基于先验图像-压缩感知的CT局部重建算法

为了提高CT图像局部重建的质量,在压缩感知理论的基础上提出基于先验图像-压缩感知的CT局部重建算法.首先对获得的局部感兴趣区域内的投影数据进行滤波反投影重建,并将重建的CT图像作为迭代的初始图像;然后以图像的总变差最小化为原则对局部感兴趣区域进行凸集投影总变差最小化重建.以Shepp-Logan模型和某型固体火箭发动机为例进行实验的结果表明,该算法能够获得更好的CT图像局部重建质量,且具有更强的抑噪性能.     

工业CT窄角扇束卷积反投影图像重建

高能X射线工业CT机的图像重建属窄角扇束扫描方式下的图像重建.文中提出并讨论了基于卷积反投影图像重建算法的窄角扇束扫描方式下的图像重建,并针对窄角扇束扫描方式下的两种不同步距的同步平移方式,给出不同的卷积反投影图像重建算法,对高能X射线工业CT机的图像重建有指导作用.     

工业CT窄角扇束卷积反投影图像重建

高能X射线工业CT机的图像重建属窄角扇束扫描方式下的图像重建。文中提出并讨论了基于卷积反投影图像重建算法的窄角扇束扫描方式下的图像重建，并针对窄角扇束扫描方式下的两种不同步距的同步平移方式，给出不同的卷积反投影图像重建算法，对高能X射线工业CT机的图像重建有指导作用。     

基于最小区域的快速CT图像重建

由于工业CT重建目标的形状差异较大,针对传统CT图像重建算法均选取矩形重建区域,提出一种基于最小区域的图像重建方法.首先由扫描到的投影数据通过直线生成算法构建重建目标的最小区域包络图;然后提出一种快速区域填充算法,生成图像重建的最小区域.该方法将重建区域限定在最小区域内,减少了不必要的计算,提高了重建速度.最后通过仿真实验与传统的重建方法进行比较,表明了文中方法的有效性.     

一种心脏CT扫描图像重建算法研究

CT作为一种无创伤的检查设备在医学诊断中得到广泛的应用,但是它通常只能对静止的器官进行扫描重建图像,而对运动器官的成像能力很差,虽然近年的CT扫描的速度不断提高,但是受到成像原理的制约,新型的单螺旋CT还是很难实现心脏的扫描成像。论文给出了一种基于傅立叶变换的中间函数法图像重建算法,并针对该算法设计了一种心脏扫描方案。     

结合改进扩散和双边滤波的低剂量CT重建

针对低剂量计算机断层扫描(CT)重建图像时出现明显条形伪影的现象,提出一种结合非局部均值模糊扩散和扩展邻域双边滤波的中值先验(MP)重建算法。首先,使用基于非局部均值模糊扩散方法对中值先验分布的最大后验(MAP)重建算法进行改进,以减少重建图像中的噪声;然后,采用基于扩展邻域的双边滤波方法对重建图像进行处理,以保持图像的边缘和细节信息,进一步提高重建图像的信噪比。采用Shepp-Logan模型和胸腔模型来验证算法的有效性,实验结果表明,与滤波反投影(FBP)、中值根先验(MRP)、非局部均值模糊扩散的MP重建(NLMMP)算法和非局部均值双边滤波的MP重建(NLMBFMP)算法相比,所提新算法的归一化均方距离和均方绝对误差最小,且信噪比最高,分别为10.20 dB和15.51 dB。该重建算法可以在对重建图像进行降噪的同时保持了图像的边缘和细节信息,改善了低剂量CT图像质量退化的问题,获得高信噪比和高质量的重建图像。     

投影数据恢复导引的非局部平均低剂量CT优质重建

针对低剂量CT成像质量退化问题,将CT投影数据恢复与图像数据恢复巧妙地融合,提出一种投影数据恢复导引的非局部平均(NL-means)低剂量CT重建方法.首先通过非线性Anscombe变换将满足Poisson分布的投影数据转化为Gaussian分布,以便于投影数据噪声的滤除;然后对滤波后的投影数据执行Anscombe逆变换和滤波反投影(FBP)CT图像重建;最后将投影数据滤波后的FBP图像作为先验构建非局部权值矩阵,并将该权值矩阵用于低剂量CT图像的非局部平均成像.仿真和临床实验结果表明.该方法在噪声消除和伪影抑制两方面均有上佳表现.     

基于不规则螺旋扫描CT图像重建算法的研究

锥束螺旋CT可以解决长物体的检测问题,目前广泛应用的锥柬螺旋CT主要采用螺旋FDK算法进行图像重建,近年采为了使算法能更应用于买际,许多学者对标准的螺旋轨迹进行了拓展。针对这一情形,本文提出了变螺距不规则螺旋扫描轨迹,变螺距螺旋扫描可根据目标物体形状的变化,随时做出调整以获得最佳的图像重建质量,有更快的扫描速度和更高的时间、空间分辨率。本文首先设计了两种随投影角度自适应变化的变螺距螺旋轨迹函数,然后采用近似FDK重建算法进行重建。仿真结果表明,变螺距螺旋FDK重建算法能够重建出较好的图像质量,本文的研究可以促进实用变螺距螺旋锥束CT的发展。     

正则化算法在CT图像重建上的应用

由于受数据采集时间、照射剂量、成像系统扫描的几何位置等因素的约束,计算机断层成像（Computed tomography,CT）技术目前只能在有限角度范围或在较少的投影角度得到数据,这些都属于不完全角度重建问题. 因此,图像重建的算法应用变得尤为重要,本文将现有的几种正则化超分辨率重建算法应用到CT图像重建上并做了一系列的对比分析,分析不同算法下不同的图像重建效果. 首先对低分辨率CT图像进行图像配准,然后再进行样条插值放大,最后运用相关正则化算法进行超分辨率图像重建. 实验结果表明正则化算法的应用一定程度上提高了图像分辨率,其中双边正则化下的重建效果最好,基于L2范数全变分正则化效果较差.     

基于低秩约束的CT重建算法

为提高图像重建质量,结合压缩感知理论,提出一种非局部的基于低秩约束的图像重建算法。采用Shepp-Logan头模以及真实脑部CT切片进行重建,以峰值信噪比作为重建图像质量评判标准,并与其他两种重建算法的重建结果比较。经过一定次数迭代后,基于该算法的重建图像结果更贴近原始图像,且收敛时间更早。实验结果表明,在重建低剂量CT图像上,提出的算法在重建质量和收敛速度上均优于对比算法。     

SVD lossy adaptive encoding of 3D digital images for ROI progressive transmission

In this paper, we propose an algorithm for lossy adaptive encoding of digital three-dimensional (3D) images based on singular value decomposition (SVD). This encoding allows us to design algorithms for progressive transmission and reconstruction of the 3D image, for one or several selected regions of interest (ROI) avoiding redundancy in data transmission. The main characteristic of the proposed algorithms is that the ROIs can be selected during the transmission process and it is not necessary to re-encode the image again to transmit the data corresponding to the selected ROI. An example with a data set of a CT scan consisting of 93 parallel slices where we added an implanted tumor (the ROI in this example) and a comparative with JPEG2000 are given.     

基于模糊连接度的交互式CT图像分割算法

如何准确地从CT图像中提取出感兴趣的组织,是医学图像分割中的难点。提出了一种基于模糊连接度的交互式CT图像分割算法：先根据用户指定的感兴趣区域的灰度范围预分割图像,然后用户从结果图像中选择目标和背景种子点,计算出各像素点与两类种子点的模糊连接度,最后根据连接度大小将像素点划分到目标或背景区域。分割过程中,用户可以通过增设或删除目标或背景种子点,修正分割的结果。实验表明,该算法能准确有效地分割出感兴趣区域。     

基于感兴趣区域的图像水印嵌入算法研究

鉴于现有绝大多数图像水印方案将载体图像看作整个场景,并未考虑载体图像自身的结构特征及人们感兴趣的视觉目标区域,本文提出了一种基于感兴趣区(ROI)的小波域图像水印嵌入算法.该算法首先结合人眼视觉感知特性,在小波变换域内利用k-均值聚类提取出感兴趣区域;然后对感兴趣区域进行小波变换,并结合图像局部相关性对小波系数进行自适应的量化调制,将水印信息嵌入到感兴趣区域的低频子带内.仿真实验表明,所提出的水印嵌入算法不仅具有较好的透明性,而且对JPEG压缩、叠加噪声、锐化等常规图像处理操作具有较好的鲁棒性.特别地,该算法能够有效抵御恶意剪切、目标移动、替换背景等攻击,而且可以实现盲检测.     

Fully automatic and segmentation-robust classification of breast tumors based on local texture analysis of ultrasound images

Region of interest (ROI) is a region used to extract features. In breast ultrasound (BUS) image, the ROI is a breast tumor region. Because of poor image quality (low SNR (signal/noise ratio), low contrast, blurry boundaries, etc.), it is difficult to segment the BUS image accurately and produce a ROI which precisely covers the tumor region. Due to the requirement of accurate ROI for feature extraction, fully automatic classification of BUS images becomes a difficult task. In this paper, a novel fully automatic classification method for BUS images is proposed which can be divided into two steps: “ROI generation step” and “ROI classification step”. The ROI generation step focuses on finding a credible ROI instead of finding the precise tumor location. The ROI classification step employs a novel feature extraction and classification strategy. First, some points in the ROI are selected as the “classification checkpoints” which are evenly distributed in the ROI, and the local texture features around each classification checkpoint are extracted. For each ROI, all the classification checkpoints are classified. Finally, the class of the BUS image is determined by analyzing every classification checkpoint in the corresponding ROI. Both steps were implemented by utilizing a supervised texture classification approach. The experiments demonstrate that the proposed method is very robust to the segmentation of BUS images, and very effective and useful for classifying breast tumors.     

基于感兴趣区的小波域彩色图像检索新方法

提出了一种基于感兴趣区的小波域彩色图像检索新方法.该方法首先结合人眼视觉感知特性,在小波变换域内利用K-均值聚类提取出感兴趣区域,然后以感兴趣区的小波系数局部能量作为纹理特征,颜色均值和均方差作为颜色特征,重心坐标作为位置特征,计算图像间内容的相似度并进行检索.仿真实验结果表明,当图像中有明显的感兴趣区域时（特别是背景简单的图像）,该方法能够更加准确地查找出用户所需内容的图像,明显地提高了检索精度.     

Automating the tracking of lymph nodes in follow-up studies of thoracic CT images

The study of lymph node features over time is of great clinical significance. Tracking of the same lymph node in CT images over time is done manually in the current clinical practice, which is tedious and lack of consistency. In this paper, we propose a search scheme to automate the process. Regions of interest (ROIs) are located by mapping the center point of lymph node based on the transformation found in the rigid registration. Similarity values between ROI of the template image and ROIs of repository images are compared, the highest of which decides the best match. Our method generated a success rate of 82% in determining the corresponding image in follow-up scan with the same lymph node as in baseline. The location of the lymph node in the corresponding image is tracked and estimated by mapping the lymph node center at baseline image using the transformation obtained from both affine and free-form deformation (FFD) registration. FFD performs better than affine registration in tracking the lymph node location. All lymph nodes in our study are tracked successfully by the suggested points which fall within the boundary of the same node in the corresponding follow-up images using FFD registration.     

基于短CT图像序列的肺癌节结特征提取

利用单幅CT图像进行肺部节结的识别存在较大的局限性,故把多幅相邻图像组成的短图像序列引入自动识别的过程,并根据节结的球形结构,把节结感兴趣区域(ROI)对应的原始图像看做是二维函数的三维表面,提取不同于传统图像区域特征的刻画三维表面形状且反映节结在短图像序列中变化情况的新型特征。最后用支持向量机(SVM)进行分类实验,验证了所提取特征的有效性。     

锥束CT感兴趣区域图像重建研究

针对锥束CT感兴趣区域扫描中存在的截断投影数据图像重建问题,提出用基于迭代的代数重建(ART)算法进行重建。锥束ART算法的缺点是计算量大、重建速度慢。为了提高该算法的重建速度,提出了一种基于多核平台的快速并行图像重建方法。首先将三维重建区域等分为上下两块,相应地,探测器平面也分为上下两部分;然后通过双线性插值计算虚拟探测器投影数据;最后通过多线程技术在多核平台上实现了ART算法的并行重建,在保持较高重建精度的同时取得了约两倍的重建加速比。在此基础上,通过仿真实验对3DShepp-Logan模型不同感兴趣区域进行了重建,实验结果表明,ART算法用于感兴趣区域图像重建是可行的。     

ImageJ软件在三维立体CT图像处理中的应用

通过使用ImageJ这款开放源代码的图像处理软件对一组人头部颅内的CT切片进行处理,着重介绍了ImageJ在三维CT图像处理中的应用。给出了ImageJ进行三维CT图像处理主要的操作方法和处理后的效果图,为更好地使用ImageJ对CT图像进行三维处理提供参考。通过先计算各个感兴趣区域的面积,再累加实现了三维模型体积的计算。如果进一步知道图像的物理分辨率及CT切片的物理间距,则可以计算出感兴趣目标真实体积。     

基于局部灰度最大和改进Mahalanobis距离分类的肺结节检测算法

CT图像中肺结节检测一直是肺癌CAD系统的关键和难点。提出了一种孤立性肺结节自动检测算法,首先对原始CT图像进行有效、准确的肺实质分割;采用寻找局部灰度最大值方法对ROI进行初始分割;再对分割出的各ROI进行特征提取,利用SVM方法对每个特征进行定量描述,根据SVM单特征分类准确率对Mahalanobis距离进行加权改进,最后采用基于改进的Mahalanobis距离进行肺结节分类。实验结果表明,该算法可以较好地提取出CT图像中的孤立性肺结节,具有较高的灵敏度和较低的漏诊率,可以为医生诊断早期肺癌病灶提供帮助信息。