磁粒子成像中的脑血管深度学习重建方法研究

作     者：梁小凤 

作者单位：西安电子科技大学 

学位级别：硕士

导师姓名：贾广

授予年度：2023年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 1002[医学-临床医学] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 100204[医学-神经病学] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 10[医学] 

主      题：磁粒子成像 系统矩阵 代数迭代算法 交替方向乘子法 吉洪诺夫正则化 深度学习 

摘      要：在全世界范围内,脑血管疾病已经成为危害身体健康的第二大因素,其中急性脑血管疾病的发病率及病死率居中老年人神经系统疾病之首,对于脑血管疾病的检测与防治是至关重要的。医学影像技术对于疾病的诊治效果具有直接的影响,因此对于精密的医学成像仪器的需求也在不断上升。磁粒子成像技术是一种非侵入式的新型定量功能性成像方式,基于示踪剂成像。相较于目前较为成熟的医学影像技术,如计算机断层成像技术、核磁共振成像技术等,磁粒子成像具有高灵敏度、高空间分辨率,高时间分辨率、高对比度、安全无辐射等优点。磁粒子成像技术对脑血管相关疾病的检测有巨大的应用潜力。 本文针对磁粒子成像系统的二维重建和图像的后处理开展研究,旨在提高磁粒子成像的重建速度、结构相似性指数和峰值信噪比。主要研究了磁粒子成像的更优重建算法、影响重建性能的因素和磁粒子图像的噪声消除。从可视化和性能指标两个方面对图像进行评价,性能指标分别为:结构相似性指数、峰值信噪比和耗时。文章的主要研究内容如下: 构建了磁粒子成像仿真系统。首先根据磁粒子成像相关理论知识构建了系统矩阵和感应电压信号,然后基于代数迭代法、吉洪诺夫正则化法和交替方向乘子法实现了图像重建,探索了磁纳米粒子粒径对重建性能的影响。研究表明,交替方向乘子法的峰值信噪比最高,图像伪影更少,图像内部具有更高的均匀性,且重建速度也较快;磁纳米粒子粒径对重建的影响实验表明,当粒径为20nm时,图像的结构相似性指数和峰值信噪比更高。 在噪声的干扰下,磁粒子成像的重建结果达不到预期,而接收信号过程中噪声很难避免。针对这个问题,提出一种基于通道注意力机制和残差Unet网络的算法用于消除磁粒子图像中的噪声。该算法将全卷积网络和通道注意力机制结合来提取噪声特征,对提取的噪声特征进行下采样处理得到不同尺寸的特征图,通过结合残差学习与Unet网络,并将其作用在不同尺寸的特征图上实现多尺度降噪。将本文算法与Dn CNN网络、PRIDNet网络、深度残差自动编码器网络三种网络框架进行对比实验,采用的数据集来源于磁粒子成像仿真系统的重建结果。结果显示,本文的网络框架对血管内部噪声去除效果更好,结构相似性指数和峰值信噪比指标也更为优秀。