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。     

自适应图像全变差约束的有限角度CT重建算法

针对有限投影角度的CT图像重建问题,提出一种改进的基于自适应图像全变差（Total p Variation, TpV）约束的代数迭代重建算法。改进算法采用两相式重建结构,首先利用代数重建技术（ART）算法重建中间图像并做非负修正,然后利用自适应TpV正则项约束图像稀疏特性,进一步优化重建结果,其中正则项可根据图像区域特性自适应的调整决定平滑强度的参数p,两项交替进行直到满足收敛要求。本文应用经典的Shepp-Logan体模对改进算法进行仿真重建,以重建图像及其局部放大图作为主观分析依据,以profile图和归一化绝对距离值作为客观评估标准,与经典的ART-TV算法进行比较,对比分析重建结果发现:本文算法重建图像不仅与真实体模更接近,重建误差更小,而且能更好地保护图像的边缘特性。     

基于TwIST-TV正则化算法的肺萎陷电阻抗成像仿真研究

肺部电阻抗成像(EIT)通过配置于人体体表一组阵列电极,利用边界测量信息重建胸腔内部二维断面电导率分布,具有非侵入、无辐射等特点,可用于临床监护.针对EIT逆问题求解的欠定性和病态性,提出一种基于总变差正则化(TV)的两步迭代(TwIST)算法.该算法利用迭代引入TV去噪算子,达到解的双重正则化效果.通过仿真构建不同程度肺痿陷EIT模型,利用该算法进行呼吸状态差分图像再构;同时基于图像提出肺通气总量指数作为客观评价指标.结果表明,与传统Tikhonov正则化算法相比,该算法可达到较好的图像重建质量和鲁棒性,其相应肺通气量指数也更接近于仿真肺痿陷模型变化.从而验证了该算法用于临床肺痿陷EIT通气量监测的可行性.     

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。     

基于通用GPU技术的三维TV算法的快速实现

TV算法是一种很好的有限角度投影数据图像重建算法,但在应用于三维的有限角度投影数据重建时,该算法存在的高耗时问题就更为突出并成为其应用瓶颈。本文提出了一套基于通用GPU技术在图形处理器上快速实现的三维TV算法。实验结果表明,与运行在CPU上的三维TV算法相比,该算法在获得可比的重建结果的前提下,有效地提高了重建速度。     

带有松弛因子和惩罚项的最小二乘PET图像重建

最小二乘重建算法是经典的PET重建算,该算法虽然能够得到较好的重建图像,但是重建图像有明显的噪声,而且收敛速度慢。本研究从最小二乘目标函数出发,为平滑图像和抑制噪声加入惩罚项,并利用修正的SOR迭代方法求解最优解。同时为加速收敛速度,结合可变有序子集方法,得到带有松弛因子和惩罚项的最小二乘算法。使用Matlab中Sheep-Logan模型进行仿真,通过信噪比、归一化均方误差和相关系数等参数来估计重建图像质量,并与其他算法进行比较以验证所提出算法的有效性。仿真实验证明:在相同的先验情况下,本算法比有序子集惩罚最小二乘(OS-LS)算法更能有效地抑制噪声,图像质量评价参数都优于OS-LS算法;收敛速度也比OS-LS算法快,它需要的迭代次数只是OS-LS算法迭代次数的2/3。     

可变约束OS-EM图像重建算法仿真研究

有序子集最大期望值方法 (OrderedSubsetsExpectationMaximization ,OS EM )具有较高的重建图像质量和较短的计算时间 ,正逐步应用在正电子发射断层成像仪 (PositionEmissionTomography ,PET)图像重建过程中。本研究提出了一种改进的OS EM图像重建算法可变约束OS EM迭代算法 (VariableConstraintOS EM ,VCOSEM) ,对仿真Phantom模型在不同测量条件以及不同子集划分情况下的研究结果表明 ,该方法具有分辨率高 ,噪声低的优点 ,能够提高重建图像质量。     

基于双层字典学习的低剂量CT图像重建算法

目的低剂量投影条件下的CT图像重建。方法采用双层K-奇异值分解(K-singular value decomposition,K-SVD)字典训练的学习方法进行图像的超分辨率重建。字典学习方法中采用KSVD算法,稀疏编码采用正交匹配追踪(orthogonal matching pursuit,OMP)算法。该算法首先利用训练库进行第一层字典训练,然后利用第一层训练的字典对低分辨率图像进行重建。进而将重建图像作为第二层待重建图像的输入,这样使得第二层输入图像含有较多的高频细节信息,因此能在重构的过程中恢复更多的细节信息,让高分辨率重构图像达到较好的效果。结果双层字典重建效果明显优于KSVD算法,重建图像更接近于原始高分辨率CT图像。结论本研究对双层字典训练学习的框架进行反迭代投影的全局优化改进,改善了图像的重建质量。     

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。     

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。     

基于加权压缩感知的MR图像重建方法

背景：压缩感知理论已广泛应用于MR图像的快速重建中。在对K空间数据进行随机欠采样后,通过非线性优化算法求解带约束的范数最小化问题,可恢复出在变换域具有稀疏性的MR图像。 目的：为了增强图像在变换域中的稀疏性,改善MR图像重建质量,提出了对待重建图像的稀疏表示进行加权的方法。 方法：采用非线性共轭梯度下降算法求解该加权范数最小化问题,在迭代过程中,根据所求取的图像稀疏表示来更新权值矩阵,增强MR图像的稀疏性。 结果与结论：通过比较带加权矩阵和不带加权矩阵的压缩感知图像重建方法,结果表明带加权矩阵改进的算法提高了图像重建能力。     

一种基于GPU的体积CT快速重建算法

为了解决体积CT图像重建时间较长问题,提出了一种适合于医学临床应用的快速重建算法。首先,提出了一种基于图形处理器(GPU)的体积CT图像重建方式,利用GPU强大的并行和浮点运算能力进行计算效能的提升。其次,将体积CT图像重建中的几何运算与像素运算分离,减少了重复运算,进一步提高了计算效率。最后,基于医学应用背景,算法中实现了体积CT扫描和重建的并行化的思想。结果表明,利用上述的快速算法,在普通计算机硬件平台上即可实现重建时间减少70倍以上。     

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。     

基于分块的肺4D-CT图像超分辨率重建

肺4D-CT在肺癌的治疗中,对于准确定位肿瘤靶区、实现个体化精确放疗具有重要的应用价值。由于放射剂量的限制,使得肺4D-CT图像分辨率较低。提出一种基于图像分块的超分辨率重建技术,提升肺4D-CT图像的分辨率。首先,将图像分解为一系列重叠图像块;其次,利用Active Demons配准算法,自适应选取若干幅与目标图像块对应结构相似的其他相位图像块,并估计出它们之间的运动变形场;而后,采用迭代反投影(IBP)算法,重建得到高分辨率的图像块;将得到的所有高分辨率图像块拼接后,最终输出完整的高分辨率肺4D-CT图像。利用由德克萨斯安德森肿瘤中心DIR实验室采集并开放的公共数据集评价所提出的算法,该数据集由10组肺4D-CT数据组成,每组数据包含10个相位。从每组数据中,选取不同相位图像进行实验。量化评价结果表明,所提出的方法相比反投影(BP)算法、全局迭代背投影算法,图像平均梯度显著提高(反投影算法7.65±0.44,全局迭代背投影算法7.92±0.43,本算法8.92±0.50,P<0.001)。视觉评价结果同时显示,所提出的方法能够有效消除伪影,得到结构显著增强、清晰度更高的肺4D-CT图像。     

基于压缩感知与快速迭代阈值收缩算法的脑功能网络重建

基于静息态功能磁共振成像(fMRI)构建脑功能网络是揭示人脑运作机制的有效手段,但是目前常见的脑功能网络普遍包含大量噪声从而导致错误的分析结果。本文使用压缩感知中的最小绝对值收缩和选择算子(LASSO)模型对脑功能网络进行降噪重建,该模型利用L1范数惩罚项的稀疏性避免过拟合问题。然后,通过快速迭代阈值收缩算法(FISTA)求解,该算法在每一次迭代中通过一个收缩阈值操作来更新变量,从而收敛到全局最优解。实验结果表明:与其他几种方法相比,该方法可以将脑功能网络降噪重建的准确率提高到98%以上,有效地抑制了噪声,有助于即使在噪声环境下也能很好地探索人脑的功能。     

基于小波稀疏的磁性纳米粒子成像算法研究

目的 为了实现磁性纳米粒子成像(magnetic particle imaging,MPI)中粒子浓度空间分布的快速精准成像,针对系统矩阵成像方法所构建矩阵方程的求解问题,本文提出一种基于小波稀疏的MPI算法.方法 首先通过仿真从基于零场线的开放式MPI电磁系统中获得MPI信号构建矩阵方程;然后在经典代数重建算法(algebraic reconstruction technique,ART)每次迭代后均采用小波变换提取图像中粒子分布边缘的非平稳特征,结合阈值算子稀疏运算去除图像中的干扰信号,实现粒子浓度空间分布成像;最后用峰值信噪比参数(peak signal-to-noise ratio,PSNR)对不同噪声下的成像结果进行分析.结果 当系统信噪比为30 dB、20 dB、10 dB时,基于小波稀疏的MPI算法在快速收敛的前提下,所成图像的PSNR参数相较经典代数重建算法分别提升了67.83％、18.66％、8.05％.结论 在低噪声水平下,基于小波稀疏的MPI算法可在短时间内实现粒子分布状况的高质量成像.     

一种快速数字化重建放射摄影成像算法

为了实现虚拟模拟 (VirtualSimulation)与虚拟放射摄影 (VirtualRadiograph) ,提出一种由序列断层图像进行数字化重建放射摄影图像 (DigitallyReconstructedRadiographs DRRs)的快速射线跟踪算法。利用CT数据模拟人体组织对辐射线的吸收规律 ,采用三维Bresenham直线算法进行射线跟踪 ,无需解方程求交点 ,算法只包含加减运算 ,计算速度快 ,缩短了成像时间     

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。     

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。