪声低于LD-FBP、LD-IR和ND-IR（P<0.05）,LD-DL的SNR、CNR和FOM均高于LD-FBP、LD-IR和ND-IR（P<0.05）。LD-DL解剖结构的主观评分均与ND-IR无明显差异（P>0.05）,且均高于LD-FBP和LD-IR（P<0.05）。LD组相对于ND组减少约50.2%辐射剂量。  结论  噪声形态与临床常用的中等迭代等级IR相近的DL算法降噪能力高于IR,与FBP相比噪声形态较平滑但降噪能力大幅提高,在健康志愿者肝脏低剂量薄层CT检查中可获得肝脏常规剂量厚层CT的图像质量。     

基于灰狼算法和案例推理的工控系统入侵检测

提出了一种基于二进制灰狼算法和邻域粗糙集的案例推理分类算法（bGWO-NRS-CBR）,以有效处理工控网络数据样本高维、冗余的问题。首先,将邻域粗糙集（NRS）中的依赖度概念和属性个数作为二进制灰狼优化算法（bGWO）的适应度函数,通过狼群不断更新位置寻找最小相对属性集;然后基于属性重要度对权重进行优化分配从而建立案例推理（CBR）分类模型;最后利用该模型对工控网络标准数据集进行入侵检测研究。实验结果表明,本文算法能够获得最小相对属性子集,并有效提高入侵检测算法的准确度和效率。     

运动配准先验图像的4D-CBCT优质重建

四维锥束CT（4D-CBCT）成像可以为图像引导放射治疗提供精确的实时呼吸运动定位信息,如何提高4D-CBCT重建图像 的精确度是目前研究的热点,压缩感知方法（PICCS）算法在基于压缩感知（CS）理论的所有4D-CBCT重建算法中表现上佳,本 文提出的改进先验图像的PICCS算法在传统PICCS算法基础上针对先验图像进行改进,按照每一个相位的位置信息构建其对 应的先验图像,消除了投影数据不匹配所导致的重建图像运动模糊的现象,实验结果展示了文章方法相比传统的PICCS重建结 果组织边界更加清晰,运动伪影减少,图像分辨率提高。     

以头痛为首发症状的嗜铬细胞瘤1例报告并文献复习

目的:探讨1例以头痛为首发症状的嗜铬细胞瘤患者的临床表现和诊断方法。方法:记录患者临床症状,利用放射免疫法动态检测患者活性肾素;化学发光法检测患者血中醛固酮水平;高效液相色谱法检测患者血中肾上腺素和去甲肾上腺素水平;CT检查患者肾上腺影像;手术取肾上腺肿瘤行病理学活检和HE染色检测。结果:该嗜铬细胞瘤患者剧烈头痛发作时常伴血压、活性肾素和醛固酮水平明显升高;肾上腺CT扫描可见左肾上腺1个类圆形低密度影,肾上腺CT增强扫描可见该肿块动脉期呈不均匀强化;病理活检HE染色检测,透明和嗜酸性细胞呈巢状及束状排列,出血、坏死明显,部分细胞有异型。结论:嗜铬细胞瘤是一种分泌儿茶酚胺的内分泌肿瘤,应主要结合临床症状、生化、影像和病理确诊。     

低剂量脑灌注CT图像恢复方法:基于先验图像约束扩散张量

目的 为减少脑灌注CT检查的辐射剂量,本文提出了一种基于先验图像约束扩散张量的低剂量脑灌注CT图像恢复方法。方法 脑灌注CT图像之间存在丰富的结构冗余信息,高质量的先验图像可以作为结构互补信息引入到低剂量脑灌注CT图像恢复过程中,抑制低剂量脑灌注CT图像中的噪声和伪影。首先,分别计算出先验图像和低剂量脑灌注CT图像的扩散张量,然后构造先验图像约束的扩散张量,并利用新构建的扩散张量对低剂量脑灌注CT图像进行滤波。结果 在数值体膜实验中,本文方法得到的CBF参数图像的SSIM值与FBP算法相比提高了63%。在临床实验中,本文方法得到的CBF参数图像的SSIM值 与FBP算法相比提高了45%。结论 数值体膜和临床数据实验结果表明本文方法在抑制低剂量脑灌注CT图像噪声和伪影的同时可以保持图像的结构细节特征,并且可以获取准确的脑血流动力学参数图像。     

肤色检测和Hu矩在安全帽识别中的应用

安全帽在工业生产中的应用非常广泛,为了防止事故发生,确保生产安全,建立对安全帽的自动检测及报警系统变得越来越迫切。主要对安全帽的识别算法进行了研究,采用肤色检测的方法定位到人脸区域,并以此获得脸部以上的区域图像,将Hu矩作为图像的特征向量,分别比较神经网络和支持向量机（SVM）两种分类模型。实验结果表明：SVM对安全帽的识别有很好的效果,将会对监控系统实现智能化提供有力的支持和实际的指导意义。     

大尺度非局部均值伪影抑制技术对提高低剂量腹部CT图像质量的价值研究

目的 评价大尺度非局部均值伪影抑制(AS-LNLM)技术对提高低剂量腹部CT图像质量的价值.方法 对腹部检查的26例患者采用GE Discovery CT750 HD进行腹部常规剂量及低剂量CT扫描.分别采用滤波反投影(FBP)、40%自适应统计迭代重建(ASIR)技术对常规剂量及低剂量腹部原始数据进行0.625 mm 薄层重建,并将两种重建算法的低剂量数据进行AS-LNLM技术处理,应用后处理站对图像进行质量评价分析,测量并比较肝脏、脾脏及腹主动脉的噪声、对比噪声比和信噪比,并对腹部图像质量进行主观评分.记录每例患者每次检查的剂量长度乘积(DLP)和CT剂量指数(CTDIvo1),并计算有效剂量(ED)及剂量平均减低率.结果 对于腹部图像质量,AS-LNLM低剂量图像比未使用此技术的常规剂量及低剂量图像有更低噪声值、更高对比噪声比(CNR)及信噪比(SNR)(P<0.05);常规剂量图像较低剂量图像有更低噪声值以及更高的CNR及SNR(P<0.05);对于FBP重建算法,低剂量+AS-LNLM技术及未用此技术低剂量图像的主观评分分别为(3.36±0.69)和(1.95±0.72)(P<0.05);对于40%ASIR重建算法,低剂量+AS-LNLM技术及未用此技术低剂量图像的主观评分分别为(3.68±0.48)和(2.18±0.66)(P<0.05).常规剂量图像用FBP及40% ASIR两种算法重建后的图像主观评分分别为(4.73±0.46)和(4.82±0.40).低剂量扫描的CTDIvol值、DLP值及ED值分别为(1.84±0.01) mGy、(49.60±2.63) mGy/cm和(0.74±0.04) mSv;常规剂量扫描的CTDIvol值、DLP值及ED值分别为(7.61±0.03) mGy、(204.18±11.19) mGy/cm 和(3.06±0.17) mSv.结论 AS-LNLM低剂量图像较常规扫描不但可以明显降低扫描剂量,并可以明显提高图像CNR及SNR,图像质量能够满足诊断要求.     

Medical Image Retrieval with Compact Binary Codes Generated in Frequency Domain Using Highly Reactive Convolutional Features

Efficient retrieval of relevant medical cases using semantically similar medical images from large scale repositories can assist medical experts in timely decision making and diagnosis. However, the ever-increasing volume of images hinder performance of image retrieval systems. Recently, features from deep convolutional neural networks (CNN) have yielded state-of-the-art performance in image retrieval. Further, locality sensitive hashing based approaches have become popular for their ability to allow efficient retrieval in large scale datasets. In this paper, we present a highly efficient method to compress selective convolutional features into sequence of bits using Fast Fourier Transform (FFT). Firstly, highly reactive convolutional feature maps from a pre-trained CNN are identified for medical images based on their neuronal responses using optimal subset selection algorithm. Then, layer-wise global mean activations of the selected feature maps are transformed into compact binary codes using binarization of its Fourier spectrum. The acquired hash codes are highly discriminative and can be obtained efficiently from the original feature vectors without any training. The proposed framework has been evaluated on two large datasets of radiology and endoscopy images. Experimental evaluations reveal that the proposed method significantly outperforms other features extraction and hashing schemes in both effectiveness and efficiency.