CT图像环形伪影去除方法研究现状及展望

环形伪影是各类型计算机断层扫描(CT)图像中最常见的伪影之一,通常是由于探测器像素对X射线响应不一致导致的。有效去除环形伪影能极大提高CT图像质量,提升后期诊断和分析的精度,是CT图像重建中的必要步骤。因此,对环形伪影去除(又称“环形伪影校正”)方法进行了系统梳理。首先,介绍环形伪影的表现和成因,给出常用的数据集、算法库;其次,依次介绍基于探测器校正、基于解析和迭代求解(分为投影数据预处理、CT图像重建、CT图像后处理环节)、基于深度学习(分为卷积神经网络、生成对抗网络)的环形伪影去除方法,并分析每类方法的原理、发展过程及优缺点;最后,归纳现有环形伪影去除方法在鲁棒性、数据集多样化、模型构建等方面存在的技术瓶颈,并对解决方案进行展望。

基于残差编解码-生成对抗网络的正弦图修复的稀疏角度锥束CT图像重建

稀疏投影可有效缩短锥束CT(CBCT)扫描剂量和扫描时间,但会导致重建图像中出现大量条状伪影。正弦图修复可以生成缺失角度的投影数据,并提高重建图像质量。基于这些,提出了一种用于稀疏角度CBCT重建的正弦图修复的残差编解码-生成对抗网络(RED-GAN)。该网络利用残差编解码结构(RED)模块替换Pix2pixGAN(Pix2pixGenerative Adversarial Network)中的U-Net生成器,并利用基于PatchGAN(Patch Generative Adversarial Network)的条件判别器鉴别修复后的正弦图和真实正弦图,从而进一步提升网络性能。利用真实CBCT投影数据进行网络训练后,分别在1/2、1/3、1/4稀疏采样条件下测试所提网络,并把RED-GAN与线性插值法、残差编解码-卷积神经网络(RED-CNN)和Pix2pixGAN对比。实验结果表明,RED-GAN的正弦图修复结果在3种条件下均优于对比方法,并在1/4稀疏采样条件下所提网络的优势最为明显。在正弦图域中,RED-GAN的均方根误差(RMSE)下降了7.2%,峰值信噪比(PSNR)上升了1.5%,结构相似性(SSIM)上升了1.4%;在重建图像域中,RMSE下降了5.4%,PSNR上升了1.6%,SSIM上升了1.0%。可见,RED-GAN适用于高质量的稀疏角度CBCT重建,在快速低剂量CBCT扫描领域具有潜在的应用价值。

基于预测与JPEG2000的高光谱图像无损压缩方法

随着成像光谱仪向着高光谱分辨率、高空间分辨率方向发展,高光谱图像的数据量呈几何级数增长。由于数据传输和存储能力的限制,必须对高光谱图像进行有效压缩。首先,对高光谱图像的相关性进行了深入分析,得知其具有一定的空间相关性和极强的谱间相关性,从而具有较强的可压缩性。其次,结合JPEG2000对DPCM进行了修改,提出了基于一阶线性预测与JPEG2000相结合的无损压缩方案。最后,在软件平台上实现了该方案,并取得了较好的压缩效果。结果表明,该方案可以有效的实现高光谱图像无损压缩,验证了方案的可行性,为硬件平台上实现该方案提供了理论依据。

基于双目立体视觉测量数据的空间圆拟合方法对比

为了找出测量工程应用中最优的空间圆拟合方法,进行了基于双目立体视觉测量数据的空间圆拟合方法对比.根据相交成空间圆的平面和球面的求解次序及关联性,将现有5种拟合方法分为平面与球面共同求解、平面与球面独立求解、平面与球面关联性求解3类;利用自行研制的双目立体视觉系统,采集3组随多齿分度台做圆周运动的靶标的空间坐标作为拟合数据;以心面距、平面度、圆度为拟合精度评价指标,通过空间圆拟合试验,对比分析各拟合方法的性能及影响因素.试验结果表明:球面需要平面约束才能正确求解;先利用最小二乘平差法求解平面法向量和常系数,再利用坐标系变换法或中垂面法求解球心和半径是最优拟合方法;增加测量点数能够提高拟合精度.

一种基于先验图像的锥束CT金属伪影校正算法

为了有效抑制锥束CT(CBCT)重建中金属植入物引入的伪影,提出一种基于先验图像的金属伪影校正算法。首先对含金属伪影的重建图像进行双边滤波、金属阈值分割、组织聚类等预处理,获得金属图像和不含金属信息的先验图像;再对二者正向投影,获得金属投影区域和先验投影数据;而后利用先验投影数据及金属边界邻域的投影数据对金属投影区域插值,获得修复的投影数据;最后利用FDK算法对修复的投影数据重建,并将其与金属图像融合,获得最终的校正图像。为了验证该算法的性能,利用三维Shepp-Logan头部模型数据和临床头部CT数据开展金属伪影校正实验,结果表明:与常用的线性插值算法和图像修补算法相比,该算法的校正图像均方根误差最小、峰值信噪比最大。这说明该算法在有效保留图像边缘信息的同时,可有效地抑制金属伪影。

凸面光栅成像光谱仪图像数据实时压缩技术

凸面光栅成像光谱仪图像数据量巨大,给数据的传输和存储带来了压力,因此要对图像数据进行实时压缩。首先根据成像原理对图像数据的特点进行了分析,得出去除空间相关性和谱间相关性的压缩途径;然后,进行了压缩算法分析,提出了在谱间进行一阶线性预测、谱内进行JPEG2000压缩的三维压缩方案;最后,设计了基于FPGA+ADV212的实时压缩系统,其中FPGA用于逻辑控制和预测算法实现,ADV212用于JPEG2000压缩。分析结果表明:该系统具备无损和有损压缩能力,能够实现图像数据实时压缩。

一种基于多目立体视觉的手术器械跟踪定位策略

提出了一种基于多目立体视觉的手术器械跟踪定位策略.利用2个以上的摄像机构建多目立体视觉系统,采用投影线交点法重建靶标的空间坐标.当无光线遮挡时,通过扩展投影线方程数量进行多目立体重建;当某一摄像机的光线被遮挡时,进行双目立体重建.利用自行搭建的三目立体视觉系统,通过自制的多标志点手术器械的跟踪定位试验,实现对该策略有效性的测试.结果表明:在不同光线遮挡条件下,系统均能实现定位功能,且静态定位和动态定位误差均小于0.15 mm;该策略能够在一定程度上解决光线遮挡问题,避免手术器械定位信息丢失,在满足使用精度需求的情况下,提高了系统的可靠性.

用于乳腺超声透射断层成像的飞行时间精确计算方法

目的:针对乳腺超声透射断层成像,提出一种精确计算超声波飞行时间(TOF)的方法,用于乳腺声速图像的高质量重建。方法:利用k-wave平台设置超声透射断层扫描环境,获取两种不同复杂度的数字乳腺体模的扫描数据,分别使用提出的极值点法及常用的阈值法、过零点法和峰值法计算出TOF,并借助滤波反投影算法重建声速图像。结果:简单体模的成像实验表明,利用峰值法计算的TOF难以重建出完整的声速图像。复杂体模的成像实验表明,利用极值点法计算的TOF重建出的声速图像在均方根误差和结构相似度指数上均最优,与阈值法和过零点法相比,极值点法对应均方根误差分别减少了6.32%、1.26%,结构相似度指数分别增加了3.31%、6.63%。结论:本研究提出的极值点法能够精确计算出TOF,有助于乳腺超声透射断层成像进行高质量的声速图像重建。

一种基于CycleGAN改进的低剂量CT图像增强网络

低剂量CT是一种有效且相对安全的胸腹部疾病筛查手段,但图像中的伪影和噪声会严重影响医生的诊断。基于深度学习的图像增强方法中网络训练大多依赖于难以获取的配对数据,即同一患者相同部位像素级匹配的低剂量和常规剂量CT图像。针对非配对数据,提出了一种基于循环一致性生成对抗网络(CycleGAN)改进的低剂量CT图像增强网络,在生成器前添加浅层特征预提取模块,增强对CT图像特征的提取能力;并利用深度可分离卷积替换生成器中的部分普通卷积,减少网络参数和显存占用。该网络使用3275张低剂量CT图像和2790张非配对常规剂量CT图像进行训练,另外1716张低剂量CT图像进行测试。结果表明,该网络生成的CT图像的平均感知图像质量评价指标(PIQE)为45.53,比CycleGAN的结果降低了8.3%,更远低于三维块匹配滤波(BM3D)31.9%、无监督图像转换网络(UNIT)20.9%,且在结构细节保持、噪声和伪影抑制方面均获得了更好的主观视觉效果,是一种具有潜在临床应用前景的低剂量CT图像增强方法。

一种新的构建序列影像与呼吸信号对应关系的方法

构建肺部呼吸运动模型时,为了快速准确地确定序列影像在呼吸周期中的位置,提出了一种距离对应关联法,通过标记物相同时间段内在4D CT中和呼吸信号中的位移量的比较,确定4D CT和呼吸信号的对应关系.采用该方法建立双目立体视觉系统获取的呼吸信号和4D CT的对应关系,并以构建的肺部呼吸运动线性模型的模型误差验证方法的有效性.试验结果表明,基于距离对应关联法构建的肺部线性模型的模型误差在2.5 mm以内,相对于梯度对应关联法,模型误差降低超过10%;本方法简单易行、精度高,适合构建序列影像与呼吸信号间的对应关系.

应用SFM和多视图面片实现牙模三维重建

为了从图像序列中恢复牙齿的三维结构,对从运动中恢复(SFM)和多视图面片(PMVS)三维重建方法进行了研究;首先,利用SFM方法从图像序列中恢复相机参数并估计相机位置;其次,针对标定好的序列图像,通过Harris和DOG检测特征点并在图像对中匹配,得到一系列稀疏的面片,根据光照一致性扩展这些初始的匹配到邻近像素,得到比较密集的面片,然后利用可视化约束条件,消除错误的匹配,最终生成三维模型的面片集合;最后把生成的面片集合转换为点云集合;经过大量的实验得出了一组具有较好实验效果的参数,分别为β1=2,β2=16,μ=5,α0=0.5;实验结果表明,该算法能够有效地重建出牙齿的三维结构,并具有很好的视觉效果;SFM方法能够有效地标定相机,基于多视图面片三维重建方法能够很好地重建出物体的三维模型,两种方法相结合是非常好的三维重建方法。