首页 > 文献资料
-
基于加权字典学习方法的低剂量CT图像重建
为了减轻X射线辐射对病患的危害,CT扫描设备的设计需要考虑降低辐射剂量的需求.源于压缩感知理论的字典学习重建算法可用于求解不完备投影数据的CT图像重建问题,然而该算法的正则约束项无法有效区分噪声和低对比度信息,重建图像容易丢失软组织边缘细节信息.本文提出一种加权字典学习重建算法,基于每次迭代的结果,利用字典稀疏表示的残差设计正则约束项的权重因子,使算法在迭代过程中对图像不同区域施加不同程度的平滑效应,从而在平滑噪声的同时保留低对比度信息.实验结果表明,提出的改进算法有效的保留了软组织边缘信息,与原算法相比,明显提高了重建图像的质量.
-
基于压缩感知的CT重建算法的研究现状
压缩感知理论是一种新兴的信号获取与处理理论,通过减少信号重建所需的数据以缩短信号采样时间,减少计算量,并在一定程度上保持原有图像的重建质量,由此可以解决在CT重建中还普遍存在的清晰度不够高、线性度不够好和有噪声伪影干扰等问题.由于该理论的这些显著优点,使其在CT成像领域引起了广泛关注,取得了很大进展.本文对近几年压缩感知应用于CT重建的研究方法和成果进行归纳和分析,其中包括传统统计迭代算法与压缩感知理论相结合方法的分析,先验图像约束与压缩感知理论相结合方法的分析以及字典学习的发展历程分析.后,对该研究领域的发展进行了展望.
-
基于字典学习与纵向TV约束的低剂量螺旋CT重建
多层螺旋CT在临床影像诊断中被广泛应用,由于X线是一种电离辐射,对人体有一定伤害,高剂量的X线辐射会增加人体罹患癌症等疾病的风险,因此在保证诊断效果的前提下尽可能地降低X射线剂量是当前研究的热点问题.考虑到螺旋扫描方式在纵向采样具有不一致的特性,本文提出了一种基于三维字典学习的统计迭代重建算法用于低剂量螺旋CT重建,同时在迭代框架中引入纵向TV约束以改变螺旋重建图像的噪声分布特性.为了保证重建结果的精确度,经典的基于距离驱动的前向投影和反投影被用于迭代重建框架.同时为了提升计算速度.本文核心算法采用GPU实现,有序子集和Nesterov方法也用于加速迭代收敛过程.本文提出的方法能够有效的提高图像质量,对比度噪声比指标和医学从业人员的主观评价指标验证了本文算法的优越性.
-
基于字典降噪改进模糊聚类MRI图像分割算法
目前对高噪声的MRI医学图像还没有较好的分割算法.在研究加强模糊C均值聚类(EnFCM)算法的基础上,提出一种改进算法.首先通过字典学习算法进行降噪,然后利用聚类有效性确定佳聚类数目,后利用改进EnFCM算法完成分割.实验表明,该方法能够实现自动分类功能,达到了有效分割高噪声MRI医学图像的目的.
关键词： 字典学习 模糊C均值(FCM)聚类 降噪算法 图像分割 MRI -
一种基于全局字典学习的小动物低剂量计算机断层扫描降噪方法
在小动物计算机断层扫描(CT)实验中,因需考虑小动物存活率以及实验的连续性等问题,一般较少采用高剂量的X射线进行实验;而低剂量的X射线会导致重建图像被噪声污染,影响图像质量,不利于后续实验分析.为解决此问题,本文介绍了一种基于全局字典学习的降噪方法,并将其应用于提升低剂量小动物CT重建图像质量的研究中.针对真实的小动物CT重建数据,选择高剂量的小动物CT重建图像作为训练样本,利用逐列更新的字典学习算法(K-SVD),构建包含图像信息的全局字典;利用正交匹配追踪算法(OMP)将低剂量重建图像利用全局字典进行稀疏分解,分离噪声,后将重建图像复原,达到降噪、提升图像质量、降低小动物CT实验的拍摄剂量、提高小动物存活率的目的.实验结果表明,本文提出的方法能够有效减少低剂量动物CT图像的噪声,并能够较好地保留图像细节.
关键词： 字典学习 低剂量 小动物计算机断层扫描 图像去噪 -
压缩感知在医学图像重建中的新进展
CS理论是一种新兴的信号获取与处理理论,通过减少信号重建所需的数据（少于奈奎斯特定理所要求的小数目）,来缩短信号采样时间,减少计算量,并在一定程度上保持原有图像的重建质量。由于该理论的这些显著优点,使得其在医学成像领域引起了广泛关注,取得了很大进展。本文介绍了压缩感知理论在医学成像中的发展历程和新进展,详细介绍一种基于字典学习的新型压缩感知自适应重建算法,后通过计算机模拟实验对该方法进行了初步验证。
