首页 > 文献资料
-
基于时空曲率正则化的细胞图像序列去噪
目的 显微细胞成像系统获取的图像序列由于光照、电磁干扰等因素的影响,不可避免地存在一定程度的噪声,消除噪声得到清晰的细胞图像是后续细胞形态特征提取和分析的首要步骤.本文引入细胞图像序列的时域信息来构建时空曲率正则化约束,以实现细胞图像序列的去噪处理.方法首先,利用细胞图像序列的空域和时域相关性,构建基于时空曲率正则化的图像序列去噪模型;然后,通过增广拉格朗日乘子法实现模型的优化求解;后,分别通过对叠加有不同高斯白噪声水平的纤维母细胞和多能干细胞图像序列进行去噪实验,以验证去噪效果.结果与总变分去噪法、三维阈值剪切去噪法和空间曲率正则化去噪法相比较,基于时空曲率正则化的细胞图像序列去噪方法应用于2组细胞图像序列去噪的视觉效果,及峰值信噪比(peak signal to noise ratio,PSNR)和结构相似度(structural similarity,SSIM)都优于其他3种方法.结论与其他3种去噪方法相比,此方法更加充分利用了细胞图像序列的时域信息,去噪后能有效地维持图像对比度,振铃效应不明显,对高斯噪声具有更好的适应性和稳定性,可应用于细胞形态变化检测的前期处理阶段.
-
电阻抗成像技术
介绍了一种新的医学图像重建技术--电阻抗成像技术(EIT).EIT依据生物组织不同部位的导电参数(电阻率、介电常数/电容率)以及同一部位在正常和病变时导电参数的变化来判断疾病的源.EIT设备通过对体组织表面电流、电压的施加及测量来获知体组织内部导电参数的分布,并重建出反映体组织内部的图像.详细分析了EIT成像中遇到的关键问题以及现有的主要应对方法,列举了EIT技术在临床医学上的应用现状,同时对EIT在技术和临床上的发展趋势进行了展望.
-
熵正则化磁共振成像理论及迭代算法
实际的磁共振成像系统,通常仅能收集有限的频谱数据,傅立叶变换法重建的图像存在Gibbs伪影,且分辨率有限.我们提出的熵正则化磁共振成像方法是考虑与原始频谱数据一致性的条件下,熵极大化而获得的结果.重建的图像具有无限的分辨率,降低Gibbs伪影及信号中的噪声.本算法的稳定性优于模型大熵法[12].对截断及噪声的频谱数据的成像结果证实了我们方法的有效性.
-
基于油水分离的核磁共振并行温度成像及噪声分析
基于油水分离的核磁共振温度成像能够有效减少常规水质子共振频率测温法的各种误差,但成像速度受到多梯度回波序列TR时间的限制.本文使用SENSE并行成像技术对成像过程进行加速,并建立相应的噪声分析模型.同时提出逐通道重建方法解决自标定SENSE技术中的相位缺失问题,并采用CORNOL正则化方法降低高加速倍数时的温度图噪声.定性和定量数值模拟结果验证了并行温度成像方法和噪声分析模型的有效性.体模实验结果表明,若采用正则化SC-SENSE重建技术,使用4通道头部线圈时净加速倍数可达2.7倍.
-
解析-迭代重建算法在微纳CT中的应用
微纳Computer Tomography(微纳CT)作为一种无损、高分辨率成像技术,已经被应用到生物医学、医学、工业等领域.在一些实际应用中,受扫描时间、检测环境或X射线能量等影响,采集的投影数据是不完备或不相容的.如:有限角、稀疏角.此时采用传统的解析重建算法将导致重建图像中出现伪影和噪声.本文针对微纳CT成像,采用解析-迭代方法来处理这类问题.实验结果表明:在抑制伪影和噪声方面,解析-迭代方法优于传统的解析重建算法.
-
基于正则化回归的变量选择方法在高维数据中的应用
变量筛选和模型估计一直是高维数据的研究热点,而高维数据的维度灾难问题日渐突出,传统的统计分析方法因模型不稳定不再适用,本文对高维数据中基于正则化回归的变量选择方法的原理、适用的数据类型及优缺点、调整参数的选择进行综述.
-
一种基于分裂Bregman方法求解的锥束CT图像迭代重建
目的：为精确且快速进行低剂量稀疏角度锥束CT图像重建，本文提出一种基于分裂Bregman数学方法的紧框架约束的图像重建算法。方法首先选择紧框架（Tight Frame）作为正则化项，根据压缩感知原理建立小化目标函数，利用分裂Bregman数学方法将求解问题分为3步：（1）使用改进的前向投影算法快速计算出投影矩阵；（2）引入中间量，用分裂Bregman原理将无法直接差分的L1正则化问题转化为可直接差分的L2正则化问题，并利用共轭梯度算法求解；（3）利用分裂Bregman原理中的收缩公式更新中间量。结果仿真和实际重建的CT图像实验表明，相比于传统的带有正则化约束的凸集投影（POCS）代数迭代重建模式，分裂Bregman方法在图像保真和计算时间等方面均取得了上佳的效果，并且具有广泛的适用性。结论在稀疏角度锥束CT图像迭代重建条件下，本文提出的方法能够快速精确重建出满意的锥束CT图像，且图像重建速度和图像质量较凸集投影方法有较大提高。
-
基于非局部均值平滑约束的并行磁共振成像重建算法
目的 提出一种图像重建新算法提高磁共振并行成像质量,消除图像中的噪声与伪影.方法 在现有并行成像重建算法中引入基于非局部均值的空间平滑约束.结果 在加速因子较大时,本算法可以有效地抑制重建图像中的噪声及伪影.结论 通过在并行成像算法中引入基于非局部均值的平滑约束,可以明显提高加速因子较大时并行磁共振成像的图像重建质量
-
基于正则化的磁共振相控阵线圈图像均匀性校正算法
由于能提供更大的扫描视野,更高的信噪比和缩短扫描时间,相控阵线圈已经被广泛使用在磁共振成像(MRI)设备中.相控阵线圈的图像重建合成常用的是SOS算法,但是SOS算法通常会造成图像的灰度不均匀.这样不仅会直接影响医生诊断的准确性,同时对图像自动分割等后处理技术的使用也会产生不良影响.本文提出一种改进的基于正则化的小二乘化方法,用于MRI相控阵图像的合成.在该方法中利用均匀的大体线圈和相控阵线圈进行预扫描获得线圈敏感图,通过引入正则函数来控制重建图像的噪声.此外,在正则函数中还使用大体线圈的预扫描图像作为参考图像.使用水模和志愿者成像数据验证,该方法能够有效提高相控阵线圈重建图像的均匀性.
-
动态电阻抗成像中Tikhonov正则化参数的选择
动态电阻抗成像是一个非线性逆问题,在通过有限元法离散化为线性问题求解时,由于系数矩阵的病态性,需要正则化处理才能得到稳定解.Tikhonov方法因为易于实现而应用广泛,但在用Tikhonov方法正则化时涉及到正则化参数的选择,它对重构图像的质量影响很大,至今还没有通用的方法确定.本研究在大量试验的基础上,提出一种新的选择正则化参数的方法,充分利用了重构图像的误差的范数与正则化解的范数的乘积的变化规律,所得的重构图像具有较好的空间分辨率.
-
基于自诊断正则化的电阻抗成像逆问题研究
电阻抗成像逆问题具有严重的病态性,制约着电阻抗成像的临床应用.正则化是提高电阻抗成像逆问题求解稳定性和图像分辨率的重要数值手段.本文基于吉洪诺夫正则化和对角权重正则化(DWRM),提出了一种自诊断正则化方法.首先基于灵敏度分析电阻抗成像逆问题的病态性,其次运用奇异值理论对自诊断正则化方法进行分析,后运用几种不同正则化方法进行了电阻抗成像仿真实验和水槽模拟实验.实验结果表明,本文提出的自诊断正则化方法较传统的正则化方法提高了电阻抗成像的图像质量和抗噪声能力,其改进算法有效降低了电阻抗成像的逆问题病态性,有利于推动电阻抗成像的实际运用.
-
低场核磁共振弛豫谱反演算法研究
从核磁共振成像分析仪上直观采集到的信号无法直接反映样品属性,必须采用反演算法获取弛豫时间及这种弛豫分量所对应回波的初始幅度之间的关系.因此,正确的反演算法结果直接影响核磁共振信号的解释和应用.本文基于不适定反问题正则化理论,优化了正则化因子的选取方法,通过Matlab7.0数值模拟,设计了一套低场核磁共振弛豫谱反演正则化算法.构造谱反演和样品实测回波串反演表明本算法能够满足核磁共振成像分析仪测试和科研的需要.
-
基于稀疏约束的自适应正则化迭代重建算法
本文针对ASD-POCS算法中约束项权重对不同应用的多变性引起的算法鲁棒性差等问题,提出了一种基于稀疏约束的自适应正则化迭代重建算法,该算法采用一种Lagendijk型的正则化策略构造优化问题,分别采用局部方差、图像能量估计自适应地求取加权对角矩阵和全局正则化参数。优化问题的求解过程中,采用SART算法和共轭梯度法求解保真项和约束项优化问题。实验结果表明,AR-SART-CG算法能更好地权衡恢复图像边缘和平滑噪声的关系,更好地调节保真项和约束项的权重,得到更高质量的重建图像。
-
添加正则化项的黏声逆时偏移成像方法研究
在实际地球介质中传播的地震波会产生衰减和频散现象,因此其更接近于黏弹性介质,在地震处理中补偿这些黏性影响是十分必要的.基于波动方程的叠前深度偏移中进行吸收衰减补偿更准确,也更有物理意义,直接求解双程波动方程的逆时偏移(RTM)能够成像大倾角复杂构造,具有诸多优势.然而当考虑吸收衰减补偿时通常会产生不稳定现象,大部分研究都是在逆时偏移的波场延拓中进行波数域的低通滤波来解决这个问题.本文采用广义标准线性固体的黏声波动方程进行吸收衰减补偿的Q-RTM方法,通过添加正则化项的方式来稳定延拓过程.添加正则化项本质上是低通滤波,滤波窗口是指数形式,在时空域有明确的形式,可以阻止发生高频不稳定.与直接滤波相比,正则化参数可以是空变的,因此比较适合剧烈变化的区域,我们还发现震源归一化互相关成像条件更适合Q-RTM方法.
-
有限角度CT图像重建算法综述
本文主要介绍了处理有限角度CT图像重建的思路和方法.有限角度CT图像重建属于不完全数据重建范畴,由于不满足数据完备性条件,因此不能精确重建.其处理方法大致可以分为两类:基于变换的迭代-解析重建算法和基于级数展开的迭代-代数/统计重建算法.同时,有限角度重建等价于病态矩阵求逆问题,适当的约束条件、先验知识以及正则化因子对提高重建图像质量非常重要.
