图像重建的统计自适应子集算法

有序子集算法大大提高了图像重建迭代算法的收敛速度.增加子集的数目可以加速收敛,但图像质量会由于子集内缺少统计信息而下降.提出了一种基于假设检验的子集划分方法,建立了检验统计量,给出了算法的迭代公式.该算法可以根据用户定义的显著性水平,在每次迭代时自动调节子集的个数,生成含有相同统计信息量的子集.实验结果表明:该方法可以在少数次迭代后得到较高质量的重建图像.     

锥束 X-射线 CT 投影数据的仿真

研究 CT 图像优化问题,针对提高精确性和有效性,传统的解析方法很难应用于几何形状比较复杂的物体.为了提高CT 图像重建精度,提出从离散化图像的 Radon 变换,推导出一种模拟 X-射线投影数据的模型,并提出采用模型的快速计算方法.模型不受物体内部几何形状和扫描轨迹限制,用于数字化灰度图像.利用上述方法对三维 SHEPP-LOGAN 模型的投影数据进行仿真,并对得到的数据采用 OS-EM 算法进行重建.结果表明,提高了图像精度,进一步验证了方法的有效性.     

有序子集最大似然SPS算法在CT中的应用

研究CT图像技术,就是投影图像重建过程.为了提高X射线CT图像重建的收敛速度和图像质量,将有序子集最大似然可分离的抛物面型替代函数算法(OS-ML-SPS)应用于X射线CT图像重建,通过对Shepp-Logan头部模型的一个切片进行仿真实验,验证了算法的可行性,然后用来重建X射线CT采集的实际投影数据,并与ART算法,FBP算法相比较,重建结果表明,OS-ML-SPS算法的初始收敛速度明显比ART快,其重建的图像质量优于FBP算法.算法为X射线CT图像重建提供了新的研究途径.     

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。     

岭估计图像重建算法中岭迹参数的多项式拟合研究

通过岭估计算法迭代形式的仿真研究,比较了岭迹参数取不同值时对重建图像的影响.通过数值模拟发现选取恰当的岭迹参数会使重建图像的均方差更小,并对岭迹参数在一定范围内进行了多项式分析,得到了在图像重建中岭迹参数的二项式方程,通过该方程可以找到较好的岭迹参数.     

基于投影域分解的多能谱CT造影剂物质识别研究

本文结合造影剂物质的K-edge信息及能谱CT双效应分解模型计算投影域分解系数,应用最小二乘法对多个能谱通道下的投影域进行分解,并重建生成光电效应、康普顿效应及各个造影剂物质所对应的图像,实现造影剂物质的识别.仿真实验表明,对分解后的重建图像衰减值进行分析,能够显示与解剖学背景分离的各个造影剂物质的图像及其浓度,实现造影剂物质的分离成像及对造影剂浓度的定量分析.     

基于条件生成对抗网络的CT图像去噪方法

医学图像在重建过程中总会受到噪声干扰,对于此问题,本文提出了一种基于条件生成对抗网络(CGAN)的去噪方法,算法以完整图像作为网络的输入及输出,使生成的图像信息更加稳定可靠。为了适应CT图像的特点,本文对CGAN结构进行了改进,使其能够适应不同噪声水平下的加性高斯白噪声,为了提高效率,在判别器进行训练时采用了损失判别,且在Tensorflow环境下训练网络模型。实验结果表明,与其他传统图像去噪算法相比,本方法能在保留特征信息的同时有效减少图像中的噪声。     

带有松弛因子的迭代法在图像重建中的应用

图像重建常常被转化为线性方程组的求解问题.从解大型线性方程组出发,由逐次超松弛法(SuccessiveOverRelaxation,SOR)推导出一种带有松弛因子的迭代法.与SOR法相比,该算法不仅大大降低了对计算时间和内存空间的需要,而且有利于克服重建图像对不完全噪声数据的敏感性.通过对模拟数据和实际数据的重建,估计了算法的有效性,并将重建图像与滤波反投影(FilteredBackProjection,FBP)重建图像进行了比较.     

基于优化子集顺序的三维OSEM图像重建算法

在有序子集算法中,大的子集个数可以加速算法的收敛,但重建图像的质量也会受到影响.为了加速OSEM算法的收敛速度,提高重建图像的质量,本文提出一种优化子集顺序的方法,该方法不仅考虑了子集间的几何相关性,还能使已选用的子集在几何上尽可能地分布均匀.实验选取3-D Shepp-Logan模型作为测试模型,并且从数量上和质量上对重建图像进行分析,结果表明,所提出的算法不仅收敛速度快,还可以减小因增大子集个数对重建图像质量造成的影响.     

螺旋锥束CT重建Katsevich算法的一种改进方法

螺旋锥束Katsevich重建算法在重建过程中需要对投影数据求导,但投影数据本身是离散的,不能求导,因此考虑利用插值多项式函数的导数作为所求导数的近似值。为了验证此方法的有效性,采用实际采集的鱼的数据进行重建,并用平均梯度来衡量图像的清晰程度。实验结果表明,该方法能使图像更清晰,从而提高图像质量。