检索结果-南通市图书馆

基于双向流场引导投影补全的稀疏角度锥束CT重建算法

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

南方医科大学学报 2025年第2期45卷 395-408页

作者：李文伟毛泽睿王永波边兆英黄静南方医科大学生物医学工程学院广东广州510515 西安交通大学生命科学技术学院陕西西安710049 南方医科大学广东省医学图像处理重点实验室广东广州510515

目的为解决稀疏角度锥束CT成像面临的不适定反问题求解问题,提出基于双向流场引导投影补全的稀疏角度锥束CT重建算法(BBC-Recon)。方法BBC-Recon方法包含两个主要模块:投影补全模块和图像恢复模块。投影补全模块基于流场估计的思想,通... 详细信息

目的为解决稀疏角度锥束CT成像面临的不适定反问题求解问题,提出基于双向流场引导投影补全的稀疏角度锥束CT重建算法(BBC-Recon)。方法BBC-Recon方法包含两个主要模块:投影补全模块和图像恢复模块。投影补全模块基于流场估计的思想,通过设计的双向和多尺度关联体,充分计算投影之间的相关性信息和冗余信息,用以精确指导双向流场和缺失帧的生成,实现对缺失投影的高精度补全,获得伪完备投影;图像恢复模块对获得的伪完备投影进行重建,然后对图像进行细化,去除伪影残留,进一步提升图像质量。结果在Mayo和桂林医学院公开数据集上的实验结果表明,对比现有算法,BBC-Recon方法在稀疏4倍角度的情形下,较次优方法:PSNR指标提升1.80%,SSIM指标提升0.29%,RMSE指标降低4.12%;在稀疏8倍角度的情形下,较次优方法:PSNR指标提升1.43%,SSIM指标提升1.49%,RMSE指标降低0.77%。结论BBC-Recon充分挖掘了投影之间的相关性信息,不仅能在保持图像结构信息的前提下有效去除条纹伪影,而且在层间一致性的保持上发挥了极大优势。

关键词：稀疏角度锥束CT 双向多尺度关联性双向流场估计双域训练

基于张量广义全变分最小的稀疏角度螺旋CT重建

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

南方医科大学学报 2019年第10期39卷 1213-1220页

作者：谌高峰王永波边兆英韦子权邓耀宏李明强马昆陶熙李彬马建华黄静南方医科大学生物医学工程学院//广州市医用放射成像与检测技术重点实验室

目的为减少螺旋CT扫描X射线辐射剂量,提出一种基于凸集投影的张量广义全变分最小(TTGV-POCS)的稀疏角度螺旋CT迭代重建算法。方法将螺旋CT三维体数据看作三阶张量,利用张量广义全变分(TTGV)最小约束刻画其三维图像的数据特性,并纳入凸... 详细信息

目的为减少螺旋CT扫描X射线辐射剂量,提出一种基于凸集投影的张量广义全变分最小(TTGV-POCS)的稀疏角度螺旋CT迭代重建算法。方法将螺旋CT三维体数据看作三阶张量,利用张量广义全变分(TTGV)最小约束刻画其三维图像的数据特性,并纳入凸集投影迭代重建框架,实现稀疏角度螺旋CT的鲁棒重建。TTGV-POCS算法充分利用螺旋CT图像数据的一阶梯度与二阶梯度的空间结构稀疏性和三维数据层间相关性,可有效抑制稀疏角度重建图像中的伪影与噪声,并较好保持图像边缘信息。结果XCAT体模数据与病人扫描数据的实验结果表明,TTGV-POCS算法相比现有重建算法在降低噪声、去除伪影和保持边缘等方面均有较好的表现;比较XCAT体模数据稀疏角度重建结果,本文提出的TTGV-POCS算法相比现有重建算法PSNR定量指标可提升9.17%~15.24%;FSIM定量指标可提升1.27%~9.30%。结论TTGV-POCS算法可有效改善稀疏角度螺旋CT重建图像质量,降低螺旋CT检查辐射剂量,更好服务于临床影像诊断。

关键词：螺旋CT 稀疏角度张量广义全变分凸集投影

CT图像的质量评估策略:基于预恢复图像先验信息

在线全文

学校读者我要写书评

暂无评论

南方医科大学学报 2021年第2期41卷 230-237页

作者：高琦朱曼曼李丹阳边兆英马建华南方医科大学生物医学工程学院//广州市医用放射成像与检测技术重点实验室广东广州510515

目的为有效提取更多无参考CT图像质量特征,本文提出一种基于预恢复图像先验信息的医用CT图像质量评估策略(PR-IQA),利用多信息融合输入提高IQA模型性能。方法基于卷积神经网络(CNN)的无参考医用CT图像质量评估策略。该方法利用图像恢复... 详细信息

目的为有效提取更多无参考CT图像质量特征,本文提出一种基于预恢复图像先验信息的医用CT图像质量评估策略(PR-IQA),利用多信息融合输入提高IQA模型性能。方法基于卷积神经网络(CNN)的无参考医用CT图像质量评估策略。该方法利用图像恢复算法中的图像质量特征先验信息,将其以预恢复图像和恢复前后残差图像的形式,与原始失真图像信息融合输入到两个CNN中,通过多信息融合以提升CNN的特征提取能力和预测性能。实验使用基于Mayo诊所公开螺旋CT数据所建立的医用CT图像质量评估数据集。通过计算定量指标以及统计学检验对PR-IQA性能进行评估,分析了不同超参数设置对PR-IQA性能的影响。并将PR-IQA与基于单个CNN模型直接对原始失真图像进行NR-IQA的方法(BASELINE)以及8种经典的IQA算法进行对比实验。结果对比实验结果表明,基于3种不同图像恢复算法先验信息(双边滤波、非局部均值滤波、三维块匹配协同滤波)的PR-IQA模型性能优于所有对比IQA算法。并且相比BASELINE方法性能均有提升,其中PLCC平均提升12.56%,SROCC平均提升19.95%,RMSE平均降低22.77%。结论本文提出的PR-IQA方法能够充分利用图像恢复算法的先验信息,有效地预测医用CT图像质量。

关键词：无参考医用CT图像质量评估图像恢复算法卷积神经网络

基于联邦特征学习的多机型低剂量CT重建算法

在线全文

学校读者我要写书评

暂无评论

南方医科大学学报 2024年第2期44卷 333-343页

作者：陈世宣曾栋边兆英马建华南方医科大学生物医学工程学院//广州市医用放射成像与检测技术重点实验室广东广州510515

目的提出一种基于联邦特征学习的多机型低剂量CT重建算法(FedCT),以提升深度学习模型对多CT机型的泛化能力并保护数据隐私。方法FedCT框架在每个协作学习的客户端中设置了一个基于数据-解析模型耦合驱动的Radon反变换智能重建模型作为... 详细信息

目的提出一种基于联邦特征学习的多机型低剂量CT重建算法(FedCT),以提升深度学习模型对多CT机型的泛化能力并保护数据隐私。方法FedCT框架在每个协作学习的客户端中设置了一个基于数据-解析模型耦合驱动的Radon反变换智能重建模型作为局部网络模型,并采用投影域特异性学习策略,在局部投影域保留成像几何特异性。同时,引入联邦特征学习,使用条件特征参数标记局部数据并馈入网络模型进行编码以在图像域提升网络模型的泛化性。结果在跨站点的多机型、多协议低剂量CT重建实验中,FedCT的重建结果在所有对比联邦学习方法中获得了最高的PSNR(高于次优的联邦学习方法+2.8048、+2.7301、+2.7263)、最高的SSIM指标(高于次优的联邦学习方法+0.0009、+0.0165、+0.0131)以及最低的RMSE指标(低于次优的对比联邦学习方法-0.6687、-1.5956、-0.9962)。在消融实验中,相较于一般联邦学习策略,采用投影特异学习策略的模型在测试集上的PSNR指标的Q1平均提升1.18,RMSE指标的Q3平均降低1.36。在引入联邦特征学习后,FedCT在测试集上的PSNR指标的Q1进一步提升3.56,RMSE指标的Q3进一步降低1.80。结论FedCT为协作构建CT智能重建网络模型提供了有效解决方案,能够在保护数据隐私的基础上,增强网络模型泛化性,进一步地提升网络模型在全局数据上的重建性能。

关键词：计算机断层成像低剂量联邦学习图像重建

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

四肢成像专用锥束CT方法的设计与优化

南方医科大学学报 2018年第11期38卷 1331-1337页

作者：马昆李明强陶熙曾栋王永波边兆英韦子权谌高峰冯前进马建华黄静南方医科大学生物医学工程学院广东广州510515 广州市医用放射成像与检测技术重点实验室广东广州510515

目的人体四肢成像具有重要的临床意义,目前国内在该方面的研究匮乏,本文针对四肢骨骼成像高分辨率的特殊需求,创建一种四肢专用锥束CT(ECBCT)成像方法。方法基于三维X射线断层成像技术以及高分辨率X射线平板探测器技术,作者进行了ECBCT... 详细信息

目的人体四肢成像具有重要的临床意义,目前国内在该方面的研究匮乏,本文针对四肢骨骼成像高分辨率的特殊需求,创建一种四肢专用锥束CT(ECBCT)成像方法。方法基于三维X射线断层成像技术以及高分辨率X射线平板探测器技术,作者进行了ECBCT成像过程的物理建模及几何建模,研究其几何校正及图像重建方法,并搭建了相应的硬件系统。实验中对笔筒体模、IQ体模以及动物肢体样本进行扫描,以评估该成像方法的有效性及其硬件系统的稳定性。结果采用几何校正后的参数进行重建的笔筒图像结构清楚,无混叠伪影产生;IQ体模重建图像中CT值分布均匀,同等条件下多次扫描重建图像的噪声功率谱不具差异性;动物肢体重建图像分辨率高,骨组织显示清晰。结论 ECBCT可用于人体四肢成像,此外,该技术对骨组织的成像分辨率高,可为骨关节炎等骨科疾病的诊断提供重要的临床信息。

关键词：四肢成像锥束CT 硬件系统几何校正图像重建

在线全文

学校读者我要写书评

暂无评论

基于系统仿真的数字乳腺层析成像性能分析

南方医科大学学报 2021年第6期41卷 898-908页

作者：邓耀宏朱曼曼李穗王永波高杨马建华南方医科大学生物医学工程学院广东广州510515 广州市医用放射成像与检测技术重点实验室广东广州510515

目的基于系统仿真的数字乳腺层析成像(DBT)进行性能分析研究。方法基于临床DBT系统获取不同辐射剂量下物理体模和常规剂量水平下临床患者的原始测量数据,并进行低剂量仿真和使用3种重建算法进行重建,即Feldkamp-Davis-Kress(FDK)算法、... 详细信息

目的基于系统仿真的数字乳腺层析成像(DBT)进行性能分析研究。方法基于临床DBT系统获取不同辐射剂量下物理体模和常规剂量水平下临床患者的原始测量数据,并进行低剂量仿真和使用3种重建算法进行重建,即Feldkamp-Davis-Kress(FDK)算法、联合代数重建技术(SART)、具有全变分约束的自适应最速下降凸集投影(ASDPOCS-TV)算法。采用信噪比(SNR),峰值信噪比(PSNR),噪声功率谱(NPS),伪影扩散函数(ASF)以及ASF的全宽半高值(FWHM)指标对辐射剂量水平和重建算法两因素对图像质量的影响进行统计对比分析。结果低剂量DBT仿真策略的有效性经评估实验得以保证;在合适的剂量水平范围内,增加剂量可促进减少高频噪声成分和显著提高信噪比(P成像质量有显著影响,应当平衡各影响因素、整体图像质量、临床诊断需求之间的关系,以达到临床任务中最优成像性能的目标。

关键词： DBT成像图像质量辐射剂量重建算法低剂量仿真

基于先验信息感知学习的能谱CT及物质定量智能成像算法

在线全文

学校读者我要写书评

暂无评论

南方医科大学学报 2023年第4期43卷 620-630页

作者：段政李丹阳曾栋边兆英马建华南方医科大学生物医学工程学院广东广州510515 广州市医用放射成像与检测技术重点实验室广东广州510515

目的提出一种基于先验信息感知学习的能谱CT半监督物质定量智能成像算法(SLMD-Net),以提升能谱CT及物质定量成像精度和质量,并降低数据驱动网络对标签数据的依赖性。方法算法框架包括监督子模块和自监督子模块。在监督子模块中,基于少... 详细信息

目的提出一种基于先验信息感知学习的能谱CT半监督物质定量智能成像算法(SLMD-Net),以提升能谱CT及物质定量成像精度和质量,并降低数据驱动网络对标签数据的依赖性。方法算法框架包括监督子模块和自监督子模块。在监督子模块中,基于少量标签数据和均方误差损失函数学习构建从低信噪比数据到高信噪比数据的映射关系;在自监督子模块中,针对大量无标签低信噪比基物质图像数据,采用基于图像恢复模型构建损失函数,并纳入基物质图像数据的先验信息,以全变分(TV)模型刻画图像的先验信息。两个子模块合并构成SLMD-Net并通过临床仿真数据评估可行性和有效性。结果与模型驱动的物质定量成像方法(FBP-DI、PWLS-PCG、E3DTV),数据驱动的物质定量成像方法,如基于监督学习的物质定量成像方法(SUMD-Net和BFCNN),基于无监督学习的物质定量成像方法UNTV-Net以及基于半监督的循环一致性生成对抗网络(Semi-CycleGAN)相比,SLMD-Net在视觉和定量评估上均有明显优势,如在水物质定量成像结果和骨物质定量成像结果中,SLMDNet获得最高的PSNR指标(31.82和29.06)、最高的FSIM指标(0.95和0.90)以及最低的RMSE指标(0.03和0.02),且图像质量评分与其他7种对比方法分解性能的差异具有统计学意义(P<0.05)。SLMD-Net的物质定量性能可接近于使用两倍数量级标签数据训练的SUMD-Net。结论少量标签数据和大量无标签低信噪比基物质图像数据可被充分利用训练网络,有效抑制能谱CT基物质分解过程中产生的强噪声伪影,降低数据驱动网络对标签数据的依赖性,具有更广阔的临床应用前景。

关键词：能谱CT 基物质分解半监督学习 U-Net 全变分

维普期刊数据库博看期刊

同方期刊数据库

基于多尺度小波残差网络的稀疏角度CT图像恢复

在线全文

学校读者我要写书评

暂无评论

南方医科大学学报 2019年第11期39卷 1320-1328页

作者：韦子权王永波陶熙贾晓边兆英谌高峰李明强马昆李彬马建华南方医科大学生物医学工程学院广东广州510515 广州市医用放射成像与检测技术重点实验室广东广州510515

目的稀疏角度CT具有加速数据采集和减少辐射剂量的优点。然而,由于采集信息的减少,使用传统滤波反投影算法(FBP)进行重建得到的图像中伴有严重的条形伪影和噪声。针对这一问题,本文提出基于多尺度小波残差网络(MWResNet)对稀疏角度CT图... 详细信息

目的稀疏角度CT具有加速数据采集和减少辐射剂量的优点。然而,由于采集信息的减少,使用传统滤波反投影算法(FBP)进行重建得到的图像中伴有严重的条形伪影和噪声。针对这一问题,本文提出基于多尺度小波残差网络(MWResNet)对稀疏角度CT图像进行恢复。方法本网络中将小波网络与残差块相结合,用以增强网络对图像特征的提取能力和加快网络训练效率。实验中使用真实的螺旋几何CT图像数据"Low-dose CT Grand Challenge"数据集训练网络。通过观察图像表征和计算定量参数的方法对结果进行评估,并与其他现有网络进行比较,包括图像恢复迭代残差卷积网络(IRLNet),残差编码解码卷积神经网络(REDCNN)和FBP卷积神经网络(FBPConvNet)。结果实验结果表明,本文提出的多尺度小波残差网络优于其余对比方法。结论本文提出的MWResNet网络能够在保持稀疏角度CT图像边缘细节信息的同时有效抑制噪声和伪影。

关键词：稀疏角度CT 残差网络多尺度小波变换

基于非局部能谱相似特征的基物质分解方法用于双能CT图像去噪

在线全文

学校读者我要写书评

暂无评论

南方医科大学学报 2022年第5期42卷 724-732页

作者：王蕾王永波边兆英马建华黄静南方医科大学生物医学工程学院广东广州510515 广州市医用放射成像与检测技术重点实验室广东广州510515

目的提出一种非局部能谱相似特征引导的双能CT基物质分解方法(NSSD-Net)以抑制低剂量能谱CT基物质图像的相关性噪声。方法首先构建模型驱动的双能CT迭代分解模型,采用迭代软阈值算法(ISTA)优化分解模型目标函数的求解过程,并利用深度学... 详细信息

目的提出一种非局部能谱相似特征引导的双能CT基物质分解方法(NSSD-Net)以抑制低剂量能谱CT基物质图像的相关性噪声。方法首先构建模型驱动的双能CT迭代分解模型,采用迭代软阈值算法(ISTA)优化分解模型目标函数的求解过程,并利用深度学习技术将此过程展开为迭代分解网络的形式。然后构建非局部能谱相似特征引导的代价函数,约束网络的训练过程。利用双能CT真实病人数据所建立的基物质分解数据集进行评估。将NSSD-Net与2种传统模型驱动的基物质分解方法、1种基于数据驱动的基物质分解方法以及1种基于数据-模型耦合驱动的监督分解方法进行对比实验。结果与传统模型驱动的基物质分解方法以及数据驱动的基物质分解方法相比,NSSD-Net方法在水和骨基物质分解结果中均获得最高的PNSR指标(31.383和31.444)、最高的SSIM指标(0.970和0.963)以及最低的RMSE指标(2.901和1.633);与数据-模型耦合驱动的监督分解方法相比,NSSD-Net方法在水和骨基物质分解结果中均获得最高的SSIM指标;临床影像专家的主观图像质量评估结果显示,NSSD-Net方法在水和骨基物质分解结果中图像质量评分均最高(8.625和8.250),与其他4种对比方法分解性能之间的差异具有统计学意义(P<0.001)。结论本方法可以获得高质量的基物质分解结果,有效避免训练数据质量问题和模型不可解释问题。

关键词：能谱CT 基物质分解方法深度学习非局部能谱相似性