基于冗余表达的CT图像中金属伪影校正

针对CT图像中存在的金属伪影,提出了一种新的基于冗余表达的校正方法.首先分割出CT图像中的金属区域,将其投影得到金属投影区域;然后从原始投影数据中去除金属投影区域部分的投影数据;最后利用冗余表达的算法恢复金属部分的投影数据,经过滤波反投影后,重建出校正后的图像.校正结果显示,本方法对含有多块金属模体的重建图像的金属伪影有较好的校正效果.     

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.     

一种射束硬化伪影校正方法

提出了一种医用CT图像射束硬化伪影校正后处理算法。CT扫描机扫描得到的投影数据重建CT图像,对此图像进行分割,得到仅包含高密度物质的图像。分别对原始图像和高密度物质图像进行投影,并对投影数据进行校正。使用校正后的投影数据进行图像重建,得到包含校正信息的校正图像。对原始CT图像,使用校正图像进行CT值校正,得到校正后的CT图像。通过实验,验证了该后处理校正算法的有效性和稳定性。     

基于双字典自适应学习算法的低采样率CT重建

在医疗诊断中,稀疏采样能减少CT扫描过程中辐射对患者的伤害.但直接对稀疏采样后的投影数据进行重建,会使CT重建后的图像出现失真、伪影等问题.为保证低采样率下重建图像的质量,提出了双字典自适应学习算法,参照Sparse-Land模型的双字典学习框架,将K-SVD算法与双字典学习算法框架相结合得到补全投影数据,利用FBP算法进行重建得到高质量的重建图像.实验结果表明,在低采样率下使用所提方法进行CT重建的图像质量优于COMP双字典学习算法和MOD双字典学习算法,并且此方法有效提高了CT图像重建在低采样率时的性能.     

基于最优投影逼近法的X射线硬化校正

射束硬化是导致CT重建图像下降的物理原因之一.该文分析了射束硬化校正的常用方法,比如线性化方法、基于原始投影正弦图的校正方法,并在此基础上提出了一种适用于非圆形检测对象的最优投影逼近法.该方法将射线穿透距离最短的扫描角度作为最优投影角度,将该角度下的原始投影作为校正标准,并建立硬化校正方程,通过牛顿迭代法解得各个投影角度下的校正值.实验结果表明,采用本文方法进行硬化校正后,由射束硬化引起的杯状伪影得到较好地抑制.该方法具有自适应性,执行效率高,并且可以推广到多材质扫描对象的硬化校正.     

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。     

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.     

一种多尺度X射线胸片图像增强算法

针对医学X射线胸片增强的同时会在大尺度边缘产生伪影从而影响医学诊断的问题,提出了一种基于边缘的非线性X射线胸片增强算法(MSCE).该算法先将图像进行多尺度分解,然后结合人眼视觉对对比度敏感的感知特性,计算图像基于边缘的局部对比度,通过结合其局部对比度信息控制各尺度信号增强系数,最后重建得到增强后的图像.MSCE算法能在保证小信号增强能力的同时,较大限度地抑止大尺度信号边缘伪影.实验结果表明,与Vuylsteke以及Stahl的非线性增强算法相比,在保证同样细节增强能力的同时,其大尺度边缘区的平均局部方差分别下降了约36.78%和29.64%,实验验证了MSCE算法具有优越的整体视觉质量.     

基于CT投影数据不完全的代数重建算法的研究与实现

目前,CT图像重建算法主要包括解析法和迭代法。解析法以卷积反投影算法最为常用,该算法的重建速度快,成像质量较好,但它要求完全的、等间距的投影数据,积分路径（射线）要为直线,而且重建图像有伪影。代数重建算法是迭代法的典型形式。它适用于不同方式的采样数据,对不完全数据也可重建图像,但计算量大、重建速度慢,影响了算法的应用范围。     

基于重建图像全角度前投影的硬化校正方法

现有的硬化效应校正方法依赖于射线频谱等先验条件,校正过程较为复杂,因此提出一种基于重建图像全角度前投影的硬化校正方法.对重建后的图像进行区域分割,提取出杯状伪影主要影响的组织区域;然后进行基于像素点的全角度前投影,获得校正基算子;再将校正基算子及其高次方乘积进行线性组合获得校正算子,并将此校正算子应用于原图像从而达到校正的目的.水模、头模和西瓜的校正结果显示,本方法对单物质及近人体的物质重建图像的硬化效应均有较好的校正效果.     

基于正弦图分区修复的稀疏角度CT重建算法

针对稀疏投影CT重建图像中的条形伪影问题,提出一种稀疏表示与低秩矩阵填充相结合的正弦图分区修复方法.首先,将正弦图子块依据灰度熵大小分为两类;然后,采用字典学习算法修复边界区域的正弦图子块,为了保留正弦图的内部结构,设计一种联合修复模型用于内部子块的修复,将正弦图的低秩特性融入稀疏表示模型中,以便引入非局部信息;最后,组成完整的正弦图并经滤波反投影(FBP)重建获得最终图像.实验结果表明,与经典算法相比,该算法在投影域与图像域皆有较优表现,能够较好地修复正弦图的结构,明显改善稀疏重建图像中的条形伪影及结构模糊问题.     

受限视角投影图像重建的压缩恢复算法及改进

讨论了用于受限视角投影的压缩恢复算法的局限性,并指出其固有缺点是采样极不均匀,形成混迭,且不能靠增加投影数克服。提出改进的压缩恢复算法,先利用压缩恢复法求出初始图像,再估算缺失的投影数据,后者与原有的受限投影数据一起形成完全投影数据,并用熟知的卷积反投影法重建最后的图像。计算机仿真结果表明,用改进后的算法重建,其成像质量明显提高。     

基于线过程的POCS超分辨图像重构算法

传统的凸集投影（POCS）超分辨重构算法易使图像产生边缘振荡效应问题,在研究了边缘振荡效应的成因后,提出一种基于线过程模型的POCS算法来对低分辨图像序列进行超分辨图像重构．该算法采用线过程模型检测出超分辨初始估计图像的4个方向的边缘,在传统POCS的投影过程中增加了对图像的平滑处理,实现了低分辨图像序列超分辨重建的对比实验,实验结果表明图像边缘振荡效应能得到明显改善．     

基于交叠组合稀疏全变分的图像去噪方法

全变分作为一种常用的去噪模型,在图像去噪中较好地保持图像边缘信息,但是容易产生"阶梯效应"。为了克服这个缺点,提出一种基于快速傅里叶变换的交叠组合稀疏全变分去噪模型。首先,充分考虑图像梯度的邻域结构相识性,通过交叠组合计算像素点的梯度,以凸显平滑区域的高噪声污染点和边界区域像素点的差异。然后,基于快速傅里叶变换和交替方向乘子算法在频域中求解去噪模型。实验结果表明,新模型在保护图像边缘信息的同时,有效去除噪声,同时抑制"阶梯效应"。与几种较好的去噪算法相比,新模型的峰值信噪比、结构相识度、视觉效果、计算效率均有明显提高。     

基于潜在特征重构和注意力机制的人脸图像修复

本研究针对现有图像修复方法不能有效地分离结构和纹理信息,修复结果往往会出现边界模糊、结构扭曲 等伪影问题,提出了基于潜在特征重构和注意力机制的人脸图像修复方法。 人脸图像修复方法分为两阶段,第一 阶段,通过结构重建器网络提取样式向量,按照 StyleGAN 所述的原理分为粗尺度特征、中尺度特征和精细特征三 组,插入到预先训练好的 StyleGAN 生成器中,产生初步的修复结果;第二阶段通过构建纹理生成网络并使用上下 文注意力机制,注意力分数由注意力计算模块计算,注意力转移模块根据较高级别特征图和注意力分数来填充较 低级别特征图中的对应缺失区域,以细化上一阶段初步的人脸修复结果。 在 CelebA-HQ 数据集上的训练并进行 测试,本文的方法在定量和定性分析两个方面均优于现有方法。 因此,基于潜在特征重构和注意力机制的人脸图 像修复方法能够有效地修复缺损人脸图像,大大减少了边界过度平滑和存在纹理伪影的问题。     

具有噪声鲁棒性的三维磁性纳米粒子成像快速重构方法

为提升磁性纳米粒子三维成像和重构速度,降低三维重构对采样投影数据完备性要求,针对含噪声投影数据三维重构优化问题,本文提出了一种具有噪声鲁棒性的三维磁性纳米粒子成像快速重构方法（noise-robust 3D sparse sampling magnetic particle imaging,3D NRSS-MPI）. 该算法通过求解一个由MPI投影成像正向模型l₂范数和稀疏正则约束建立的凸优化问题实现3D MPI图像重构. 模型不受MPI扫描轨迹限制,为不断发展的MPI新技术提供了普适性的基础模型;建立的三维全变分稀疏算子（3D total variation sparse operator, 3D TV Sparse Operator）利用MPI先验信息提升含噪MPI投影数据三维重构的鲁棒性,且可以进行无矩阵运算,大幅提升了运算效率. 通过点源和冠状血管模型成像实验表明,在1/4欠采样下,本文3D NRSS-MPI方法可以有效消除重构图像星状伪影,获取较高的图像信噪比,同时冠状动脉重建结构相似性超过0.701,可以准确地对欠采样、有噪声的MPI数据进行快速而稳健的重建,有效缩短了4倍成像和重构时间.      

CT三代扫描旋转中心偏离的卷积反投影算法

讨论了卷积反投影算法实现CT图像重建时，被测工件旋转中心偏离理想重建中心的工程问题。在于理想卷积反投影重建算法理论，推导出相应校正偏离的卷积反投影算法，并引入单象素工件模型估计偏离参数。根据偏离幅度给出了理想重建算法适应的范围，仿真结果证明了校正算法的有效，利用校正算法消除了由旋转中心偏离造成的伪影，提高了图像分辨率。