基于连续X射线谱的CT重建算法仿真

关于提高CT图像精度的问题,传统的CT重建算法都是基于X射线源是单色源的假设,忽略了X射线的多色性.直接用多色投影数据进行图像重建易产生金属、硬化等伪影,降低图像质量,影响CT值标定,从而影响医学或工业诊断.考虑到X射线能谱的连续性,采用仿真手段实现连续X射线谱的统计重建.首先将连续X射线谱离散成若干单能谱,再根据待检工件的材质信息以及射线能量所对应的质量衰减系数,构建基于连续X射线谱的工件材质模型;最后利用多能统计重建算法对多能投影数据进行迭代重建.仿真结果表明,算法充分地利用了X射线的多能性,在一定程度上可以有效地降低图像伪影,提高CT重建图像质量.     

基于深度学习的表面缺陷检测方法综述

近年来, 基于深度学习的表面缺陷检测技术广泛应用在各种工业场景中. 本文对近年来基于深度学习的表面缺陷检测方法进行了梳理, 根据数据标签的不同将其分为全监督学习模型方法、无监督学习模型方法和其他方法三大类, 并对各种典型方法进一步细分归类和对比分析, 总结了每种方法的优缺点和应用场景. 本文探讨了表面缺陷检测中三个关键问题, 介绍了工业表面缺陷常用数据集. 最后, 对表面缺陷检测的未来发展趋势进行了展望.     

视觉深度伪造检测技术综述

随着生成式深度学习算法的发展,深度伪造技术发展并应用于各个领域。深度伪造技术的滥用使人们逐渐意识到其带来的威胁,伪造检测技术随之而生。本文基于视觉深度伪造技术研究进行综述。1）简要介绍了视觉深度伪造技术的发展历程及技术原理,包括生成对抗网络在深度伪造制品中的应用;2）对现有的视觉深度伪造数据集进行汇总并归类;3）对目前的视觉深度伪造检测技术进行了分类,将现有的检测方法归纳为基于具体伪影的、基于数据驱动的、基于信息不一致和其他类型视觉深度伪造检测等4种分类。其中,基于伪影的检测方法着重于寻找伪造制品与真实图像之间的像素级差异,通过机器学习识别深度伪造制品中的人工伪影痕迹,基于信息不一致的方法则着重于寻找伪造制品与真实图像或视频之间的信息级差异,这两种方法都具有识别效率高、训练便捷等优点;基于数据驱动的方法通过大量的数据集和机器学习训练,直接使用神经网络本身对深度伪造制品进行训练,并通过改善网络架构增进模型以提高训练效率,因为其模型的多变和高精确率成为目前深度伪造检测的热门方向。同时,本文分析了4种方法的具体优缺点,并进一步给出了未来视觉深度伪造检测研究的重点和难点。     

面向三维视频的虚拟视点合成技术研究进展

基于深度图像的虚拟视点合成技术是三维视频信息处理、虚拟现实和计算机图形学领域的新兴交叉技术。介绍了三维视频虚拟视点绘制（或合成）技术的原理;分别就虚拟视点合成过程产生的重叠、伪影、空洞三种问题的产生机理进行分析总结;分类综述了空洞填补中基于背景重建的方法、基于图像补全的方法和基于相关图像的修复方法,并列举了提升合成图像质量的方法。总结并展望了深度学习等技术是虚拟视点合成技术的未来研究方向。     

基于数据增强的CT图像病灶检测方法

基于医疗影像的辅助诊断技术正处于快速发展阶段,但是受医学影像数据量的制约,使得基于深度学习的建模方法无法向更复杂的模型进行探索.本文从医学CT影像数据增强方法出发,概述了医疗影像病灶图像的成像特点,针对病灶检测及分割任务对现有方法进行了归类总结,并阐述了当前医学影像检测和分割的难点.分别从病灶检测相关技术、影像数据增强方法、基于生成对抗网络(Generative Adversarial Network,GAN)的病灶检测方法等方面进行了总结.最后,针对医学领域内基于深度学习的数据增强方法:标准GAN、pix2pixGAN、CycleGAN模型进行了对比分析,并展望未来医学影像分析领域的发展趋势.     

基于Gabor滤波的头部CT图像分割算法

针对传统图像分割算法在头部CT图像分割时存在的易受光线、伪影等噪声干扰等问题,提出一种基于Gabor滤波的头部CT图像分割算法。首先使用Gabor滤波器对头部CT图像进行滤波,虑除图像中的光线以及伪影等噪声,然后使用Gaussian滤波器对图像进行平滑操作,最后使用二阶微分算子：Laplacian边缘检测算子对图像进行分割处理。实验结果表明：提出的基于Gabor滤波的头部CT图像分割算法能够有效的分割出头部CT图像边缘,并对头部CT图像中常见噪声伪影,具有很强的鲁棒性。     

基于改进三元组损失的伪造人脸视频检测方法

当前大部分伪造人脸检测技术使用深度学习来鉴别真实视频与伪造视频之间的特征差异,此类方法在未压缩视频上取得了不错的效果,但在检测经过压缩处理的视频时检测效果就会严重下降.针对此类问题,提出了基于改进三元组损失的伪造人脸视频检测方法.首先,使用伪影图生成器生成一幅伪影图来加深伪造人脸与真实人脸之间的特征差异;其次,使用改进的三元组损失来解决难例样本难以被正确检测的问题;最后,选用更适合人脸鉴伪的深度学习网络提取卷积特征.在FaceForensics++数据集上与目前领先的人脸鉴伪方法的对比表明,该方法检测准确率优于对比方法.     

无损检测技术的应用及前景

本文针对应用激光、超声和射线等方法的无损检测技术进行了阐述。在跟踪和预测无损检测技术未来发展动态的基础上,说明了无损检测技术在未来的工业检测领域中的重大意义。     

基于NL-PF和MIMS的CT金属伪影消除算法

建立了一套针对由金属伪影造成的CT图像质量退化的恢复算法。利用Non-Local前置滤波(Non-Local Pre-filter,NL-PF)对原始CT图像进行全局滤波,从而有效地滤除原始图像中的噪声并对射线状金属伪影进行了平滑,其后配合最大互信息量分割算法(Mutual Information Maximized Segmentation,MIMS)从图像中分割出伪影成份,并利用其周围非伪影部分的像素对伪影类像素进行插值处理得到一个称之为"伪组织"类的图像。最后,通过融合"伪组织"图像的sinogram和原始CT图像的sinogram,得到校正的sinogram并采用滤波反投影重建算法完成金属伪影的CT校正图像。利用所提出的方法可以对含有金属伪影的CT图像进行有效伪影消除,其中射线状伪影消除效果显著。另外,此方法还可以锐化器官轮廓,避免了临床上由于金属伪影导致的放射治疗效果下降。实验表明,金属伪影消除算法可以有效地消除高密度物体造成的金属伪影,从而提高临床诊断和治疗的效果提供技术支持。     

一种X射线射束硬化校正方法

在医学CT成像系统中,X射线源发出的X射线是多能的,若直接对其进行传统方法的重建,会导致射束硬化,使重建的图像出现“杯状”或“条状”伪影,降低图像质量,干扰诊断等问题,因此需要对CT硬化伪影进行校正。本文提出了一种射束硬化伪影的校正方法,利用近似材料衰减系数与x射线能量的关系,通过从原始重建图像中减去伪影图像来获得校正后的图像。该方法不需要先验知识。数值实验表明,该方法能有效、快速地校正射束硬化伪影。     

MR图像运动伪影的遗传算法校正

磁共振成像过程中,由于患者的生理运动或自主性运动会使扫描数据发生相位偏移,致使重建图像含有运动伪影,从而降低成像的质量,而且严重的伪影则会影响医生对病灶的精确定位。为了能有效地抑制运动伪影,利用遗传算法高度并行、随机和自适应全局寻优的特点,提出了基于遗传算法的运动伪影修正方法,即采用逐次修正扫描信号在K空间中已偏移的相位的方法来抑制伪影。基于遗传算法的修正方法,由于能有效校正扫描数据的相位偏移,因而可达到抑制运动伪影的目的。实验表明,该方法对由较小运动引起的伪影有很好的抑制作用,对含噪声及较大运动引起的伪影的抑制作用,与经典的迭代算法相比,也有很大地改善。     

Going back to basics in design science: from the information technology artifact to the information systems artifact

The concept of the ‘information technology (IT) artifact’ plays a central role in the information systems (IS) research community's discourse on design science. We pose the alternative concept of the ‘IS artifact’, unpacking what has been called the IT artifact into a separate ‘information artifact’, ‘technology artifact’ and ‘social artifact’. Technology artifacts (such as hardware and software), information artifacts (such as a message) and social artifacts (such as a charitable act) are different kinds of artifacts that together interact in order to form the IS artifact. We illustrate the knowledge value of the IS artifact concept with material from three cases. The result is to restore the idea that the study of design in IS needs to attend to the design of the entire IS artifact, not just the IT artifact. This result encourages an expansion in the use of design science research methodology to study broader kinds of artifacts.     

Enacting artifact-based activities for social technologies in language learning using a design-based research approach

This paper presents the results of a three-year design-based research (DBR) study on the use of social technologies for collaborative construction of shareable artifacts by groups of learners. The study builds on the learning theory of constructionism which assumes that knowledge is better gained when students find this knowledge for themselves while engaging in the making of concrete and public artifacts. In an attempt to infuse elements of constructionism in the use of social technologies, we tasked groups of learners in language learning courses with collaborative construction of an artifact using social technologies. A unique characteristic of our approach is that the process that students adopted and the way technology and context fostered this procedure was analyzed. The cycle of DBR fueled deep insights into the learning processes that emerged through the construction of an artifact, thus deepening our understanding of the multimode and multi-trajectory relationship between theory, artifact construction and social technologies. For sustaining and orchestrating social construction of artifacts by groups of learners, a set of instructional elements emerged, as well as implications for enacting social technology innovations in real-life classrooms.     

基于注意力门UNet网络的CT金属伪影去除方法

目前,UNet基本模型对带有金属伪影的CT图像的去除能力无法有效满足需求,UNet的结构简单无法提取出足够精确的有效结构和细节信息,并且深层卷积对低级特征的信息利用不够充分;针对上述问题,提出了一个基于注意力门的UNet金属伪影去除网络,该网络采用了注意力门对低层级和高层级的信息进行注意力权重处理,并利用跳跃连接机制到特征解码结构以提高生成CT图像的质量,通过多层级的编解码结构得到最终的去除金属伪影CT图像;实验结果表明,该方法在视觉上取得了更好的条状和带状伪影去除效果的CT图像,并在PSNR指标上取得了35.5913,在FSIM指标上取得了0.961 3,在SSIM指标上取得了0.928 8的成绩;与ADN、cGANMAR、UNet、CNNMAR、CycleGAN等目前已有的方法相比,该方法在诸多方面均取得了显著的优势。     

基于三维加权和双域滤波的螺旋CT伪影校正

螺旋CT重建会受到锥束伪影和风车伪影的影响,锥束伪影是由于锥角和螺距过大而导致的,而风车伪影由纵向方向采样不足引起,为了降低锥束伪影与风车伪影对CT图像的影响,提出一种螺旋CT伪影校正算法;首先采用三维加权螺旋FDK算法进行重建,有效去除重建图像中的锥束伪影,然后采用改进的双域滤波算法对含风车伪影图像进行校正;三维加权螺旋FDK算法通过对大锥角的射线给予不利权重来抑制锥束伪影,改进的双域滤波算法可以在去除风车伪影的同时保留更多的细节;计算机仿真实验结果表明,该算法能有效地抑制重建图像中的锥束伪影和风车伪影,提高CT图像的质量。     

单通道脑电信号眼电伪迹去除算法研究

由眨眼和眼动产生的眼电伪迹（Electrooculography,EOG）信号是脑电信号（Electroencephalography,EEG）中的主要噪声信号之一.目前,多通道脑电信号中眼电伪迹的去除算法已经较为成熟.而在单通道脑电信号的眼电伪迹去除中,由于采集通道数量较少且缺乏参考眼电信号,目前尚无十分有效的去除方法.本文提出一种基于小波变换（Wavelet transform,WT）、集合经验模态分解（Ensemble empirical mode decomposition,EEMD）和独立成分分析（Independent component analysis,ICA）的WT-EEMD-ICA单通道脑电信号眼电伪迹去除算法.实验表明:WT-EEMD-ICA算法有效地解决了单通道WT-ICA算法中的超完备问题,能够有效去除单通道脑电信号中的眼电伪迹,并且分离出的眼电伪迹成分与参考通道采集的眼电信号相关性较强.     

用于低剂量CT降噪的伪影感知生成对抗网络

近年来,生成对抗网络（GAN）用于低剂量CT（LDCT）伪影抑制表现出一定性能优势,已成为该领域新的研究热点。由于伪影分布不规律且与正常组织位置息息相关,现有GAN网络的降噪性能受限。针对上述问题,提出了一种基于伪影感知GAN的LDCT降噪算法。首先,设计了伪影方向感知生成器,该生成器在U型残差编解码结构的基础上增加了伪影方向感知子模块（ADSS）,从而提高生成器对伪影方向特征的敏感度;其次,设计了注意力判别器（AttD）来提高对噪声伪影的鉴别能力;最后,设计了与网络功能相对应的损失函数,通过多种损失函数协同作用来提高网络的降噪性能。实验结果表明,与高频敏感GAN（HFSGAN）相比,该降噪算法的平均峰值信噪比（PSNR）和结构相似度（SSIM）分别提升了4.9%和2.8%,伪影抑制效果良好。     

Real-Time Depth-of-Field Rendering Using Anisotropically Filtered Mipmap Interpolation

This article presents a real-time GPU-based post-filtering method for rendering acceptable depth-of-field effects suited for virtual reality. Blurring is achieved by nonlinearly interpolating mipmap images generated from a pinhole image. Major artifacts common in the post-filtering techniques such as bilinear magnification artifact, intensity leakage, and blurring discontinuity are practically eliminated via magnification with a circular filter, anisotropic mipmapping, and smoothing of blurring degrees. The whole framework is accelerated using GPU programs for constant and scalable real-time performance required for virtual reality. We also compare our method to recent GPU-based methods in terms of image quality and rendering performance.     

全变差最小化在CT图像环状伪影去除中的应用

环状伪影是多种CT图像中普遍存在的一种伪影,主要由像元响应不理想等因素引起。全变差最小化是一种广泛使用的去噪方法,将全变差最小化应用于CT图像,在模拟投影数据中人为添加噪声并重建,使用全变差最小化进行处理,观察图像环状伪影的去除情况,并得出了图像峰值信噪比随全变差最小化次数的变化曲线。     

基于变分的CT图像环形伪影校正

有效去除CT图像中环形伪影是医学图像处理领域的一个重要研究方向,现有的方法在去除环形伪影的同时,对CT图像的边缘及细节保留存在困难和挑战.本文采用变分优化的思想,将环形伪影的去除问题建模为一个能量最小化问题,来缓解保持图像信息和去除伪影之间的矛盾,提出了一种后处理的伪影校正算法.根据环形伪影产生机理和特性表现构造有针对性的变分模型,一是从环形伪影的几何特性入手,设计更为合理的梯度保真形式,增强模型对图像细节信息的保护;二是从环形伪影的边缘特性入手,构建具有伪影辨识能力的相对全变分正则项,降低模型对图像结构性信息的影响.基于构造的变分模型,采用高效的优化求解算法,实现环形伪影的有效去除.对比实验表明,无论在视觉观察还是定量分析方面,本文算法均体现出了较好的性能.