首页 > 文献资料
-
基于回归预测的肺4D-CT多相位配准
针对由于灰度不均和局部形变较大引起的肺4D-CT图像配准精度不足问题,提出基于回归的逐块预测初始形变的方法.新方法的核心思想是:配准一幅浮动图像至参考图像时,利用与浮动图像相对应的不同相位的图像信息进行形变场预测.首先,利用已有配准算法配准不同相位的图像至参考图像,得到各图像对应的形变场;再将图像和对应形变场分块作为训练集,利用多维支持向量回归机建立回归模型;将浮动图像分块输入回归模型中,预测出初始形变场,从而得到中间图像,并终细化配准中间图像与参考图像.采用由德克萨斯安德森肿瘤中心DIR实验室采集并公开的数据集,评价所提出的算法.实验量化评价结果表明,与传统的Active Demons算法、Spectral Log-Demons算法相比,图像的均方误差平方和显著降低(Active Demons算法49.34±23.92,Spectral Log-Demons算法31.81±15.09,所提出算法18.97±5.75,P＜0.05),相关系数显著提高(Active Demons算法0.952±0.022,Spectral Log-Demons算法0.967±0.015,所提出算法0.980±0.006,P＜0.05).同时,视觉评价结果显示,所提出算法能够获得更准确的配准图像.
-
基于分块的肺4D-CT图像超分辨率重建
肺4D-CT在肺癌的治疗中,对于准确定位肿瘤靶区、实现个体化精确放疗具有重要的应用价值.由于放射剂量的限制,使得肺4D-CT图像分辨率较低.提出一种基于图像分块的超分辨率重建技术,提升肺4D-CT图像的分辨率.首先,将图像分解为一系列重叠图像块;其次,利用Active Demons配准算法,自适应选取若干幅与目标图像块对应结构相似的其他相位图像块,并估计出它们之间的运动变形场;而后,采用迭代反投影(IBP)算法,重建得到高分辨率的图像块;将得到的所有高分辨率图像块拼接后,终输出完整的高分辨率肺4D-CT图像.利用由德克萨斯安德森肿瘤中心DIR实验室采集并开放的公共数据集评价所提出的算法,该数据集由10组肺4D-CT数据组成,每组数据包含10个相位.从每组数据中,选取不同相位图像进行实验.量化评价结果表明,所提出的方法相比反投影(BP)算法、全局迭代背投影算法,图像平均梯度显著提高(反投影算法7.65 ±0.44,全局迭代背投影算法7.92±0.43,本算法8.92±0.50,P＜0.001).视觉评价结果同时显示,所提出的方法能够有效消除伪影,得到结构显著增强、清晰度更高的肺4D-CT图像.
-
基于图割的肺4D-CT图像超分辨率重建
肺4D-CT在当今的肺癌放射治疗中起着重要的作用。本文提出了一种基于全局图割方法的肺4D-CT图像超分辨率重建方法，来提升肺4D-CT图像的质量。该方法首先在大后验马尔科夫随机场框架下建立一个肺4D-CT各相位高分辨率图像重建的全局能量函数，然后，将该能量函数转化成图的表达方式，后用图割方法和α-βswap算法优化能量函数来恢复高分辨率图像细节结构。实验结果表明，在恢复图像的细节方面，本文方法要优于传统的线性插值和凸集投影超分辨率重建算法。
