碘-131 SPECT平片成像伪影校正算法

碘-131单光子发射计算机断层扫描(single photon emission computed tomography, SPECT)平片成像已广泛应用于甲状腺癌的临床诊断和治疗评估中。由于碘-131发射的Gamma光子能量较高，穿透SPECT准直器隔壁的概率较大，易导致最终图像上出现放射状伪影。为解决该问题，该文提出了一种点扩展函数解卷积结合先验正则化的方法，并基于Monte Carlo模拟和临床数据对该方法进行了验证。模拟数据表明该算法具有很好的单调收敛性。当采用127×127的点扩展函数(像素大小2.2 mm×2.2mm),设置正则化参数为0.01时，模拟数据、临床点源数据和人体数据的放射状伪影区域计数值可分别降低至原始值的4%、 35%和28%,同时还可以维持背景区域较低的噪声水平。研究结果表明：该文算法可以有效解决碘-131 SPECT平片成像中的放射状伪影问题，从而提高临床诊断精度。     

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。     

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.     

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.     

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.     

在SPECT上取得人体透射图像的方法

为使人体对γ射线的衰减造成核医学影像的失真和定量误差得到校正 ,在用于发射成像的单光子发射断层扫描机 (SPECT)上安装偏置的线源和平行缝准直器 ,可以获得倾斜的扇形束透射投影。这项构想在三探头 SPECT系统上进行了实验 ,取得了清晰的透射投影。使用 3种方法重建出衰减系数分布图 ,证明倾斜扇形束投影作 36 0°扫描能解决数据截断的问题 ,为这种特殊的投影几何结构推导的公式能够准确地重建出断层图像     

多任务深度卷积网络的CT图像方向校正

针对医学电子计算机断层扫描(CT)图像方向校正问题,提出一种并行卷积回归(PCRN)多任务深度学习网络.通过侧旋角度正回归和翻转概率逻辑回归,求得校正参数来精准地校正图像.进一步,针对医学图像训练样本稀缺的情况,提出一种串行回归(SCRN)的深度学习架构,弥补并行卷积回归网络在小样本情况下校正精度不足的问题.实验结果表明:在样本充分,并行卷积回归网络和样本稀缺情况下,串行卷积回归网络对小角度偏转、大角度偏转和翻转的腹部CT图像校正结果都优于传统的配准方法.     

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.     

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.     

基于SDN-GMM网络的低剂量双能CT投影数据去噪方法

低剂量双能计算机断层扫描成像(DECT)技术可以在提供人体内部结构及组织成分信息的同时减少X射线辐射剂量.然而,剂量的降低会导致DECT重建图像中出现大量的噪声及伪影,从而影响对疾病的精确诊断.为实现在低剂量条件下重建出高质量的DECT图像,提出了一种采用混合高斯模型的正弦图去噪网络来进行伪影及噪声消除.该网络由两部分...     

一种提高匀速直线运动参数辨识精度的方法

为找到一种基于匀速直线运动模糊的单帧图像,准确辨识成像点扩散函数中模糊参数的方法,对现有文献提出的倒谱、Radon变换、图像微分、图像自相关性以及检测函数等算法进行了仿真和比较.仿真结果表明,倒频谱算法能够更准确地辨识精度运动方向;像素相关性方法能够更准确地辨识模糊长度.对匀速直线运动模糊的单帧图像进行模糊参数辨识时,结合倒谱辨识运动方向和像素相关性辨识模糊长度的算法,能得到更高精度的辨识结果,利于更好地复原图像的质量.     

基于乘型ART算法的快速图像重建技术研究

为了利用迭代算法快速实现不完全投影数据下的图像重建,介绍了乘型ART(A lgebraic Reconstruction Techniques)迭代算法的快速实现,利用投影矩阵是一个极大的超稀疏矩阵的性质,对迭代矩阵计算方法进行简化,并对其存储结构和检索方法进行优化设计,使迭速度得到了大大提高.在不完全投影的情况下,该迭代算法具有一定的优势.同时针对迭代模型不足导致的重建伪影提出了校正方法,取得了理想的效果.     

基于反卷积算法的超声图像优化方法

超声成像技术因其无侵入、低成本、快速、可便携化的特性，成为医学成像领域的一大研究热点.然而，受限于声波的传播特性、成像算法的弊端以及硬件发展，超声图像存在成像深度小、大量伪影、分辨率低等问题.针对超声图像中的目标混叠和分辨率低下问题，提出了一种基于信号处理的超声图像优化方法，通过反卷积算法对超声探头采集到的原始信号进行处理，再将处理后的信号按照延时求和成像算法重建为图像.提出的方法可以减轻信号间的混叠，最终减轻图像中的混叠，令图像中原本难以辨认的微小结构和细节信息得以展现.通过仿真和实验证明，经过处理后的信号所重建的图像质量优于原始信号所重建的图像，验证了提出的信号处理方法的有效性.     

基于快速分裂Bregman迭代的全变差正则化SENSE磁共振图像重建

在并行磁共振成像中,由于敏感度编码(SENSE)重建过程的病态性,当加速因子增大时,其重建图像的信噪比将会明显降低.通过深入分析全变差(TV)正则化的SENSE重建模型,引入一种高效快速的分裂Bregman迭代算法来得到优化解,进而有效改善图像重建效果.分别对磁共振的体模数据和大脑数据进行仿真实验研究.结果表明,与传统TV正则化SENSE重建相比,此算法不但迭代次数少、收敛速度快,而且能够有效消除混叠伪影,提高图像信噪比并减小归一化均方误差.     

基于快速分裂Bregman迭代的全变差正则化SENSE磁共振图像重建

在并行磁共振成像中，由于敏感度编码(SENSE)重建过程的病态性，当加速因子增大时，其重建图像的信噪比将会明显降低.通过深入分析全变差(TV)正则化的SENSE重建模型，引入一种高效快速的分裂Bregman迭代算法来得到优化解，进而有效改善图像重建效果.分别对磁共振的体模数据和大脑数据进行仿真实验研究.结果表明，与传统TV正则化SENSE重建相比，此算法不但迭代次数少、收敛速度快，而且能够有效消除混叠伪影，提高图像信噪比并减小归一化均方误差.     

单光子发射断层成像的奇异值分解重建算法

为了抑制单光子发射断层成像(SPECT)中噪声的影响,提高重建图像的质量和定量精度,应用奇异值分解(SVD)方法进行图像重建。对人体胸腔模型进行Monte-Carlo模拟计算,生成三维SPECT系统传输矩阵和模拟投影图像,求解系统传输矩阵的广义逆矩阵。在有噪声情况下,存在最佳保留奇异值数目,使重建图像质量达到最优。最佳保留奇异值数目的不同体现了噪声的差异。与常规重建方法进行比较,SVD重建算法具有更好的噪声抑制和重建图像质量,是一种值得关注的SPECT图像重建算法。     

基于CSA和MCMC方法融合HMRF的脑部MRI自动分割研究

针对脑部磁共振(MR)图像分割问题,提出了一种基于克隆选择算法(CSA)和隐马尔可夫随机场(HMRF)的融合方法。首先,采用马尔可夫链蒙特卡尔(MCMC)算法对类标签进行估计,进行体素分类;然后,对分割结果进行偏场校正;最后,利用CSA的统计学进行HMRF模型参数估计,并利用迭代优化算法获得最终的分割结果。由于MCMC和CSA都是全局优化技术,所以HMRF-CSA算法能够克服传统HMRF方法的局部收敛以及较低分割精度的缺点。在仿真脑部MR图像集BrainWeb上的实验结果表明,对于主要脑部结构,本文算法的分割精度高于其他几种算法,且对图像伪影具有鲁棒性。     

基于克隆选择算法和马尔可夫链蒙特卡尔方法融合隐马尔可夫随机场的脑部核磁共振自动分割研究

针对脑部磁共振(MR)图像分割问题,提出了一种基于克隆选择算法(CSA)和隐马尔可夫随机场(HMRF)的融合方法。首先,采用马尔可夫链蒙特卡尔(MCMC)算法对类标签进行估计,进行体素分类;然后,对分割结果进行偏场校正;最后,利用CSA的统计学进行HMRF模型参数估计,并利用迭代优化算法获得最终的分割结果。由于MCMC和CSA都是全局优化技术,所以HMRF-CSA算法能够克服传统HMRF方法的局部收敛以及较低分割精度的缺点。在仿真脑部MR图像集BrainWeb上的实验结果表明,对于主要脑部结构,算法的分割精度高于其他几种算法;且对图像伪影具有鲁棒性。