一种并行磁共振成像伪影消除方法

多线圈采集技术与并行成像算法通过降低磁共振成像所必需的梯度编码步数有效提高了成像的扫描速度.但是在数据采集过程中,运动常常会使线圈数据发生异常,从而对最终重建图像质量产生很大影响.本文提出了一种新的重建算法去消除重建图像中产生的伪影.算法把破坏数据看成观测数据样本中的异常值,应用了AM鲁棒估计进行数据修正,很好的抑制了异常值对数据集造成的影响.本研究分别对多线圈并行采集的体模数据与真实脑部数据进行了实验,结果显示算法可以有效消除破坏数据在重建图像中产生的伪影,并通过对比实验充分显示了本算法的优越性.     

基于补偿特征图滤波算法去除光学相干层析造影成像俯视图的运动伪影

运动伪影是光学相干层析造影成像(OCTA)俯视图中的一个重要问题.提出一种补偿特征图像滤波(CEF)算法去除光学相干层析造影成像俯视图的运动伪影.首先,利用奇异值分解(SVD)将光学相干层析造影成像俯视图展开为一系列的特征图像;然后,利用高通特征图像和从第一特征图像中抽取得到的正交补偿积这两部分来重建恢复图像.实验结果表明,CEF算法能较好地去除条纹噪声,经CEF算法复原得到的图像有着较传统特征图滤波算法更好的图像质量.该算法为其他扫描成像系统去除类似的条纹噪声提供了新的参考.     

基于遗传算法去除磁共振图像的运动伪影

病人在磁共振成像扫描过程中的运动会在图像中产生运动伪影,影响图像质量与临床诊断。提出了一种去除磁共振图像运动伪影的图像重建方法,通过遗传算法筛选出受运动影响较小的k空间数据,利用压缩感知进行重建。设计了一种无需参考图像的图像质量评估方法,与全参考图像质量评价指标呈强相关性。实验结果表明,算法可减轻运动伪影,提高图像质量。     

锥束CT去除环形伪影的方法研究

环状伪影是CT技术人员经常遇到的影响重建图像质量的一种伪影,造成环形伪影的因素很多,其中探测器缺陷引起的环形伪影最为常见。环形伪影表现在原始图像结构上是圆环或者是圆弧,理论认证发现探测器响应效率不一致,会使锥束三维CT重建结果产生环形伪影。环形伪影影响了CT图像的分析和后续处理,因此去除环形伪影显得非常具有使用价值。本...     

光声成像技术在生物医学中的研究进展

简要介绍了生物医学中的光声成像技术机理,总结报道了国内外几种典型的光声成像方法和光声图像重建算法的发展历程及其最新进展,指出该技术是一种很有应用前景的医学检测方法。     

基于虚拟仪器的光声信号采集和成像系统

为了实现光声信号的快速采集和图像重建,采用基于虚拟仪器的光声信号采集和成像系统进行光声信号采集,由LABVIEW调用MATLAB程序对采集到的数据进行处理,最后利用滤波反投影重建算法,实现了对模拟组织样品的光声层析成像。成像系统的分辨率为0.15mm,重建图像与实物十分吻合。结果表明,该系统具有快速、方便、直观等特点,有望发展成为一种低成本的实用的临床诊断仪器。     

基于Labview的光声信号采集和成像系统

为了实现光声信号的快速采集和图像重建,采用基于Labview软件平台的光声信号采集和成像系统进行光声信号采集,并调用Matlab程序对采集到的数据进行处理,最后利用滤波反投影重建算法,实现了对模拟组织样品的光声层析成像。成像系统的分辨率为0.15mm,重建图像与实物十分吻合。实验表明,该系统具有快速、方便、直观等特点,有望发展成为一种低成本的实用的临床诊断仪器。     

应用先验插值校正CT金属伪影

针对CT系统在实际应用中出现的金属伪影问题,提出一种基于先验插值的金属伪影校正算法。文中通过预滤波、骨骼分割和软组织恢复步骤计算先验图像,并利用先验图像的正向投影对原始投影中的金属投影区进行插值校正。应用该算法对数值仿真图像和临床CT图像分别进行了校正重建实验。数值仿真实验表明,用提出算法校正的结果比线性插值金属伪影校正算法、归一化金属伪影校正算法校正的结果更接近理想体模。临床数据实验表明:该算法的重建结果有效抑制了金属伪影,清晰重建出金属边缘细节,极大地提高了重建图像的质量。     

基于Mean Shift和插值图像修复算法的CT图像金属伪影消除方法

近年来CT成像技术在临床医学中广泛应用,但当病人体内含有金属移植物时,由于射线硬化等原因很可能在金属物体周围产生亮暗伪影,降低图像质量,影响诊断的准确性.为了消除CT图像中的金属伪影,本文提出基于Mean Shift和插值图像修复的算法,基本流程为用自适应Mean Shift算法预处理CT图像,平滑噪声和轻度伪影,用简化的Mean Shift算法快速精确分割金属物体,由修复组织信息的插值图像生成先验图像,用先验图像的投影数据替换原投影数据得到校正后的CT图像.经过对比实验,文中算法在去除金属伪影的同时,能够保护原有CT图像的组织结构,取得了更好的处理效果.     

基于FBP的迭代算法研究

在用传统的滤波反投影算法（FBP）重建图像时,往往不可避免地出现许多伪影。为了减少伪影,论述了一种基于FBP的迭代算法,此处投影采用平行光束。算法分为三个过程,第一个过程采用FBP算法重建图像,第二个过程将重建后的图像再次投影并与第一次的投影做外差并将此差值做反投影获得改进量,第三个过程将改进量与第一次重建的图像相加获得修正后的图像,重复该过程。多次迭代后图像膺像明显减少,图像质量增强。     

基于改进U-Net的低剂量CT图像重建方法

针对低剂量CT图像重建会产生噪声和伪影的问题,在U-Net神经网络基础上引入残差学习和空间注意力机制,在编解码过程中嵌入跳跃连接为上采样增加多尺度信息,使用AAPM公开数据集CT影像进行模型训练和测试。选取峰值信噪比（PSNR）、结构相似性（SSIM）和均方根误差（RMSE）作为图像性能评价指标。在CT重建结果的测试中,与未处理的图像相比,网络模型处理后图像的PSNR、SSIM和RMSE指标平均值分别提升21.699%、2.263%和40.833%。实验结果表明,改进的U-Net神经网络模型能够减少噪声和伪影,保留了更多的纹理细节,对低剂量CT重建图像质量的提高有一定效果。     

光声层析成像的信号处理

报道了采用滤波反投影的光声层析成像的信号处理方法，为了还原空间位置的光声信号，声探测器接收到的光声信号和探测器的脉冲响应在频域进行逆卷积处理；由于光声信号相对于触发时刻的延迟时间就是光声源到探测器的走时，重建时根据光声信号的延迟时间以及声速的距离，把速度势信号反投影到与探测器等距离的圆弧上。通过多个角度的反投影，能够重建出光声源的图像，但是由于反投影时光声信号投影到没有光声源的地方产生伪迹信号，模糊了光声源图像的边界，降低了图像的分辨率和对比度。因此在反投影之前采用CT成像中的R-T空间滤波函数与光声速度势信号进行卷积处理，然后再进行反投影成像；这种方法降低了由反投影带来的伪迹。应用这些处理方法，获得了埋藏深度为12mm的四个光吸收体的二维光声层析成像。     

面向先进生物医学应用的光声显微成像术（特邀）

光声显微成像（PAM）是一种具有无损、多功能、高分辨率等特点的生物医学成像技术,通过检测光声信号进行图像重建可实现高分辨率和高深度的结构和功能成像,在生命科学、基础医学和医疗诊断中发挥着越来越重要的作用。首先概述光声显微技术的发展背景和原理特点,然后对利用光学增强、声学增强、人工智能增强及光学与声学互补的光声显微成像术促进成像性能提升的方法进行论述,最后讨论当前光声显微技术在生物医学研究中的广泛应用,并对未来技术的发展趋势进行展望。     

基于多元线性阵列探测器的飞秒激光成丝光声图像重建

为了实现对飞秒光丝内部空间结构特征的精细化描述，通过对光丝诱导形成超声信号的正向传播过程进行精细化模拟，然后采用通用反投影算法（UBP）、延迟叠加算法（DAS）和超优光声非负重构算法（SPANNER）等多种光声层析图像重建算法进行反向重建，理论验证了利用多元线性阵列探测的方式重建飞秒单丝和多丝轴向r-z截面图像的可行性。结果表明，当探测距离为3 mm时，单丝和多丝诱导形成的超声信号最大频率约为5 MHz；光声层析法能够较为准确地实现对单丝位置、r-z截面轮廓等信息的反演，但是不同图像重建算法重建效果差异较大。UBP重建算法对单丝的重建存在较为明显的伪影现象；DAS重建算法由于受到“有限孔径效应”的影响，高估了光丝的直径；SPANNER重建算法由于使用最优理论来改进非线性共轭梯度算子，实现了非负性和各向异性总变分正则化，可有效避免噪声干扰，因而对多丝图像的重建效果最好。该研究结果对于揭示光丝结构特征和促进基于光丝的大气应用研究具有一定的参考价值。     

投影数据预处理三维CT重构算法研究

大面积非晶硅平板探测器在工业透射射线成像领域得到越来越多的应用.基于FPD的圆轨道FDK型三维计算机层析成像技术(3D-CT)检测速度快,但成像质量不及2D-CT.为发挥3D-CT速度优势,抑制噪声,同时提高图像重建的质量,以由平板探测器得到的二维投影数据为研究对象,提出了一种对投影数据进行小波分解,分别对高频和低频进行两次滤波的投影预处理方法,然后将分别重建的图像叠加,最终得到高质量的重建图像.算法的仿真实验结果表明,重建图像质量得到明显改善,系统噪声得到抑制.     

基于生成对抗网络的遥感图像超分辨率重建改进算法

为了获取包含更多高频感知信息与纹理细节信息的遥感重建图像，并解决超分辨率重建算法训练难和重建图像细节缺失的问题，提出一种融合多尺度感受野模块的生成对抗网络（GAN）遥感图像超分辨率重建算法。首先，使用多尺度卷积级联增强全局特征获取、去除GAN中的归一化层，提升网络训练效率去除伪影并降低计算复杂度；其次，利用多尺度感受野模块与密集残差模块作为生成网络的细节特征提取模块，提升网络重建质量获取更多细节纹理信息；最后，结合Charbonnier损失函数与全变分损失函数提升网络训练稳定性加速收敛。实验结果表明，所提算法在Kaggle、WHURS19、AID数据集上的平均检测结果较超分辨率GAN在峰值信噪比、结构相似性、特征相似性等方面分别高出约1.65 dB、约0.040(5.2%)、约0.010(1.1%)。     

光栅相衬CT中吸收信号环形伪影的去除方法

提出一种光栅X射线相衬断层扫描中吸收信号环形伪影的去除方法。该方法采用正弦图域和重建图域结合的处理算法。对于弱伪影,通过正弦图域的排序和滤波去除。而对于强伪影,首先根据环形伪影在极坐标系的表现,计算残差图像,转换到笛卡尔坐标系得到伪影像素和样品的边界;进而使用基于机器学习的图像分割方法获取每一类样品的分布,同时为了保护边界信息,通过形态学操作获得样本的内部区域;最后再利用残差图像的分布特征定位伪影像素,并使用临近非伪影像素均值替代。实验结果表明该方法可以在不破坏样品边界的前提下有效地去除图像中的环形伪影。     

基于卷积神经网络的定量磁化率图像重建

文中提出了解决定量磁化率成像中偶极子反卷积的病态逆问题和快速重建高质量无伪影的定量磁化率图像的算法。基于k空间阈值法(TKD)初步重建三维定量磁化率图像(QSM),随后将TKD重建图像输入训练完成的三维卷积神经网络(CNN)模型中获得预测图像。在k空间中将TKD重建图像与CNN预测图像进行融合重建最终QSM图像。结果表明:与金标准相比,算法能够重建视觉上误差较小和无条形伪影的磁化率图像;卷积神经网络可以恢复病态区域的信号,k空间融合方法有效解决了偶极子反卷积的病态性。测试集上的重建结果在标准均方根误差(NRMSE)和高频误差范数(HFEN)重建误差上均低于主流算法。     

基于Lanczos双对角化的快速光声成像重建方法

光声成像结合了光学成像和声成像的优点,是一种具有高空间分辨率、高对比度的无损成像技术,成为当前生物医学成像的研究热点之一。重建光声图像是一个典型的逆问题,具有严重的病态性。针对光声成像的病态性和较大的系统矩阵会导致重建速度慢的问题,提出了一种基于Lanczos双对角化的快速指数滤波重建方法,并通过数值仿真证实了该方法的有效性。仿真结果表明,所提方法在保证重建图像高质量的同时极大地提高了重建速度,其重建时间是指数滤波和后投影方法的1/67~1/47。     

融合内外特征的图像超分辨率算法

针对单一先验知识不足以约束病态严重的图像超分辨率问题,本文提出了融合内外特征的图像超分辨率算法。针对图像的自相似性,通过采用基于内部特征的深度卷积网络学习来增强输入图像的细节纹理,去除超分辨率图像伪影;同时,使用基于外部图像的稀疏约束方法来学习图像结构信息,并结合高频残差字典来解决超分辨率重建中的高频信息缺失问题;最后通过卷积稀疏方法分别从基础层和细节层来融合内外特征的重建图像,以获得细节清晰、去伪影的超分辨率图像,进一步提高图像质量。与传统算法相比,本文算法在重建图像的纹理特征和质量上都得到了增强,且视觉效果与峰值信噪比较传统算法有所改善。