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。     

基于相邻图像最相似原理的4D-CT图像重建研究

目的:基于"相邻图像最相似原理"实现周期运动靶区的4D-CT重建.方法:用16排螺旋CT机对自由呼吸状态下的胸腹肿瘤患者进行螺旋扫描和电影(Cine)模式扫描;用VC++程序设计语言和VIK工具包,开发了基于"相邻图像最相似原理"的4D-CT重建软件系统;根据相邻图像互信息量的计算(即相似性测度),把Cine模式扫描的CT图像按相位进行了排序,并分别对不同相位的CT图像序列进行三维重建.结果:不同相位CT序列的三维重建明显地消除了运动伪影,与静态扫描重建结果相近.随时间变化的多个相位的3D-CT构成了4D-CT序列.结论:基于"相邻图像最相似原理"能在普通CT上实现4D-CT重建,其重建过程不依赖于外在的呼吸监测装置、不受CT机本身的软硬件限制具有普遍适用性.     

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...     

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.     

基于回归预测的肺4D-CT多相位配准

针对由于灰度不均和局部形变较大引起的肺4D-CT图像配准精度不足问题,提出基于回归的逐块预测初始形变的方法。新方法的核心思想是:配准一幅浮动图像至参考图像时,利用与浮动图像相对应的不同相位的图像信息进行形变场预测。首先,利用已有配准算法配准不同相位的图像至参考图像,得到各图像对应的形变场;再将图像和对应形变场分块作为训练集,利用多维支持向量回归机建立回归模型;将浮动图像分块输入回归模型中,预测出初始形变场,从而得到中间图像,并最终细化配准中间图像与参考图像。采用由德克萨斯安德森肿瘤中心DIR实验室采集并公开的数据集,评价所提出的算法。实验量化评价结果表明,与传统的Active Demons算法、Spectral Log-Demons算法相比,图像的均方误差平方和显著降低(Active Demons算法49.34±23.92,Spectral Log-Demons算法31.81±15.09,所提出算法18.97±5.75,P<0.05),相关系数显著提高(Active Demons算法0.952±0.022,Spectral Log-Demons算法0.967±0.015,所提出算法0.980±0.006,P<0.05)。同时,视觉评价结果显示,所提出算法能够获得更准确的配准图像。     

应用4D-CT进行肺通气功能三维分布的研究

目的探讨利用4D-CT获取肺通气功能三维分布的可行性。方法患者在自由呼吸状态下进行电影模式扫描,采集一个完整呼吸周期下的胸部CT图像,利用本研究开发的4D-CT重建软件系统获取4D-CT图像;再用三维变形图像配准算法,对4D-CT系列中相邻相位CT进行图像配准、获得从一个呼吸状态到另一个状态变化时肺部CT像素的三维位移矢量,量化分析此三维矢量,从而得到反映呼吸过程中肺部CT像素变化程度的灰度示意图,即通气功能强弱分布;最后,将此灰度图伪彩化并与参考CT图像进行融合,再行冠状位、矢状重建。结果利用三维变形图像配准算法,从4D-CT中获取了任意横断位、冠状位和矢状位的肺通气分布,即肺通气功能的三维分布。结论用4D-CT获取肺通气功能三维分布完全可行。     

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。     

基于神经网络学习的锥形束CT图像超分辨率重建算法

针对锥形束CT（CBCT）图像质量较差的问题,提出一种基于卷积神经网络的超分辨率重建（SRCNN）方法,旨在提高CBCT图像的分辨率。本研究分别对头颈、盆腔、胸部的CBCT图像进行研究,先使用非局部均值（NLM）方法对图像进行降噪处理,再分别使用双三次插值重建（BIC）方法和SRCNN重建方法进行超分辨率重建。结果表明,BIC方法和SRCNN重建方法均能提高CBCT图像的分辨率,SRCNN重建方法较BIC方法有更高的峰值信噪比,而在结构相似度和特征相似度上,BIC方法和SRCNN重建方法的差别不大。从图像峰值信噪比及特征相似度上看,此方法对盆腔部CBCT图像处理效果更为显著,对头颈部及胸部处理效果相近。     

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4D-CT最大呼吸气相位图像获取三维肺通气的信息

背景：传统的肺功能成像技术存在诸多不便,利用4D-CT中蕴含的通气信息进行功能图像的快速提取对肺部疾病的诊断和治疗有非常重要的意义。 目的：探讨基于三维变形图像配准算法从4D-CT最大吸气相位和最大呼气相位图像中获取肺通气的三维分布的可行性。 方法：利用电影模式采集自由呼吸状态下的胸部CT图像并利用已开发的4D-CT软件进行四维重建,得到吸气末和呼气末双相位CT图像,依次进行肺组织分割、利用基于体积的变形图像配准算法进行三维图像配准、量化分析三维空间象素的位移矢量,最后得到通气度量图即肺功能区的三维分布图。 结果与结论：利用三维变形图像配准算法,实现了从4D-CT最大吸气相位和最大呼气相位图像中获取在任意横断位、冠状位和矢状位的肺通气分布。     

基于频域约束和交叉融合特征网络的磁共振图像超分辨率重建算法

磁共振（MR）图像常用于临床医学诊断,获得高分辨率MR图像有利于进行医学分析。目前主流的基于参考的图像超分辨率重建算法重建的图像,其视觉效果取得了明显的提升,但仍存在明显的伪影问题。针对该问题,提出频域约束和交叉融合特征网络（FCCF）模型,即引入频域损失函数作为约束条件,并构建一种多分辨率特征融合机制,通过交叉融合不同分辨率的图像特征来提高生成图像的质量,使重建结果具有更清晰的细节,没有明显的伪影。在合成和真实的MR图像数据集上分别用PSNR和SSIM指标进行评估,实验结果明显优于现有的超分辨率重建方法。     

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4D-CT和Mimics软件模拟分析肺癌肿瘤的呼吸运动规律

目的：利用Mimics10.01软件和4D-CT10个呼吸时相的肺部三维模型,研究肺部肿瘤的呼吸运动规律。方法：选择1例左上肺癌患者,在肿瘤上、中、下部植入3个金标,间隔为6 mm,4D-CT扫描相位排序后重建10个呼吸时相的CT图像。将10个时相的CT图像依次导入Mimics10.01软件中,采用阈值分割、区域生长的方法提取肺部区域,重建左右肺的三维模型。测量10个呼吸时相的左右肺体积和表面积;吸气末与呼气末时相之间左肺三维模型之间的偏差也进行了分析。在每个时相的CT图像上读取植入3个金标的位置坐标,求出金标在X、Y、Z方向上质心的坐标。结果：从吸气末到呼气末左、右肺体积的变化范围分别为12.8%和12.4%,左、右肺表面积的变化范围为6.6%和6.7%。3个金标的质心变化幅度在左右、头脚、前后方向分别为2 mm,1mm和2.7 mm。结论：利用4D-CT的图像和Mimics软件重建得出的肺模型可以方便地计算肺体积以及靶区的运动范围,有利于根据患者的靶区运动特征实现个体化治疗。     

3D-EIT图像重建的研究进展

本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。     

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.     

基于空-频域差值与超分辨率反馈网络的乳腺微钙化区域检测技术

【摘要】乳腺癌的早期症状在乳腺钼靶图像中主要表现为微钙化点,微钙化区域的真假阳性检测对于乳腺癌早期筛查具有重要意义。首先,对DDSM乳腺数据集中的图像进行预处理,去除噪声及无关组织干扰;其次,基于空-频域差值图像技术实现了疑似微钙化点的分割,取得的敏感性为91.00%,但假阳性率也较高（34.00%）,并根据疑似点的质心位置自动截取感兴趣区域;然后,通过超分辨率反馈网络算法进行微钙化区域超分辨率重建;最后,提取感兴趣区域的纹理特征,将Gentle AdaBoost算法和单层决策树算法相结合,构建强分类器GAB-DS对区域进行分类,将微钙化区域和正常组织分离开来,GAB-DS分类模型取得了96.25%的准确率、94.38%的敏感性以及98.13%的特异性。实验结果表明,该模型在微钙化区域检测上性能优越,可用于辅助临床乳腺癌检测及诊断,具有一定的临床应用价值。     

基于肺平均CT值的4D-CT图像重建方法研究

目的探讨基于肺平均CT值（ACV）在普通CT上实现4D—CT重建的可行性。方法根据CT值的定义和特性,本研究提出了“肺ACV原理”：在呼吸运动过程中,全肺的ACV将随呼吸运动而呈现周期性变化,据此可以确定进行Cine扫描时,肺部各CT图像的呼吸相位。然后,用VC＋＋语言开发了相应ACV 4D-CT重建系统。在自由呼吸状态下对患者进行多床位Cine模式扫描,每个床位持续扫描6s、共进行12次CT重建。扫描后,分别计算各CT图像中肺的ACV,按床位绘制肺ACV随重建时间变化的曲线,据此确定每层CT图像所处的呼吸相位,按相位对所有CT图像进行排序,可获得多个不同呼吸相位的CT系列,即4D-CT。结果利用商售RPM系统重建的4D—CT图像,证实了肺ACV原理;据此原理,对多床位Cine模式扫描CT图像进行排序,在普通CT上实现了满意的4D—CT重建。结论基于肺ACV原理,可实现简便、可靠的4D—CT重建,其重建过程不依赖于体外呼吸监测装置,具有普遍适用性。     

基于4D-CT研究随呼吸运动靶区的剂量分布规律

目的:基于4D-CT探讨随呼吸运动靶区的受照剂量分布特征及进行个体化精确放疗计划设计方法。材料和方法:患者在自由呼吸状态下进行多床位Cine模式扫描,每个床位Cine扫描持续时间约4s～6s。扫描后,用研究开发的4D-CT图像重建系统对所得图像进行4D-CT、最大密度投影(MIP)和平均密度投影(AIP)重建,生成多相位4D-CT、MIP和AIPCT。将重建图像传入放疗计划系统中,分别以呼气末相4D-CT、AIPCT和MIPCT图像作为基准图像,其它相位4D-CT作为融合图像进行图像配准,在基准图像上勾画靶区并进行放疗计划设计,比较基准图像和融合图像中靶区的剂量分布。结果:当肿瘤靶区位于肺尖时,呼气末相和吸气末相4D-CT中靶区的剂量分布无明显差异;靶区在肺中部和腹部时,在呼气末相4D-CT上设计的放疗计划,其剂量分布不能很好地覆盖吸气末相时的靶区,可能导致靶区漏照射;在MIP和AIPCT上设计的放疗计划,其剂量分布能较好地覆盖呼气末相/吸气末相时的靶区。结论:基于4D-CT能直观地得到不同呼吸相位时靶区的剂量分布,利用MIP和AIPCT可快速实现运动靶区的个体化精确放疗计划设计。     

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CT图像的眼部组织重建

以眼部组织CT图像为基础构建眼部组织三维模型,帮助医生从多方位观察眼部组织结构并对感兴趣区域进行定性和定量分析.我们提出了一种利用CT图像重建眼部三维结构的方法.通过图像分割和三维重建,构建了眼部组织的三维模型.并对计算机辅助测量眼眶容积的方法进行了改进.利用该方法重建了眼部各组织的三维模型,计算了眼眶容积.本方法建模速度比较快,建模比较精确.眼眶容积计算与目前使用方法相比,大量节省了医生的精力.