阻抗断层成像中的图像重建技术

阻抗层成像是近年发展起来的一种新的医学影技术人有成本低廉,无电离辐射１可以动态显示组织生理活动等优点,ＥＩＴ图像重建一直是ＥＩＴ技术中的重要研究课题,本文对ＥＩＴ图像重建算法的发展作了评述。     

当前图像重建研究中的几个热点

在当前的图像处理的研究中,图像重建是一个热点,其中研究方向又可归结以几个方面（１）利用时频约束去除重建前和重建后的噪声。（２）运动器官的断层像重建研究。（３）不完全投影数据下的重建。（４）直接体积重建及三维显示（５）非Ｘ线ＣＴ的研究。（６）并行计算ＣＴ的研究。本文对这几方面作了简要的概述。     

一种有效的电阻抗成像的图像重建算法

电阻抗成像技术正取得进展,并开始用于人体诊断。电阻抗成像的优点是对人体无害及其硬件远比X射线层析成像(X-CT)低廉,是一项需引起重视的科研课题。 本文提供了一种基于低频电流场灵敏度矩阵研究的迭代方法作为图像重建算法,并取得了令人满意的计算机模拟结果。     

小波分析理论在图像重建中的应用

本对小波分析理论在图像重建中的应用进行了具体分析,主要是用于二维图像重建的代数重建法（ART）和滤波反投影（FBP）法,并对小分析理论与直接体积重建的结合问题作了一些展望。     

一种用于全身照射技术的全身模拟定位CT扫描与图像重建方法

目的：探索一种适用于全身照射（TBI）的CT重建方法,可同体位连续扫描后获得一套完整的全身模拟定位CT。方法：使用TBI CT重建方法对患者进行CT模拟定位,完成后于Eclipse v15.5计划系统中生成一套全身模拟定位CT,将其运用到TBI计划设计与评估。在应用过程中,基于Python系统开发出相应的图像重建软件,与手动图像重建结果进行对比。结果：该全身模拟定位扫描方案可在Eclipse v15.5中实现两套CT的重建。在工作效率上,手工重建方法生成全身模拟定位CT平均需要10 min,软件重建方法只需要5 s。两种CT重建方法在图像质量上无差异,重建CT与真实值相比误差小于1 mm。使用重建的全身模拟定位进行TBI计划设计与评估,靶区适形度指数（CI）=0.854,剂量均匀性指数（HI）=0.199。结论：本文介绍的TBI全身模拟定位CT扫描与图像重建的方法可以简单、快速地获得完整的全身模拟定位CT图像,适用于后期的TBI计划设计、优化和评估过程。     

一种快速斜截面医学图像重建算法

提出了一种基于矢量旋转的快速任意截面医学图像重建方法.算法采用矢量方程描述成像截平面,通过两步计算,把成像截平面法矢量的方向数换算为相对于空间参照系三个坐标轴的旋转量,从而将定解问题转化为求不定解的一个特解.算法的优点是避免直接求解方程,直接计算截平面与三维图像场之间点坐标的转换关系.计算仅涉及成像截平面法矢量的方向数,计算量小,易于对人机交互的描述,便于接口软件开发.实验结果表明,算法速度快,实用性强.     

基于CT的头颅骨三维表面重建

基于头颅骨的计算机断层 (CT)图像 ,研究了一种对头颅骨表面三角化重建的方法。首先通过交互式分割选择出感兴趣区域 (ROI) ,提取出ROI的轮廓点并根据位置关系对轮廓点排序。然后基于局部形态最佳的思想 ,对两相邻断层图像上的轮廓点进行三角化 ,从而得到具有最佳几何形态的三角化表面。最后用实际的CT图像对所提出的算法进行实验 ,验证了此种方法的快速、有效和鲁棒性。     

MRI图像重建网格化算法的研究进展

磁共振成像常常是在空间频率域不同间隔地采集数据的。为了利用快速傅里叶变换进行图像重建 ,采集到的 MRI数据必须用网格化算法转换到等间隔的直线网格上。目前有 6种不同的网格化算法 ,其中 Jackson的 Gridding法和Rosenfeld的矩阵反演法已成为该领域的主流方法 ,但两者都不太完善。具有创新思路的网格化算法仍有待于学术界进一步的开拓     

基于改进型迭代NR的磁感应断层成像图像重建算法

在磁感应断层成像中,图像重建是一个典型的病态问题,其数值解存在不稳定性。针对此问题,提出一种基于加权矩阵和L1范数正则化的改进型迭代Newton-Raphson(NR)算法。该算法通过在目标函数的误差项中引入加权矩阵,同时在L2范数正则化惩罚项的基础上引入L1范数正则化,改善图像重建解的病态性。设置3种典型的模型,分别对有无噪声的数据进行分析,将本算法与Tikhonov正则化算法和迭代NR算法进行对比。在无噪声数据分析中,所提算法相对Tikhonov正则化算法和迭代NR算法的相对图像误差减小0.11~0.14,相关系数提高13%~17%。在有噪声数据中,所提算法相对于Tikhonov正则化算法和迭代NR算法的相对图像误差减小0.06~0.09,相关系数提高7%~10%。提出的算法成像性能较好,且抗噪性能较强,为进一步的实验重建精确性提供理论依据。     

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.     

图像域迭代重建算法对腹部CT平扫图像质量和辐射剂量的影响

目的:探讨图像域迭代重建算法对腹部CT平扫图像质量及辐射剂量的影响。 方法:以辽阳市中心医院2017年1月~2018年4月行腹部CT平扫的150例患者为研究对象,依据就诊先后顺序随机将其分为观察组与对照组,各75例。均行自动毫安控制技术扫描,管电压均为130 kV。观察组预设图像质量参考毫安秒150 mAs,行图像域迭代重建算法重建;对照组预设图像质量参考毫安秒250 mAs,行滤波反投影重组。通过CT值、图像噪声SD、图像信噪比、对比噪声比评价两组图像客观质量,并行图像质量主观评价,记录两组CT剂量容积指数。 结果:观察组肝脏、脾脏的图像噪声SD均显著低于对照组,图像信噪比均显著高于对照组,差异有统计学意义（P<0.05）;CT值、对比噪声比、主观整体质量评分两组比较差异均无统计学意义（P>0.05）;观察组CT剂量容积指数为（10.02±2.85） mGy,显著低于对照组的（15.68±4.36） mGy,差异有统计学意义（P<0.05）。 结论:图像域迭代重建算法不仅能保证腹部CT平扫图像质量,而且能有效减少辐射剂量。     

基于CT影像的人体踝关节三维重建

以踝关节的生理解剖结构为理论依据,利用踝关节的CT图像作为二维数据源,通过医学图像处理软件Mimics建立踝关节的三维模型,然后使用3-matic对三维模型的网格进行优化,最后对优化前后的模型进行对比分析。结果发现经过优化后的踝关节三维模型在结构上与人体真实的踝关节结构并无明显的差异,精确程度满足要求,对于患者病情的分析及治疗方案的确立具有重要的指导意义。     

基于循环对抗生成网络的胸部锥形束CT校正及剂量计算准确性

目的:采用循环对抗生成网络算法建立胸部锥形束CT（CBCT）校正模型,探讨该模型用于提升CBCT质量的可行性,评估校正的CBCT（CCBCT）用于剂量计算的准确性。方法:选择食管癌或肺癌患者已配准的CBCT和定位CT 70例,随机选取其中60例作为训练集,用来训练循环对抗生成网络,生成CBCT的校正模型。剩余10例作为测试集,对CBCT、CCBCT和定位CT之间的CT值平均绝对误差、峰值信噪比、归一化互相关进行统计学分析。将原调强计划（CT Plan）移植到CCBCT上,生成CCBCT Plan,以CT Plan剂量分布为参考,对CCBCT Plan进行三维剂量γ分析。结果:CBCT经校正后散射伪影显著减少,CT值平均绝对误差降低了52.74[%±]6.47%,峰值信噪比和归一化互相关分别提高了7.95[%±]3.56%和1.68[%±]3.38%,差异均有统计学意义（t=18.47、-7.31、-6.77, P[<]0.05）。在2 mm/2%、2 mm/1%和1 mm/1%条件下,CCBCT Plan三维剂量平均γ通过率分别为99.16[%±]0.34%、98.01[%±]0.72%、93.95[%±]1.62%。结论:基于循环对抗生成网络构建的CBCT影像校正模型用于提升CBCT影像质量是可行的,经校正的胸部CBCT可用于放疗剂量计算,为CBCT用于自适应放疗剂量计算奠定基础。     

多排螺旋CT低剂量扫描高分辨率重建在新型冠状病毒肺炎筛查中的应用

目的:探讨多排螺旋CT（MDCT）低剂量扫描高分辨率重建在新型冠状病毒肺炎（COVID-19）筛查中的应用价值。方法:选取2020年2月1日~3月1日间就诊的66例疑似COVID-19肺炎患者作为研究对象,将66例患者随机平均分为2组,分别实施胸部常规剂量CT扫描（n=33, 120 kV, 300 mAs）和胸部低剂量CT扫描（n=33,100 kV,70 mAs）,其中常规剂量组采用512×512矩阵,低剂量组采用1 024×1 024矩阵。同时对胸部低剂量组用4种不同权重的迭代算法进行处理（30%、50%、70%、90%）,对比两种检查模式的辐射剂量和图像质量。结果:低剂量组的有效辐射剂量为（1.81±0.14） mSV,与常规剂量组（6.83±0.68） mSV相比降低73.5%（P<0.05）;采用1 024大矩阵、90%权重迭代算法的低剂量组图像的CNR、SNR均略低于采用512常规矩阵、90%权重迭代算法的常规剂量组,但差异无统计学意义（SNR:5.11±0.75 vs 5.38±0.41,CNR:5.37±0.33 vs 5.44±0.51, P>0.05）;低剂量组患者的肺窗、纵膈窗图像质量主观评分低于常规剂量组,但差异无统计学意义（肺窗:3.30±0.72 vs 3.39±0.78;纵膈窗:3.15±0.90 vs 3.36±0.82, P>0.05）。结论:使用MDCT进行胸部低剂量扫描,同时采用高分辨率重建技术及90%权重迭代算法可用于COVID-19肺炎筛查,可在保证图像质量的前提下显著降低患者所受辐射剂量。     

基于深度学习的低剂量CT图像去噪

目的:提出一种基于深度学习的方法用于低剂量CT（LDCT）图像的噪声去除。方法:首先进行滤波反投影重建,然后利用多尺度并行残差U-net（MPR U-net）的深度学习模型对重建后的LDCT图像进行去噪。实验数据采用LoDoPaB-CT挑战赛的医学CT数据集,其中训练集35 820张图像,验证集3 522张图像,测试集3 553张图像,并采用峰值信噪比（PSNR）与结构相似性系数（SSIM）来评估模型的去噪效果。结果:LDCT图像处理前后PSNR分别为28.80、38.22 dB,SSIM分别为0.786、0.966,平均处理时间为0.03 s。结论:MPR U-net深度学习模型能较好地去除LDCT图像噪声,提升PSNR,保留更多图像细节。     

多模型迭代重建在CT门静脉成像中改善图像质量的应用

目的:探讨多模型迭代重建（ASIR-V）在CT门静脉成像（CTPV）中改善图像质量的应用价值。方法:收集Revolution CT检查CTPV患者60例并随机分为A、B组。两组均采用管电压120 kV、噪声指数10、对比剂用量450 mgI/kg。扫描结束后,A组采用40%ASIR,B组采用40%ASIR-V。分别测量门静脉主干、门静脉左支、门静脉右支的CT值和CT值标准差,并计算信噪比和对比噪声比。记录两组患者CT容积剂量指数（CTDIVOL）、剂量长度乘积（DLP）,并计算有效辐射剂量（ED）。由两名有经验放射科医师采用5分法标准对图像质量进行双盲法主观评分。结果:两组患者一般资料、辐射剂量（CTDIVOL、DLP、ED）和对比剂总量间差异无统计学意义（P>0.05）。两组门静脉主干、门静脉左支及右支CT值均无统计学差异（P>0.05）。A组门静脉主干、门静脉左支及右支CT值的标准差高于B组,A组信噪比和对比噪声比低于B组,且差异均具有统计学意义（P<0.05）。两名医师对两组图像主观评分具有很好的一致性（Kappa值>0.75, P<0.05）,B组图像主观评分显著高于A组（P<0.05）。结论:ASIR-V可以显著提高门静脉图像质量,为临床诊断提供更好的CTPV图像。     

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。     

基于深度学习单投影的CT断层成像三维重建

【摘要】目的:提出一种基于深度学习的计算机断层扫描（CT）单视图断层成像三维（3D）重建方法,在减少数据采集量和降低成像剂量的情况下对不同患者进行CT图像的3D重建。方法:对不同患者的CT图像进行数据增强和模拟生成对应的数字重建放射影像（DRR）,并进行数据归一化操作。利用预处理后的数据通过卷积神经网络训练出一个普适于不同患者的神经网络模型。将训练好的神经网络模型部署在测试数据集上,使用平均绝对误差（MAE）、均方根误差（RMSE）、结构相似性（SSIM）和峰值信噪比（PSNR）对重建结果进行评估。结果:定性和定量分析的结果表明,该方法可以使用不同患者的单张2D图像分别重建出质量较高的3D CT图像,MAE、RMSE、SSIM和PSNR分别为0.006、0.079、0.982、38.424 dB。此外,相比特定于单个患者的情况,该方法可以大幅度提高重建速度并节省70%的模型训练时间。结论:构建的神经网络模型可通过不同患者的2D单视图重建出相应患者的3D CT图像。因此,本研究对简化临床成像设备和放射治疗当中的图像引导具有重要作用。     

M3D:面向3D打印的医学图像重建平台

本研究旨在构建面向3D打印的医学图像3D重建平台,实现医学影像数据的目标分割、3D重建与3D打印所需区域裁剪与输出功能。该软件平台采用Qt设计用户界面,调用ITK、VTK类库处理医学影像数据。软件平台实现了医学影像数据的输入输出及处理、分割与3D重建等功能;在3D打印模型输出前,可实现对感兴趣区域的截取。以肘关节为例,利用该平台可实现模型重建,截取区域输出STL文件并完成3D打印。结果表明,该软件平台操作简单、界面简洁,可以从医学影像数据中重建得到3D模型,并进行3D打印,具有重要的临床应用价值。