CT图像的运动伪影校正

为了消除因患者晃动造成的运动伪影及相关误差，提高CT图像的精度，提出了通过A型或U型圆柱管校正器对CT图像的扫描过程进行监测，并通过对图形的反向缩放、平移、旋转和偏移变换，对原始图像的伪影进行校正．研究表明，提出的校正器校正法能够有效地提高CT图像的可靠性和精确性，不仅能消除或减少运动伪影，还能对CT扫描过程中的其他误差及图像处理中的误差加以校正，从而为CT图像的三维重建和定制化植入体的精确制造奠定了基础．     

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.     

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。     

飞利浦核磁共振接收线圈维修和图像伪影解决方案

无线射频线圈是磁共振影像系统的一个重要组成部分。其功能是发射射频脉冲、接受MRI信号,是MRI系统成像的一个重要环节。在MRI中,伪影是指图像中与实际解剖结构不符合的部分,主要表现为图像信息的变形,模糊,叠加或缺失。一部分伪影产生的原因是由于系统故障,必须加以辨认;而大多数的伪影是由于技术内在的原因,无法完全消除,但可以通过选择合理的成像技术来消除或降低对诊断的影响。     

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.     

磁共振心脏门控成象研究

本文首先简要讨伦磁共振成象(MRI)系统在心脏成象中产生伪影的原因及消除伪影的方法,然后着重论述MRI心脏成象门控仪的设计原则和工作原理.临床实验结果表明,心脏成象门控仪的应用使心脏MRI图象具有较高的诊断价值.     

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.     

联合新型分块稀疏表示和梯度先验图像盲复原

针对目前基于稀疏表示的图像盲复原算法计算量大且细节恢复能力有限等问题,提出一种新的图像盲复原方法.首先针对现有稀疏表示模型中重叠分块计算复杂度高的问题,提出一种多模式非重叠分块策略,在每种模式下独立求解复原图像,然后对各模式下复原图像求平均以消除"伪像";另外,用1 2l l范数作为稀疏性度量,将图像梯度稀疏先验融入基于稀疏表示的图像盲复原模型.最后,本文提出了联合新型分块字典稀疏表示和图像梯度稀疏先验的盲复原模型,采取迭代方法交替估计模糊核和待复原图像.实验结果表明,该方法在主观和客观评价下均取得较好的复原结果,并显著降低算法整体复杂度.     

多尺度残差注意网络的真实图像复原方法

为了提高基于深度学习网络方法在真实图像上的复原效果,提出了一种基于多尺度残差注意网络的复原方法。将退化图像输入到该模型中,利用浅层特征网络提取原始低质量图像的浅层特征;利用残差注意网络模块提取深层特征信息和通道相关性,使用局部连接和短跳跃连接进行残差学习;将浅层特征、通道相关性以及上下文深层特征信息输入到重构网络,利用具有不同感受野的特征进行图像复原。实验结果表明,相较于其他对比方法,该方法在图像去噪、图像增强和超分辨率等多个任务中获得最优的结果,能够在不引入伪影的情况下生成纹理细节丰富的清晰图像。