一种适用于真实人体数据能有效消除Gibbs伪影的MR重建新算法

Gibbs振铃是在磁共振成像中常见的主要存在于组织边缘处的一种伪影,它是在采用部分k空间数据进行图像重建时产生的.Gegenbauer重建方法能够有效消除Gibbs环状伪影并能保持图像高分辨率,但重建时间长且参数的选择对重建结果影响很大.文中引入逆多项式方法对Gegenbauer重建方法进行了改进,同时以Chebyshev多项式替代Gegenbauer多项式,免去了参数的人为选择,提高了重建精度并加快了速度.由于上述方法是针对连续区间讨论的,因此如何通过边缘检测准确地划分连续子区间显得尤为重要.文中提出的频域滤波边缘检测法能得到准确的边缘检测结果,有效地提高了文中方法对具有复杂组织结构的真实人体MR数据重建的精度,使其更具实用性.     

磁共振成像PROPELLER数据网格化中的采样密度补偿新算法

PROPELLER磁共振数据的重建是一个典型的K空间非笛卡尔采样数据的重建问题.由于现有网格化重建算法中的密度补偿需要计算每个采样点的密度补偿系数,须对非笛卡尔分布的数据进行卷积运算,给定N采样点,该卷积运算需要N×N/2次距离运算,由于PROPELLER采集的数据量N很大,计算耗时非常长.本文提出PROPELLER数据网格化重建中的密度补偿新算法,通过基于网格化分量全为1的向量来计算在均匀网格点上的采样密度分布值进而加以补偿,使得算法复杂度大大下降.实验表明,本文算法比现有算法的运行时间缩短400多倍,而重建质量与原有算法基本相同.     

基于支持向量机的脑部MR图像细分类

本文提出了基于支持向量机的脑部MR图像细分类器,采用纹理与形状特征相结合方式表达图像,应用StARMiner算法对特征进行选择和计算特征加权系数,最后用支持向量机理论设计分类器对脑部图像进行精细分类。经反复实验优化各参数,粗略分类率可以达到92.10%。细分类可应用于特定人体部位图像的检索系统,以检索出更精确的图像,并且缩减检索空间,提高检索效率。     

适用于小样本问题的有监督边界检测方法

针对自然图像纹理复杂的特点,提出了一种多种信息融合的有监督边界检测方法。首先,该方法在小样本的情况下,通过快速生成纹理基元特征来引入纹理信息;然后,根据图像中每个像素邻域内的灰度分布和纹理基元分布的差异来计算灰度梯度和纹理梯度,并在此基础上构造出二维的梯度特征向量;接着,用有监督的分类器进行分类,自适应地检测出初始的边缘点;最后,设计一个边界定位函数确定最终的边缘点,实现边界检测。实验结果表明,该算法运算速度较快,所检测的边界效果好。     

多发性硬化症MR图像分割新算法研究

提出了一种针对多发性硬化症病灶T2加权脑部磁共振（MR）图像的分割算法。根据多发性硬化症病灶和脑脊液在T2加权像上同表现为高亮度信号的特点,把模糊C均值分割算法与形态学方法相结合,提出了基于核模糊C均值的多发性硬化症病灶分割算法。该算法首先用改进的核模糊C均值算法做基础分割,再用形态学方法提取出多发性硬化症病灶得到最终分割结果。通过对多发性硬化症模拟脑部MR图像的分割结果表明,算法能够比较准确地分割多发性硬化症病灶。     

基于改进BET算法的MR颅脑图像脑组织自动提取

为稳定地自动从MR颅脑图像中提取脑组织,在经典的BET算法(brain extraction tool)的基础上提出了一种改进算法.该算法简化了BET中用来保持曲线光滑的平滑力,改进了BET中将曲线演化到脑组织边界的扩张力,引入了图像梯度的作用使曲线在脑组织内部演化快,在脑组织边界演化慢从而得到更好的结果.改进算法对100个临床病例的真实MR图像进行处理都得到理想的结果,相比之下BET算法有8例不成功.可见改进算法在处理真实MR图像时比经典BET算法更为稳定.     

基于霍特林变换的三维医学图像快速配准算法

提出了一种新的基于霍特林变换的三维医学图像快速配准算法,这是将数据压缩技术用于图像配准的一种创新性尝试。传统的基于灰度的方法需要考虑整个三维数据的灰度信息,计算复杂度大,无法满足临床需要。论文将Otus算法与互信息量技术相结合提出了一种新的图像分割算法,用于提取待配准物体,从而得到物体的向量表示;然后通过霍特林变换的平移和旋转性质完成配准。实验结果表明此方法能准确,快速地处理图像刚性配准问题,特别适用于三维医学图像的配准。     

基于径向梯度指数的肺结节假阳性筛除方法

针对肺结节自动检测中假阳性率高影响检测结果的问题,提出一种筛除方法。采用基于径向梯度指数的方法降低假阳性率,生成CT图像的基于径向梯度指数图,设定基于径向梯度指数滤波器滤除假阳性结节。实验结果表明,该方法能有效降低肺结节自动检测的假阳性率。     

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.