SPECT影像呼吸运动参数辨识与伪影校正的体模研究

为了提出一种单光子发射断层扫描成像(SPECT)影像呼吸运动参数估计和伪影校正方案,该文通过对伪影图像的方向微分和自相关分析分别辨识出体模的运动方向和幅度,根据匀速运动和正弦振动拟合的系统点扩散函数,运用Wiener滤波和Richardson-Lucy盲反卷积(RL)算法校正伪影。结果表明:5个典型运动方向和幅度辨识的结果均与实际值接近,RL算法校正伪影经过5次迭代后图像质量总体优于维纳滤波。通过图像后处理估计运动参数,运用迭代反卷积可以有效的校正图像伪影,可能成为一种更方便实用SPECT/PET(正电子发射断层扫描成像)图像呼吸伪影解决方案。     

基于对抗式多任务学习的医学CT图像金属伪影去除方法

人体中的金属植入物会导致X射线计算机断层扫描(Computed Tomography,CT)图像中存在金属伪影,使图像质量大幅降低,目前已有许多利用深度学习(Deep Learning,DL)的方法一次针对一帧CT图像来去除金属伪影(Metal Artifact Reduction,MAR),但患者经CT扫描后得到的大量连续CT切片图像会使计算成本和时间成本十分高昂.为了能同时处理连续的CT伪影图像,提出一种基于对抗式多任务学习的连续CT图像MAR方法(Adversarial Multi-Task Learning MAR,AMTL-MAR),可以充分利用连续CT图像的空间相关性和解剖组织相似性,并行地处理多张连续的伪影图像.利用共享编码器提取连续伪影图像的共享特征,同时使用多个解码器重建相应的无伪影图像,整个任务的目标函数由各个平权的MAR子任务的损失函数线性组合而成,可以提高整个任务的图像重建质量.实验结果表明,该方法可以并行地去除连续图像中的金属伪影,准确恢复原始图像的组织结构.与现有方法相比,提出的方法处理连续伪影图像的效率更高,处理一组伪影图像耗时小于0.02 s,有效提升了MAR方法实时处理伪影图像的速度.     

基于卷积神经网络的能谱CT射束硬化伪影抑制方法

X射线能谱CT探测器可以通过一次扫描,对两个不同的能量区间进行图像重建,由于重建算法基于单色X 射线源的假设,低能量重建图像会存在明显的射束硬化伪影. 为此提出了一种用于校正射束硬化伪影的卷积神经网络结构,使用大规模的体模样本进行训练:利用低能和高能重建图像共同作为网络输入以提取伪影特征,通过最小化输出和无伪影图像之间的均方误差来对低能图像进行校正.在两种不同能谱组合中的测试结果证明了该方法可以在保留物质结构特征的基础上抑制射束硬化伪影,校正后低能图像的峰值信噪比大约提高了20 dB.     

逆滤波在消除磁共振图像运动伪影中的仿真和应用研究

由于自主运动、呼吸和器官搏动等原因,在磁共振成像过程中会造成运动伪影.该文对脑部、胸部和腹部磁共振图像仿真出不同的运动伪影,通过逆滤波方法和位移纠正来消除运动伪影和复原原始图像.实验结果表明,该文方法可以较好地消除运动伪影并复原原始图像.     

圆轨道XCT图像重建的EM算法研究与实现

X射线CT(XCT)是一门用来获取观测物体断层图像的技术,它广泛地应用于医疗诊断和工业无损检测等领域。但目前常用于CT重建的滤波反投影算法易受噪声和伪影的影响,降低了图像质量,为了抑制图像伪影与噪声,本文应用统计迭代的方法进行XCT重建。我们将最大似然估计(MLE)理论推广到XCT,基于投影数据统计模型,实现了期望最大化(EM)算法在圆轨道XCT中的应用。最后,对计算机模拟数据与X射线扫描实际数据分别进行了实验,实验结果表明该方法有效可行,重建图像清晰准确。     

一种MR膀胱图像增强后基于图论的分割策略

为了从具有低信噪比和运动伪影的虚拟膀胱镜核磁成像图像MR(magnetic resonance)中获得精确的膀胱分割结果,该文提出一种针对连续采集的多套短时膀胱MR影像的处理策略。该策略选取一套图像作为配准基准,对其他短时图像先后进行仿射变换和分层B样条变换配准,最后对配准结果平均,获得增强图像。继而利用基于闭集模型的图割方法分别对基准图像和增强图像进行分割。该文利用计算机生成的模拟图像以及临床MR图像测试该策略。实验结果表明:模拟增强图像和MR增强图像的信噪比分别增大到原来的3.26倍和2.17倍,图像信噪比在配准后明显提高;对增强图像使用该文提供的分割方法获得了更好的分割结果。实验证明该文提出的策略能通过配准方法获得高信噪比、高对比度、较少伪影的膀胱增强影像。     

一种基于HLCC的CT图像刚性平移运动伪影校正算法

为消除CT检查过程中病人运动引起的伪影,提高图像质量,提出一种基于HLCC多约束运动参数估计的校正算法.首先用贝塞尔曲线模型描述病人的刚性平移运动,基于HLCC构造一个包含运动信息的目标函数,再引入运动幅度的有限性和图像零阶几何动量为常量作为约束条件,通过二次规划的方法估计运动参数;重建过程中改进滤波反投影算法,加入运动参数进行补偿,以消除运动伪影.实验结果表明,该算法能够准确地估计出物体的运动参数,有效消除运动伪影,具有较强的鲁棒性.     

一种新的复制移动篡改JPEG图像探测方法

针对JPEG(Joint photographic experts group)图像的复制移动篡改,提出基于SURF(Speeded up robust features)特征匹配与块伪影特征矩阵因子(Blocking artifact characteristics matrix factor,BACMF)的篡改区域快速自动探测与定位方法。首先,应用SURF算法提取待检测图像的特征点和特征向量并进行特征匹配,估计匹配对之间的仿射变换参数并消除错配;然后,通过仿射变换找出趋近完整的复制移动区域;最后,根据各区域的块伪影特征矩阵因子区分复制移动区域中的被复制区域和篡改区域。实验结果证明了该方法对复制移动篡改探测的有效性。     

改进Canny的核磁共振图像伪影校正算法

核磁共振图像伪影校正是当前图像处理领域的研究重点,为了有效消除核磁共振图像中的伪影,提高医学图像质量,该文提出一种基于改进Canny的核磁共振图像伪影校正算法。首先对当前核磁共振图像伪影校正的研究现状进行分析、指出存在的不足,然后采用Canny算法对伪影边缘进行检测和识别,并采用双边滤波代替高斯滤波消除核磁共振图像中的噪声、增强核磁共振图像中的伪影信息,采用Otsu法选定图像分割的最优阈值,最后采用B样条法校正异常投影数据,并采用仿真实验对算法性能进行分析。结果证明,该文算法有效抑制了核磁共振图像中的伪影,视觉效果和客观结果均要优于其它伪影校正算法,更加有利于核磁共振图像的后续处理。     

一种快速自旋回波的受激回波伪影校正方法

研究了快速自旋回波产生受激回波的原理,以及受激回波与射频脉冲相位角之间的关系.针对快速自旋回波脉冲序列提出了一种受激回波伪影校正方法.通过两次激发分离出自旋回波与受激回波,然后调整预散相梯度的面积使受激回波与自旋回波中心重合,并修改180°回聚脉冲相位角使受激回波与自旋回波同相位.在1.5T超导磁共振成像系统对校正方法进行了验证,经过受激回波伪影校正后,快速自旋回波图像的信噪比提高了57.08%,图像伪影降低了76.12%.实验结果表明,所提出的方法可以有效抑制受激回波对快速自旋回波成像的影响,提高了图像质量.     

一种基于层选择的弥散张量优化算法

为了从带伪影的弥散加权数据中重建更准确的张量,提出了一种基于层选择的张量优化算法.首先对弥散加权图像中常见的3种伪影(波状、层间运动和对比度伪影)进行定性分析,分别提取3种对应的特征(小波标记、相似度和相关性)来识别这些伪影,从而区分出正常图层和伪影图层.然后,利用正常图层数据进行张量重建.模拟实验结果验证了这3种特征对弥散加权图像中相关伪影判断的有效性,且对波状伪影和层间运动伪影的判断率均大于90%.真实数据实验结果表明,与类似算法相比,所提算法可以更好地改善部分各向异性伪彩图中的偏色现象,在白质结构分析中提供了更准确的方向信息.     

采用共享空间稀疏表示的单幅图像超分辨率方法

基于高分辨率图像与其对应的低分辨率图像在转换到特定空间后有高度关联性的假设,提出一种基于共享空间稀疏表示的单幅图像超分辨率方法.该算法应用典型相关分析建立图像块对之间的联系,稀疏正则项刻画理想图像在过完备字典下的稀疏表示.实验结果表明:文中方法改善了算法执行速度,消除了图像主要边缘处的模糊与伪影,增强了图像重建质量.     

基于稀疏脉冲采样的低复杂度血流速度估计算法

双模超声广泛用于医学临床诊断,其中B模式脉冲用于成像,多普勒脉冲则用于血流速度估计。数据采集时间在两种模式之间共享。为了提高B模式图像的更新频率,需要减少多普勒脉冲数量,即发射稀疏多普勒脉冲进行血流速度估计。然而现有的适应稀疏脉冲采样算法,如迭代自适应算法、稀疏贝叶斯法以及基于阵列虚拟拓展的子空间类方法,计算开销巨大,难以满足实时成像的要求,且在稀疏度大的情况下会产生明显的伪影。为此,文中提出了一种基于稀疏脉冲采样的低复杂度血流速度估计算法。根据超声多普勒回波信号是由血红细胞的散射产生,具有强相干、信源个数时变的特点,文中首先从子空间角度解析了伪影的成因,并验证了包含均匀脉冲的稀疏发射脉冲排布方式可以有效地抑制伪影;然后以均匀脉冲回波构建协方差矩阵,并进行空间平滑获取特征值,以较大特征值的个数和相互的比值作为标准,判断血流不同时刻的频率分布特征;最后以此频率分布特征为标准,自适应采用B-MUSIC算法或TBVAM算法进行血流速度估计,以降低算法的复杂度。Matlab仿真和人体实测数据的实验结果表明,该算法在极大地减小计算复杂度的同时,可以获得较为连续、清晰且伪影抑制效果较佳的血流速度估...     

一种基于扩散驱动先验技术的图像超分辨率重构方法

当输入图像因污迹、噪声和采样而严重退化时,目前基于Papoulis-Gerchberg(PG)算法的大多数超分辨率方法表现不佳.因此,提出了一种基于扩散驱动先验和PG算法的超分辨率方法,能够在提高图像分辨率的同时,估计缺失的高频分量.首先提出了一种新型扩散驱动平滑的先验,能够在平坦和轮廓区域之间自动平衡作用,确保正则化水平以产生清晰图像.然后,将PG算法引入到迭代过程中,以估计重构场景中缺失的小规模特征.实验结果表明,相比现有的超分辨率方法,提出方法的峰值信噪比和结构相似指数结果更高,重构图像更加清晰且无伪影.     

基于变换域注意力机制的压缩伪影去除的方法

图像有损压缩过程往往会导致图像质量退化,使图像出现压缩伪影。针对现有基于深度学习的方法缺乏对联合图像专家组(Joint Photographic Experts Group,JPEG)压缩算法先验信息的利用,提出一种基于变换域注意力机制的去伪影方法。该方法利用卷积神经网络在像素域和离散余弦变换(discrete cosine transform,DCT)域分别提取特征,再将双域学习的特征信息进行融合。利用量化表设计了DCT注意力机制,该模块根据DCT系数的损失程度给予各频率系数不同的权值,使网络自适应补偿量化引起的误差。于此基础上,在像素域引入通道注意力机制,从而更好地利用量化表的先验信息。在主要数据集上,提出的去伪影方法以固定的模型参数对多种质量因子的压缩图像进行伪影去除实验。实验结果表明,所提出的方法在各评价指标和主观视觉上取得较好的效果。     

基于投影空间的CT射束硬化校正方法

针对医用X线CT成像系统的多色能谱X线在成像过程中出现的CT图像硬化伪影,会降低图像质量,干扰诊断等问题,需要对CT硬化伪影进行校正.本文对于单介质水和水骨混合物分别提出了一种基于投影空间优化的多项式拟合校正方法.首先,构建投影校正模型和理想投影模型;然后,将构建的投影校正模型与理想投影模型做对比,差异最小时确定校正系数;最后,把校正系数代入投影校正模型中再重建图像.经仿真实验结果表明,所提出的多项式拟合校正方法能够很好地去除CT硬化伪影,提高图像精度,对CT的精准定量分析具有重大意义.     

第3代双源CT虚拟单能量成像去除腰椎金属 内固定伪影的效果评估

目的:评估双源CT虚拟单能量成像对腰椎椎弓根螺钉内固定术后腰椎金属伪影的去除效果.方法:对40例腰椎椎弓根螺钉内固定术后患者使用Force双源CT行双能量扫描复查,并将图像进行标准线性融合(M_0.6)、FAST DE、虚拟单能量图像重建6组(虚拟能级为40～190 keV,间隔为30 keV)共8组.分别对8组图像的主观质量按照4分法评分.使用Friedman(M)检验评价8组图像的主观质量评分之间差异;用Kappa检验评价主观评分的一致性;客观评分为有、无伪影层面腰大肌CT值,并对其进行配对t检验.结果:130 keV及160 keV图像主观评分明显优于其他组重建图像(P0.01),其中130 keV图像评分均值显著高于160 keV图像(P0.01);130 keV图像中腰大肌CT值,在有、无伪影层面无统计学差异(P0.05).结论:双源CT虚拟单能量重建技术可以减少腰椎内固定金属伪影,得到高质量的重建图像,最佳成像条件为130 keV单能量重建.     

用于低剂量CT图像去噪的递归残差编解码网络

低剂量CT是减少对患者辐射风险的有效方法,但它会降低CT图像的质量,使得图像中含有噪声和条形伪影,影响医师的诊断。为了提高CT图像的质量,提出了一种浅层残差编解码递归网络,通过训练网络学习端对端的映射以获取优质图像。该网络通过减少残差编解码网络的层数以及卷积核的个数降低网络的复杂度,利用递归过程提升网络的性能。在每次递归时,都将原始的低剂量CT图像级联到下一次的输入,可有效地避免图像在多次递归后失真的问题,能够更好地提取图像特征,保留图像的细节信息。实验结果表明所提出的网络算法不仅可以在保留图像细节同时有效地减少低剂量CT图像中的噪声和伪影。     

磁共振成像中涡流效应的仿真

为研究涡流对磁共振(MRI)图像的影响,提出了MRI中涡流效应的仿真方法。在基于Bloch方程的仿真方法的基础上增加描述涡流的数学模型从而实现MRI中涡流效应的仿真。为验证仿真结果,首先在一台0.3 T永磁MRI系统上测量涡流模型的参数,然后在该系统上设计并实现了带有附加梯度的自旋回波(SE)序列用以显示零阶涡流的影响。仿真图像和实际图像均显示了与理论分析相符的混叠伪影,同时利用仿真程序补偿实际接收信号,可以明显地减小重建图像的伪影。以上实验结果验证了仿真程序的正确性。     

多尺度对称压缩伪影去除神经网络

图像压缩给图像带来极其复杂的压缩伪影,不仅影响人类的视觉感知,还会给目标检测等重要领域带来极大的负面影响。为了解决这一问题,提出了一个多尺度对称网络(MSSNN)来去除压缩伪影,进行压缩后图像的质量恢复,在获取基础映射的同时,得到更多不同尺度的映射特征,利用残差结构更快更好地提取和整合特征信息,并且使用一种混合损失函数控制模型训练。实验表明,所提网络可以以更少的参数代价更好地恢复图像,并且经过实验验证可以提升目标检测的效果。