70kVp联合深度学习图像重建算法对胸主动脉血管内修复术后双低CTA图像质量的影响

目的探讨70 kVp联合深度学习图像重建(DLIR)算法在低辐射剂量低对比剂用量的情况下对胸主动脉血管内修复术(TEVAR)后主动脉CT血管成像(CTA)图像质量的影响。方法前瞻性纳入65例TEVAR术后需接受主动脉CTA扫描的患者,随机分为两组。常规剂量组(A组)接受100 kVp管电压和60 mL对比剂扫描,低剂量组(B组)接受“双低”方案:管电压70 kVp,对比剂用量为0.5 mL·kg^(-1)。A组图像采用50%多模型迭代重建算法(ASIR-V)重建,B组图像分别采用滤波反投影(FBP)算法(B1亚组)、50%ASIR-V(B2亚组)、90%ASIR-V(B3亚组)及DLIR-H算法(B4亚组)重建。测量并比较各组主动脉CT值、图像噪声、对比噪声比(CNR)及品质因数(FOM)。采用5分制对图像噪声、血管锐利度和整体图像质量进行评估。结果B4亚组噪声最低,较A组降低约23.49%(P<0.001)。A组、B4亚组主动脉各感兴趣区(ROI)CT值、CNR值及图像主观评分差异无统计学意义(P>0.05);B4亚组FOM值大于A组(P<0.001)。与A组比较,B组辐射剂量降低约52.38%(P<0.001),对比剂用量和注射流率分别降低约39%和33.6%(P<0.001)。结论采用70 kVp结合DLIR算法在TEVAR术后主动脉CTA扫描中可获得与常规剂量相当的图像质量,且辐射剂量和对比剂用量大幅度降低。

基于降维处理的快速EMT图像重建算法

电磁层析成像技术(EMT)具有非侵入、响应速度快、成本低等优点,在工业过程监测和多相流测量等领域有广泛的应用前景。该文针对电磁层析成像逆问题的病态性,提出了1种非迭代的、基于灵敏度矩阵降维的EMT图像重建算法,应用核主成分分析(KPCA)方法对灵敏度矩阵进行降维,有效降低了算法计算复杂度,同时降低了灵敏度矩阵的病态程度。为验证该算法的有效性,将该算法应用于平面EMT金属探伤,并将其与传统的线性反投影算法和Landweber迭代法进行比较。仿真和实验结果表明,该算法的成像质量远高于线性反投影算法,与Landweber迭代法相近,且该算法的计算耗时仅为Landweber迭代法的20%左右。

基于深度学习的电阻抗断层成像图像重建算法研究综述

介绍了电阻抗断层成像(electrical impedance tomography,EIT)传统图像重建算法的局限性和深度学习在非线性图像重建中的优点,综述了基于深度学习的直接重建法、间接重建法和隐式重建法3种EIT图像重建算法的研究进展,分析了基于深度学习的EIT图像重建算法存在的不足,指出了基于深度学习的EIT图像重建算法应在提高数据集质量、增强图像可解释性以及改善成像分辨力等方面实现进一步的技术突破。

深度学习图像重建算法在低剂量扫描对肺结节显示及测量的影响

目的探讨肺结节胸部CT低剂量对深度学习图像重建(DLIR)图像质量及结节检测的影响。方法选取肺结节患者120例,在低剂量扫描条件下应用低剂量迭代重建算法(ASIR-V),评估低剂量下重建图像总体噪声(NI)、肺组织信噪比(SNR)、对比噪声比(CNR),实性、磨玻璃结节噪声、SNR、CNR及结节可见度、筛查准确性。结果DLIR-H总NI和肺组织CNR为(21.14±1.35)Db、(13.70±1.96),低于ASIR-V和DLIR-M,DLIR-M低于ASIR-V(均P<0.05)。肺组织SNR为(26.85±3.46),高于ASIR-V和DLIR-M,DLIR-M高于ASIR-V(均P<0.05)。实性结节、磨玻璃结节NI和CNR均低于ASIR-V和DLIR-M,DLIR-M低于ASIR-V(均P<0.05)。实性结节、磨玻璃结节SNR高于ASIR-V和DLIRM结果,DLIR-M高于ASIR-V(均P<0.05)。DLIR-H图像质量评分、实性结节、磨玻璃结节可见评分均高于ASIR-V和DLIR-M结果,DLIR-M结果高于ASIR-V(均P<0.05)。DLIR-H肺结节准确率86.67%,高于ASIR-V和DLIR-M(P<0.05)。结论胸部CT扫描肺结节应用低剂量DLIR算法能够有效降低噪声,保证图像质量前提下提高诊断率。

基于高斯函数与正则化法的复杂温度场图像重建算法研究

针对高斯函数温度场重建算法在复杂温度场图像重建中精度较低问题,提出一种基于高斯函数级数与正则化方法相结合的复杂温度场重建算法,通过在温度场重建中加入火焰先验信息,实现在较少测量数据下炉内复杂温度场的重建。仿真结果表明,该算法比高斯函数温度场重建算法具有较高精度和抗干扰能力,而重建速度相当,可望将该算法用于电站锅炉炉膛的二维温度场重建。

基于遗传算法的组合ERT图像重建算法研究

针对目前电阻层析成像图像重建算法存在成像精度较低的问题,以及为了满足应用于多相流领域的精度要求,提出一种基于遗传算法的组合算法,将线性反投影算法、修正的牛顿-拉夫逊类算法与区间剖分引入遗传算法种群初始化操作中,同时为了改善单纯遗传算法局部搜索能力差与未成熟收敛的问题,将粒子群算法引入遗传算法变异操作中。实验结果表明组合算法效果明显优于线性反投影算法,修正的牛顿-拉夫逊类算法,有效克服了遗传算法早熟收敛现象,提高了成像精度。

正则化优化修正的电容层析成像图像重建算法

提出一种基于正则化优化修正的电容层析成像图像重建算法。首先利用 Tikhonov正则化法求解系统的逆问题 ,解决逆问题解的不适定性 ;然后利用优化修正法对初始图像进行修正 ,以提高重建图像的质量。实验结果表明 ,该法在重建图像质量和图像重建速率两方面均具有优势。

基于遗传算法电容层析成像图像重建算法的研究

采用了有限元法和归一化敏感场对传感器进行了仿真分析和计算,并提出了敏感场数值从有限元域到成像域的转换方法和一种新的基于遗传算法的ECT图像重建方法。该图像重建方法利用流型数据作为初始值在一定的范围内搜索最优解,能以较高的精度重建两相流体的断层图像,为ECT图像重建算法的研究提供了一个新的思路。

两相流参数测量ERT图像重建算法的研究

基于灵敏度理论建立了电阻层析成像(ERT)图像重建的数学模型,提出了一种将Tikhonov正则化技术和代数重建技术(ART)相结合的组合型ERT图像重建算法.研究表明,该算法较为稳定,能克服测量数据波动对图像重建的影响,同时仿真研究结果表明,与目前常用的灵敏度系数图像重建算法相比,该算法在图像重建质量方面得到了一定的改善.

电容层析成像传感器场域剖分及图像重建算法

电容层析成像传感器的敏感场受多相流介质分布的影响,软场特性给图像重建带来很大困难,为了提高重建图像质 量,对敏感场分布进行分析是非常必要的。采用有限元法,通过对敏感机理的分析,提出一种利用不等间距的场域剖分方法, 对敏感场分布进行计算机仿真,依据敏感场计算的数据及测量结果,提出了基于遗传算法的图像重建算法。实验证明有限元 模型是正确的,说明利用不等间距的剖分形式可以得到较好的仿真结果,重建的图像具有较高的精度。

改进敏感场的电容层析成像图像重建算法

针对电容层析成像系统中敏感场的"软场"特性,提出了一种基于成像敏感场灵敏度均值滤波的Landweber图像重建算法。该算法是通过模板卷积的方式对敏感场灵敏度进行邻域平均,降低靠近极板区域的灵敏度,提高管道中心区域的灵敏度,部分消除了因敏感场不均匀对图像重建质量的影响,提高图像重建精度。仿真结果表明,该算法在图像重建精度和收敛速度上均优于传统的Landweber图像重建算法。

改进牛顿–拉夫逊电阻层析成像图像重建算法

为了满足电阻层析成像图像重建算法应用于两相流领域的精度与实时性要求,提出一种改进牛顿–拉夫逊算法。针对牛顿–拉夫逊算法局部收敛的特点,将线性反投影算法成像结果作为新算法初始电阻率分布估计值,并利用基于改进粒子群算法的平衡法对海森矩阵进行预处理,降低条件数。同时在新算法迭代过程中,当振荡次数超过设定值时,采取自动更新灵敏度矩阵的策略。仿真与实验结果表明,与线性反投影算法、兰德韦伯算法及简化牛顿–拉夫逊算法相比,新算法降低了图像重建误差,有效提高了图像重建质量;而与标准牛顿–拉夫逊算法相比,新算法在满足成像精度前提下,避免了每次迭代均需更新灵敏度矩阵的缺点,提高了算法收敛速度。

层析成像图像重建算法综述

介绍了层析成像技术的图像重建算法,并从正向问题数学模型的简化和反向问题数学模型的映射结构的角度比较了各种算法的特点和优劣。研究表明:用本质是线性算法的各种变换方法重建图像存在严重失真,而卷积滤波的引入可以使变换方法的重建效果有所改善;基于导数搜索的迭代算法对初始值依赖性强、收敛速度慢并且容易陷入局部最优解;基于Fourier变换的方法具有本质的局限性;小波变换则可以同时刻画图像时域和频域的细节特征;有限元法通过重建对象像素的智能划分可以简化正问题的复杂性;而具有物理背景的蒙特卡罗法、模拟退火法、遗传算法、粒子滤波法及神经网络法更适合于复杂且非线性的图像重建;智能化、仿生化、并行化以及各种算法的融合是层析成像图像重建算法的发展趋势。

改进Landweber预迭代ERT图像重建算法

由于电阻层析成像问题本身严重病态,导致重建图像分辨率较低。为了提高重建图像精度,提出一种改进Landweber预迭代图像重建算法。首先,利用改进粒子群算法离线优化灵敏度矩阵,改善其病态程度,同时缩小满足算法收敛条件的增益因子取值范围;再设置4种典型流型,计算算法重建图像与其相关系数的平均值,并将平均值作为适应度函数,利用改进粒子群算法离线选择Landweber预迭代算法增益因子,并将改进算法应用于两相流典型流型与复合流型图像重建。实验结果表明,相同实验条件下,与在线预迭代(offline iteration online reconstruction,OIOR)算法、经验选择增益因子Landweber预迭代算法相比,新算法有效提高了图像重建质量,而与修正牛顿-拉夫逊算法相比,在不影响成像精度的前提下,提高了算法实时性。

正则化广义逆ERT图像重建算法的研究

提出一种正则化广义逆 ERT图像重建算法 ,利用 ERT仿真软件得到的数据进行图像重建。与常用的 ERT图像重建算法进行比较 ,重建出的图像经过统一的门限滤波后 ,反投影算法、灵敏度系数算法和正则化广义逆 ERT图像重建算法重建图像的 CSIE平均值分别为 12 % ,9%和 6 %。研究表明 ,正则化广义逆 ERT图像重建算法重建速度快 ,能显著提高重建图像的质量 。

多相流测量用动态电容层析成像图像重建算法

提出了融合ECT测量信息和被测对象动态演化信息的新型图像重建模型;基于Tikhonov正则化方法,建立一个同时考虑了ECT测量信息、被测对象动态演化信息、时间与空间约束的新型图像重建目标泛涵,将图像重建问题转化为最优化问题;提出了集成分裂Bregman迭代法优势的新型算法求解该目标泛涵。数值仿真结果表明,所提出的图像重建算法其图像重建质量均优于OIOR算法、STR算法及PLI算法;同时由于所提出的图像重建算法同时考虑了测量数据和重建模型的不精确性,其抵抗测量噪声的能力得以提高。

用于电容层析成像的一步稳定图像重建算法

本文提出一种基于Landweber迭代的电容层析成像系统一步稳定图像重建算法。该算法通过构建压缩算子可以克服传统Landweber迭代方法存在的半收敛性,得到稳定的重建图像。同时该算法的矩阵算子可以预先计算,然后通过一步矩阵运算实现图像重构。实验结果表明,该算法可保证重建图像的实时性和鲁棒性。

最小交叉熵图像重建算法

CT技术通过扫描和图像重建算法,获取被检物场断层图像。由于具有非侵入性、可视化等特点,该技术在工业领域获得广泛应用。为了提高CT系统重建图像的分辨率,提出一种信息扩充策略,并以此为基础采用两种最小交叉熵算法——MAP和SMART,对多相流CT系统进行图像重建。与传统ART算法相比,最小交叉熵算法有效提高了重建图像的分辨率,减少重构图像伪影。仿真和实验结果表明,基于信息扩充的SMART算法不仅改进了重建图像质量,而且提高了实时性。

电容层析成像中图像重建算法评述

电容传感器具有非侵入、响应快、低成本、测量范围宽及易于安装等特点,在多相流在线检测中具有良好的发展前景。 电容层析成像中图像的重建算法与技术,是其在工业实际中得以应用的关键。近年来在图像重建方面的研究取得了较大的进 展,Tikhonov正则法,基于LBP迭代法、Landweber迭代法、同步迭代法及神经元网络法等对图像重建精度比LBP方法都有 了明显的提高,但其重建速度有待于进一步提高以适应在线应用。

EIT图像重建算法的进展研究

介绍近年来在EIT图像重建算法方面的一些新进展。包括处理电极位置不确定或移动的影响;测量边界形状变化影响的算法;手持平批面阵列探头3D重建算法;EIT测量电路建模及优化;组织参数动态多频EIT在体重建;减小皮肤层边界效应的EIT算法等。