改进Wiener滤波弥散加权磁共振图像Rician噪声复原

针对弥散加权磁共振图像噪声呈Rician分布,现有Wiener滤波基于高斯分布易于产生误差的缺陷,以及弥散加权磁共振图像多相近磁场方向数据共存特点,综合多相近磁场方向的弥散加权磁共振图像进行Wiener滤波复原,并将现有针对高斯噪声的Wiener滤波器基于Rician噪声分布进行改进,最后在估计复原参数的过程中引入各向异性概念提高复原参数估计的准确性,进一步提高复原质量.使用本方法分别在合成和真实脑部弥散加权磁共振图像上进行的仿真和实验表明,本方法能有效降低噪声对弥散加权磁共振图像的影响,提高由此计算获得弥散张量磁共振图像的大小和方向信息,在10％ Rician噪声下,弥散加权磁共振图像的峰值信噪比提高10 dB,由此计算获得弥散张量磁共振图像角度平均偏移下降5度,可保障后续应用的准确性和可靠性.     

基于结构保持因子的显微图像滤波质量客观评价指标

【摘要】目的:解决计算机辅助精子质量分析系统缺乏显微图像滤波算法性能客观评价指标的问题。方法:首先对精子跟踪轨迹连续性、滤波图像直方图、滤波算法性能三者之间的相关性进行研究,然后对不同噪声密度下的相关性进行量化计算,最后建立结构保持因子数学计算模型。结果:滤波算法的结构保持因子越大,精子跟踪轨迹连续性等级越高,证明结构保持因子作为显微图像滤波性能衡量的有效性。结论:结构保持因子克服了显微图像滤波算法性能评价的主观性,该指标可为精子显微图像滤波算法的选取提供理论指导,从计算机图像处理角度为计算机精子质量检测系统提供质控依据。     

BP网络在麻醉深度监测算法上的应用

麻醉是临床手术中必不可少的环节,但麻醉的过深或过浅可能给病人带来伤害,因而对麻醉深度的监测具有较高的临床价值。脑电是目前检测麻醉深度最有潜力的方法,首先通过滤波等处理方式得到较为纯净的脑电信号,分析时域和频域的特征,计算相应的参数,并将该参数作为前向反馈神经网络的输入参数,选择合适的BP神经网络拟合得到一个能够评价麻醉深度的无量纲常数。使用BP神经网络拟合结果来表征麻醉深度准确率普遍在90%以上,反映了BP神经网络在麻醉深度监测上具有较高的应用价值。     

基于单水平集函数的细胞分割算法

目的：由于细胞图像十分复杂,传统的基于像素或者边界的图像分割方法难以精确的实现细胞分割。因此,需要设计一种可以实现细胞图像精确分割的方法。方法：结合大津分割算法和主动轮廓模型的优点,设计出一种基于单水平集函数的细胞分割算法,首先对细胞图像大津分割,其结果作为水平集函数的初始值,然后使用迭代法对水平集函数演化。采用MATLAB对显微镜下获取的细胞图像进行试验,将本文改进后的算法与常规的算法进行了对比。结果：与传统的水平集分割算法相比,本文方法对细胞图像分割结果更加准确,迭代次数减少一半左右,因此分割时间也减少了一半左右。结论：结合细胞图像的结构特点,利用大津分割结果作为主动轮廓模型的初始值,可有效解决主动轮廓模型因为初始值设置不当导致的分割缺陷问题,水平集函数能够跟踪拓扑结构变化,具有计算精度高、算法稳定、优化边界清晰光滑等优点,在本文中得到了充分的应用。因此本文所提出的算法能够高效地实现细胞图像的分割。     

低场核磁共振信号降噪方法研究进展

目的:低场核磁共振技术是近年来迅速发展起来的一种新技术,被广泛应用在食品安全、油气勘探、纺织化工、生物医药等各种领域。但由于低场核磁共振背景磁场强度低,信号微弱,信噪比较低。本文目的在于抑制低场核磁共振中的噪声,提高信噪比。方法:目前用于低场核磁共振的降噪方法还不是很多,本文主要介绍了三种降噪方法,双边滤波、基于偏微分方程的各向异性扩散方法和基于平稳小波变换的阈值滤波。结果:双边滤波既考虑像素点的空间相近度又顾虑到亮度相似度,达到了平滑滤波和边缘保持的效果;偏微分方程各向异性扩散方法在图像平滑区域增大扩散系数,在边缘区域减小扩散系数,对边缘保留起到了很好的效果;平稳小波变换具有平移不变性,去除了伪Gibbs现象,边沿对齐和改进的阈值函数都提高了降噪效果。结论:本文的三种降噪算法都是在以前学者提出的方法基础上作出了改进之后用于低场核磁共振系统,并且都取得了很好的效果。本文又综述了评价降噪效果的客观指标PSNR,RMSE和SSIM。     

基于灰度共生矩阵和人工神经网络的肺癌CT图像的分类研究

目的研究小细胞肺癌（SCLC）和非小细胞肺癌（NSCLC）的分类问题。方法217例肺癌患者．其中男性165例．殳性52例;年龄35～80岁,平均年龄61．5岁。其中SCLC108例,NSCLC109例。提取患者764幅肺癌CT图像的灰度共生矩阵,选取对比度、熵、能量和逆差矩4个特征值,借助临床确诊结果,利用多层前向（BP）、径向基函数（RBF）人工神经网络对特征进行训练测试。结果BP人工神经网络对10％的78例样本进行测试,SCLC42例预测正确．NSCLC33例预测正确．3例预测失败。RBF神经网络对10％的78例测试样本进行测试,SCLC42例预测正确．NSCLC36例预测正确、类似方法对样本总数的70％进行训练,用30％的230例进行测试;BP人工神经网络有209例预测正确。正确率为90．9％：其中SCLC111例预测正确,正确检出率为88．8％;NSCLC98例预测正确,正确检出率为93.3％。RBF人工神经网络有216例预测正确．正确率为93．9％,其中SCLC117例预测正确,正确率为93．6％;NSCLC99例预测正确,止确检出率为94.3％。可见BP、RBF人1二神经网络对SCLC和NSCLC均具有90％以上的正确率,高于人工诊断结果。结论基于灰度共生矩阵的对比度、熵、能量和逆差矩4个特征值能反映SCLC和NSCLC的有效特征参量．通过人工神经网络能达到分类目的,辅助临床治疗。     

基于GC V算法的背根节神经元放电信号的滤波

为去除背根节神经元放电信号中的噪声,便于进一步分析信号,采用小波滤波法。先将含噪信号采用haar小波进行5层分解,然后在传统小波软阈值滤波的基础上,提出用GCV算法来确定最优阈值,最后进行信号重构。通过matlab仿真实验表明,采用了GCV算法的滤波方法能有效去除神经元放电信号中的噪声,去噪后信号光滑连续好,并且保留了信号峰值的相关细节。     

评价Karl迭代重建技术对胸部CT图像质量的影响

目的 评价Karl迭代重建技术对胸部CT图像质量的影响。 方法 ①模体研究:以管电压120 kVp、管电流140 mAs扫描为常规剂量组;降低管电流50%,以管电压120 kVp、管电流70 mAs扫描为低剂量组,2组分别采用滤波反投影（FBP）和Karl迭代重建技术（重建等级1~9级）进行图像重建,采用噪声功率谱（NPS）和标准差对图像噪声进行测量。②临床研究:基于模体研究结果,选取行胸部CT的受检者120例,其中男性61例、女性59例,年龄35~75岁,BMI为（23.95±0.27） kg/m2。采用随机数字表法分成常规剂量组和低剂量组,每组分别为60例,扫描参数同模体研究,分别采用Karl 5级迭代重建技术和FBP法进行图像重建。比较2组CT容积剂量指数（CTDIvol）、剂量长度乘积（DLP）、有效辐射剂量（ED）及图像噪声、信噪比等客观指标和图像质量主观评分指标。客观指标的比较采用t检验;主观评分的比较采用χ2检验。 结果 ①模体研究:常规剂量组采用Karl迭代重建技术重建图像的平均噪声均低于FBP法重建图像噪声,且随着Karl迭代重建技术等级的升高而降低,差异均有统计学意义（t=5.14~47.50,均P<0.01）。通过NPS曲线对比,Karl 1~9级重建图像在降低图像噪声的同时,保持了与FBP法重建图像的噪声纹理特性,差异无统计学意义（t=2.49, P=0.42）。低剂量组Karl 5级迭代重建图像的噪声[（6.40±0.16） Hu]与常规剂量组FBP重建图像的噪声[（6.30±0.38） Hu]较其他Karl迭代重建技术等级更接近,差异无统计学意义（t=28.34,P=0.423）。②临床研究:低剂量组的CTDIvol[（5.56±0.01） mGy]、DLP[（170.74±18.40） mGy]均明显低于常规剂量组[（11.06±0.01） mGy、（348.93±26.16） mGy·cm],差异有统计学意义（t=4757.7,P=0.003;t=39.23,P=0.005）;ED[（2.58±0.16） mSv]较常规剂量组[（5.01±0.17） mSv]降低了51.5%,差异有统计学意义（t=37.94,P=0.004）。低剂量Karl 5级迭代重建技术重建图像与常规剂量FBP重建图像比较,噪声（升主动脉:t=0.24,P=0.38; 降主动脉:t=1.51,P=0.70）和信噪比（升主动脉:t=0.45,P=0.45; 降主动脉:t=0.08,P=0.72）的差异均无统计学意义;纵隔窗图像（χ2=2.32,P=0.317; χ2=1.38,P=0.268）和肺窗图像（χ2=0.97,P=0.614; χ2=0.59,P=0.760）的主观图像质量评分比较,差异均无统计学意义。 结论 Karl迭代重建技术可以不同程度地降低图像噪声。降低常规管电流的50%至70 mAs、采用Karl 5级迭代重建技术重建图像可获得与常规剂量FBP相同的图像质量。     

一种通过调节目标函数权重改善剂量分布方法的初步研究

目的:探索一种通过调节目标函数权重改善剂量分布的方法。方法:将调强逆向优化过程分成两个步骤,首先多目标函数优化得到一个极小值;再对未达到临床期望的单一或多目标权重线性放大,继续优化。并在ECLIPSE计划系统中建立一个头颈肿瘤模型,分析权重调节对剂量分布的影响。结果:对于模型中定义的靶区和重要器官,权重调节可以减少相关重要器官受量和降低相关靶区热点区域体积,并对未调节权重的重要器官和靶区影响很小。结论:调节目标函数权重是一个改善剂量分布的方法。     

基于复值损失函数的并行MRI的深度重建

目的 研究一种新的以幅值和相位均方误差和为损失函数的深度重建方法,用以加快磁共振图像重建速度及提高重建精度。方法 考虑到磁共振不同线圈之间的数据噪声并不完全独立,本文首先将多线圈数据合并成单线圈幅值数据,以消除不同线圈噪声间的相关性,并以此作为训练数据的样本标签;同时考虑到相位信息的重要性,我们将损失函数定义为幅值和相位均方误差的加权和,权重系数用来平衡两者在不同应用中的重要程度。为了验证方法的有效性,本文利用FastMRI数据集中真实的脑部和膝部K空间数据进行训练和测试,并与一些以均方误差或平均绝对误差作为损失函数的相关方法进行了比较。结果 所提方法能够有效去除噪声及重叠伪影,同时较好地保留图像细节。定量结果显示,相比于已有的以均方误差或平均绝对误差作为损失函数的方法,本文提出的方法可以提高重建图像的峰值信噪比（PSNR）1dB左右。结论 本文针对深度磁共振重建提出了一种新的损失函数,以适应并行磁共振数据中的噪声特点,利用该方法可以加快重建速度,同时可以有效地提高重建质量。