基于对数补偿和动态阈值的手持式光学相干层析成像方法

搭建了一套能够对人体皮下微血管进行快速成像的手持式扫频光学相干断层成像(OCT)系统,分别使用了无对数补偿的强度差分(PID)算法、有对数补偿的强度差分(LCPID)算法以及结合对数补偿及动态阈值方法的强度差分(MTPID)算法重建了血流分布图像,并对比了三种成像算法得到的微血管正面图。结果表明:LCPID算法能呈现更深层的血流信息,而MTPID算法获得了更多的血流分布细节信息和更高的图像清晰度,其优越性对OCT系统在医用光学方面的应用具有重要意义。     

不同压缩感知重建算法在鬼成像中的性能比较

基于鬼成像(Ghost imaging,GI)与压缩感知(Compressed sensing,CS)理论,研究了CS重建算法对GI成像性能的影响.以离散小波变换为图像的稀疏矩阵、具有高斯线型的热光源强度分布为测量矩阵,分析了基于增广拉格朗日法和交替方向法的全变分最小化算法(TVAL3)、正交匹配追踪算法(OMP)、压缩采样匹配追踪算法(CoSaMP)、梯度投影算法(GPSR_Basic)下的压缩鬼成像的质量.以均方误差、峰值信噪比、匹配度、结构相似性指标等为图像质量客观评价标准,比较了4种重建算法下压缩鬼成像的重建结果.结果表明压缩比为0.5时TVAL3算法还原度最高, CoSaMP算法重建图像失真最严重, GPSR_Basic算法获得的重建性能优于OMP算法.     

基于散斑图滤波的差分鬼成像优化算法

针对传统鬼成像重构算法采样次数多、重建图像质 量差的问题,提出了一种基于散斑 图滤波的差分鬼成像优化方法。该方法在差分鬼成像的关联阶段先对随机散斑图进行相应的 滤波处理;再将原始桶探测器值与处理后的散斑图作关联运算,得出降噪处理后的重建鬼像 ,最后通过图像融合的方法补充重建图像的细节信息。数值仿真结果表明,与传统差分鬼成 像相比,在相同采样次数下重建差分图像的峰值信噪比提高了2-4 dB。实验结果表明该 算法能够很好地兼顾采样次数和图像质量间矛盾关系,对低采样次数下的鬼成像也能取得良 好的恢复效果。     

数字合成X线体层成像中轴向强度衰减的校正

作为新型医学成像技术,数字合成X线体层成像(DTS)技术有助于分辨重叠的成像组织并精确定位组织病变。DTS技术采用重建速度快、图像质量高的滤波反投影算法重建出冠断面的断层图像。但由于DTS投影数据集的不完整性,因此利用滤波反投影算法重建出的图像其强度在旋转轴方向上存在着类似帽状衰减现象。分析了X线源锥束角度对DTS图像中轴向强度衰减的影响,在此基础上引入了一种反余弦加权的强度衰减的校正方法。为验证校正方法对降低DTS图像中轴向强度衰减的效果,利用搭建的DTS系统在不同的X线源锥角下对乳房仿体进行了实验。结果表明,该校正方法能有效地降低DTS重建图像中的轴向强度衰减程度。     

基于改进牛顿-拉夫逊算法的脑出血磁感应断层成像研究

针对脑出血磁感应断层成像(MIT)中正问题模型过于简化、图像重建质量较低、算法收敛效率低、病变与背景间伪影较大、耗时较长等问题，该文提出一种用于脑出血MIT的改进牛顿-拉夫逊(NR)算法。将线性反投影(LBP)算法计算结果作为改进NR算法的迭代初值，在目标函数中加入自适应加速惩罚项和L2范数惩罚项，提高算法每一步迭代的效率，减少重建图像的伪影。引入投影算子P施加物理意义上的约束，提高收敛速度并改善成像质量。利用Comsol Multiphysics构建了包含头皮、颅骨、脑脊液和脑实质的真实3维颅脑模型。仿真计算了相位差检测值和灵敏度矩阵用于后续的图像重建。利用所提改进NR算法与5种图像重建算法分别对3个位置出血量分别为24 ml, 14 ml, 2 ml的脑出血进行磁感应断层成像。实验结果表明，所提算法相比其他5种算法重建图像的质量更高，成像时间平均只需NR算法的1/3。使用更少的迭代次数重建出更高质量的图像，并且能实现2 ml脑出血的图像重建，为脑出血的MIT检测提供一种新的有效算法。     

基于双域神经网络的稀疏视角光声图像重建

光声计算断层成像(PACT)是近年来迅速发展的一种无损生物医学成像技术,在生物医学领域有着较高的应用价值。为了获得高质量的光声图像,成像系统的信号采集装置需要配备高密度的阵列探测器。但在实际应用中,由于经济成本、制造工艺及成像时间等因素的限制,探测器的排布往往较为稀疏,难以实现稳定重建,导致重建图像中出现条纹伪影。为了解决这一问题,本文提出一种基于双域神经网络的PACT图像重建算法。该算法主要包含三个模块：数据域网络、反投影层和图像域网络,其中数据域网络和图像域网络可分别对光声数据和光声图像进行增强,以提升图像质量。为了对网络进行训练和测试,构建了一个血管仿真数据集和一个小鼠活体试验数据集。研究结果表明,所提算法可以有效地抑制条纹伪影,提升图像质量,并且重建性能优于其他重建算法。     

高分辨血管成像与定量方法研究进展（特邀）

主要综述高分辨血管成像技术及其在生物医学领域中的应用,侧重评述适用于高分辨血管图像的定量表征方法。血管图像定量表征主要包括3个步骤：图像预处理、血管图像重建及定量特征获取、定量参数的统计学分析。同时,对每个步骤中所涉及的算法流程、准确性评估及后续算法的优化方向进行详尽的阐述。此外,探讨多种血管和血流参数所反映的生物学信息在临床上的参考意义,并结合具体的疾病场景,介绍多参数分析模型在区分不同疾病发展阶段方面的能力。本文的阐述不仅体现了高分辨血管成像技术及定量表征方法的潜在价值,也展示了它们在推进生物医学基础研究和临床诊断等方面的光明前景。     

基于结构照明的超分辨荧光显微成像重建算法

由于具有低光毒性、高速宽视场以及多通道三维超分辨成像能力,超分辨结构照明显微术(SR-SIM)特别适合用于活细胞中动态精细结构的实时检测研究。超分辨结构照明显微图像重建算法(SIM-RA)对SR-SIM的成像质量具有决定性影响。本文首先简要介绍了超分辨显微术的发展现状,阐述了研究SR-SIM图像重建算法的必要性;然后介绍了SR-SIM的成像原理,并重点介绍了SR-SIM图像重建算法,包括SR-SIM中频繁使用的去卷积重建算法、SR-SIM校准与重建过程中参数值获取的算法,以及目前发展的超分辨结构照明显微图像重建算法,并介绍了SR-SIM工具箱;最后总结了当前发展超分辨结构照明显微图像重建算法需解决的5个问题。     

基于形状插值的B超图像三维表面重建

B超图像由于受其成像机理的限制,其成像质量较差,无法采用与CT(计算机断层扫描)、MRI(磁共振成像)类似的三维重建方法。针对B超图像的缺点,采用基于形状的插值方法将其转换为等分辨率体数据。此外,对插值算法进行了适当改进,使重建的速度和效果得到明显改善。最后,分别采用移动立方体(marching cubes)算法、连接轮廓线、光线投射(ray casting)算法对B超图像进行三维重建。结果表明,移动立方体算法在重建的真实性和快速性方面都得到了更满意的效果。     

压缩感知重构算法在“鬼”成像中的应用研究

“鬼”成像（GI）提供了一种用常规手段很难达到的特殊的获取图像方法,在量子光学领域是近些年来的前沿和热点之一。本文中,主要研究压缩感知（CS）的重构算法在“鬼”成像中的应用。我们使用具有高斯分布的热光源强度分布,来作为压缩感知的测量矩阵,分别以离散余弦变换(DCT)和离散小波变换(DWT)作为压缩感知中图像物体的稀疏矩阵,利用正交匹配追踪算法,最终获得基于压缩感知重构算法的“鬼”成像。研究结果表明,压缩比为0.5时,基于离散余弦变换基的压缩“鬼”成像（DCT-CS）和基于小波变换基的压缩“鬼”成像(DWT-CS),比“鬼”成像原始重建算法有超过10dB的峰值信噪比提升;同时,基于DCT-CS算法的重建质量要优于DWT-CS算法。      

参考臂差分压缩关联成像方案研究

关联成像可以在不包含物体的参考光路中获得物体的像,提供了一种运用常规手段难以获得清晰图像的方法,现已成为量子光学领域的前沿和热点。然而,高分辨率成像和短成像时间一直是关联成像研究的热门。本文提出一种基于压缩感知的参考臂差分关联成像方案(简称,参考臂差分压缩关联成像),只对参考臂测量值做差分运算,而不对物体做差分运算。在方案中,参考臂多次测量的赝热光源强度的随机分布差分被选为压缩感知的测量矩阵,物臂多次测量的关联信息被选为测量值,利用压缩感知重建方法,高质量地恢复出物体信息。理论研究和数值仿真结果表明,该方案可获得文献[19]差分压缩关联成像方案一样的结果,即无论在成像分辨率还是在成像时间等关键性能上都明显优于常规关联成像方案。      

基于深度学习的单像素相机超分辨率成像优化

基于压缩感知和单像素成像的基本原理,设计了一种用于图像超分辨率重建的新型深度卷积神经网络架构.这种单像素超分辨率成像算法成功地将深度学习图像超分辨率重建技术与压缩感知单像素成像技术相结合,从而发展出一种全新的深度学习单像素成像优化方法.与传统的常规压缩感知图像重构算法相比,该算法有效提升了图像超分辨率重建精度和单像素成像质量.通过图像重建的仿真实验和单像素相机的成像实验验证,结果表明这种基于深度学习的新型单像素相机成像方式具有良好的性能表现.     

光学相干层析技术在血管流场检测方面的研究进展

光学相干层析技术(OCT)能对生物样品进行高分辨、无损的结构成像。通过分析信号中相位或强度的变化,可将成像样品中的运动组织和静态组织区分开,进而提取样品的流场信息;总结了多种血管中血流形态信息的测量方法。OCT不需要注入其他辅助试剂即可对皮肤或眼睛的血管部位成像,逐渐成为临床上血管微循环测量的有力手段。对傅里叶OCT(FD-OCT)中基于强度或相位原理的血管检测和流场测量的6种典型方法进行综述,包括相位多普勒分辨、相位多普勒方差、基于强度的相位多普勒方差、散斑方差、分频幅去相干血管造影和光学微血管造影。在解决相位稳定、流速测量、信噪比、实时性等问题上,每种方法都有各自的优缺点。通过进一步理解成像原理,介绍了一系列的优化造影方法。最后,对这些技术的发展和应用进行了展望。     

基于深度学习理论的光学分子成像图像重建方法

光学分子成像图像重建是当前的研究重点,由于传统光学分子成像图像重建方法存在重建误差,效果不理想等缺陷,为了获得理想的光学分子成像图像重建效果,提出了基于深度学习理论的光学分子成像图像重建方法.首先分析光学分子成像图像重建工作原理,找到导致光学分子成像图像重建质量差的因素,然后采集光学分子成像图像,选择卷积神经网络算法进行光学分子成像的图像重建.实验结果显示:采用本方法进行峰值信噪比(PSNR)范围为34.16～38.96,结构相似性(SSIM)范围为0.854 9～0.980 8,均远远大于常规方法数值,表明提出方法图像重建质量较高,充分证明提出方法性能较好.应用价值相似性指标更大,图像重建质量更高,则提出方法的图像重建性能更佳.     

基于DSA影像的计算机辅助脑血管图像增强技术研究

蛛网膜下腔出血是一种自发性颅内血管疾病,临床上诊断该类疾病主要依赖于X射线下的血管造影技术。数字减影血管造影技术(Digital Subtraction Angiography,简称DSA)是一种广泛使用的血管可视化技术。但由于受成像设备照射方位的限制,DSA效果只能是二维的。实时三维成像系统(简称3D-DSA)克服了以往造影设备的局限性,采用三维旋转技术重建出逼真的血管轮廓。本文针对3D-DSA影像采集控制系统获取的DICOM图像进行增强去噪的研究,目的是设计出一种适合本系统的去噪增强算法,在三维旋转过程中实现快速分割血管树,为后续的三维重建、可视化导航和介入治疗提供便利条件。     

基于散斑强度涨落调制的微循环激光散斑成像

正激光散斑成像(Laser speckle imaging,简称LSI)是一种全场成像技术,具有非接触测量、分辨率高、成像速度快、成本低等特征,目前主要应用于活体样品血流成像研究、提出了一种基于散斑强度涨落调制效应的激光散斑成像(LSIIFM)技术。成像参量是新引进的调制深度,定义为动态散斑强度与静态散斑强度的比值,其中动态散斑的产生与血液中血红细胞运动引起散射光涨落有关,静态散斑的产生则与血管壁、骨骼等非运动组织所散射的光有关、通过滤波方法,可以将这两种散斑模式的信号分离。从成像机制上看,该技术所采用的成像参量主要取决于血红细胞的浓度,对血流的定向流速不敏感。LSI-IFM技术的成像机制保证了它在血流成像方面的三个特点;第一,使得具有不同血液流速的粗血管和毛细血管能够被同时成像,从而可以实现血流微循环造影。第二,各类光学成像实验中均努力降低包括动物呼吸及抽搐、系统抖动等因素在内的低频噪声对成像质量所产生影响、而在LSI-IFM技术中,已经通过分离动态散斑和静态散斑这一成像环节有效地滤掉这些低频噪声。这也是传统的激光散斑成像技术和此成像技术两者成像系统相同,但成像效果差别巨大的原因。第三,LSI-IFM技术还可以应用于血流微循环的功能成像,例如:实现血氧浓度和血糖含量的测量以及动静脉血管的辨别、应用LSI-IFM技术,不仅获得了具有高分辨率的老鼠、兔子耳部血流分布图像,还完成了血管损伤与修复的监测实验。     

基于RBF网络图像表示的CT重建算法研究

本文提出一种基于径向基函数(Radial Basis Function-RBF)神经网络图像表示实现对计算机断层成像装置不完备投影数据的重建方法,并分析了方法的计算效率、重建质量和适用范围.该方法采用RBF神经网络表示断层图像,降低了问题的计算规模,并通过ART(Algebraic Reconstruction Technique)迭代算法重建出断层图像.在模拟实验中,我们将本方法与FBP、ART的重建图像算法进行了比较.实验结果表明所提出的方法其重建质量和计算效率都有明显地改进.     

一种改善图像边缘效果的POCS超分辨率重建方法

利用图像超分辨率重建(SRR)技术可以在现有成像系统基础上提高图像空间分辨力。凸集投影(POCS)是超分辨率重建的主流方法之一。对POCS算法进行了改进,具体改进体现在两个方面:(1)用可控核回归插值图像作为POCS重建的初始估计以提高初始估计图像的质量;(2)将POCS重建中使用的点扩散函数(PSF)由高斯核改为可控核以减少重建图像的边缘振荡效应。对所提出的算法进行了仿真,实验结果显示采用本文方法重建图像的边缘效果有了明显的改善。     

基于非凸L_(1-2)正则化的生物发光断层成像仿真研究

生物发光断层成像(BLT)是一种低成本、高灵敏、具有巨大潜力的光学分子成像模态,高效稳定的重建算法是将其推向实用的关键。为克服BLT重建的高不适定性,提出了基于非凸L_(1-2)正则化的重建方法,采用凸差分算法来解决非凸泛函最小化问题,在每一步迭代中采用带自适应惩罚项的交替方向乘子法高效求解。为评估该方法的有效性和稳健性,设计了单光源和双光源数字鼠仿体实验,并与3个典型的重建算法进行对比,仿真实验结果表明,所提L_(1-2)正则化方法在不同光源设置下都得到了最准确的光源定位。     

基于邻域信息和快速FCM的肺部电阻抗成像伪迹优化算法

针对电阻抗成像技术可视化过程中因“欠定”问题和“软场”效应所导致的重建图像伪迹问题,该文提出一种基于邻域信息和快速模糊C均值聚类(快速FCM)的无监督图像质量评价指标。基于该评价指标和Tikhonov正则化算法,提出了一种重建图像伪迹优化算法TR-NC。仿真结果表明,该算法能够有效地修正重建图像中的伪迹,修正后的重建图像的相关系数平均提高了18.45%,相对误差平均降低了22.2%;仿真体验实验结果表明,当目标电导率变化率大于30%时,该算法能够准确地检测到目标。由此可见,相比于传统的Tikhonov正则化算法,提出的修正算法在重建图像目标的数量和位置精确度方面都得到了显著提高,为电学层析技术在医学和工业等领域的应用实践提供了新的成像理论依据和技术参考。