基于全变分正则项展开的迭代去噪网络

针对神经网络训练存在解释能力差以及不稳定问题,提出一种基于CP(Chambolle-Pock)算法求解的全变分(TV)正则项展开去噪网络(CPTV-Net),用于解决低剂量计算机断层扫描(LDCT)图像去噪问题。首先,向L1正则项模型引入TV约束项,以保留图像的结构信息;其次,采用CP算法对去噪模型进行求解并得出具体迭代步骤,保证算法的收敛性;最后,借助浅层卷积神经网络学习线性操作的原始对偶变量迭代公式,用神经网络计算模型的解,并通过收集网络参数优化合并数据。在模拟和真实LDCT数据集上的实验结果表明,与残差编码器-解码器卷积神经网络(REDCNN)、TED-Net(Transformer Encoder-decoder Dilation Network)等五种先进的去噪方法相比,CPTV-Net具有较优的峰值信噪比(PSNR)、结构相似度(SSIM)和视觉信息保真度(VIF)评估值,能生成去噪效果明显和细节保留最为完整的LDCT图像。

光源探测器阵列密度对近红外漫射光相关断层成像的影响

近红外漫射光相关断层成像技术(Diffuse Correlation Tomography,DCT)是一种乳腺微血管血流成像的新技术,但成像的空间分辨率不足,高密度光源探测器(Source and Detector,S-D)阵列的布置方式是否可以有效提高DCT空间分辨率目前尚不清楚。为了研究S-D阵列密度对于DCT血流重建图像空间分辨率的影响,设计了3种S-D阵列,密度分别为24、48和96。结合蒙特卡洛仿真和DCT血流图像重建方法,研究了S-D阵列对于2种含有高血流异质物(模拟乳腺恶性肿瘤)的乳腺组织血流重建效果的影响。结果表明,高密度的SD阵列交错排布可以提高DCT血流重建的空间分辨率,可提升临床早期筛查时乳腺恶性肿瘤成像的精确性和稳定性。

基于近红外漫射光谱的离体血氧测量技术研究

基于近红外漫射光谱技术(Near-Infrared Diffuse Optical Spectroscopy,NIRS)和修正的比尔朗伯定律(Modified Beer-LambertLaw,MBLL)提出了一种适用于离体血液的新型氧含量测量方法,同时开发了血氧实时监测系统以实现体外循环血氧参数的连续监测。NIRS利用脱氧血红蛋白和氧合血红蛋白对两种波长近红外光吸收率的差异来计算组织的吸收和散射系数,朗伯-比尔定律是表征光强衰减与光子传输路径关系的数学表达式,将二者结合可估算血红蛋白的吸收系数;与传统的测量方式不同,本文所提出的透射式测量方法,通过双波长(660~904 nm)光源探头交替切换可获取多参数的光学信号,信号实时上传至采集界面(LabVIEW),经过对数化处理,并结合创新的血氧算法得到血液吸收系数、血氧饱和度与光信号的线性模型。为了验证本文研究方案的可行性,开展了液态仿体实验和离体血溶液实验,以滴入溶液墨水体积(仿体实验)和酵母溶液体积(血溶液实验)为变量,通过调控溶液浓度改变光密度变化幅度,证实二者均与光密度(DO)具有良好的线性关系(r^(2)>0.95,p<0.01)。本研究所提出的新型血氧测量方法和血氧实时监测系统适合于离体血液的血氧测量,数据准确可靠、重复稳定性好。

基于自适应加权增强总变差的CT偏置扫描重建算法

基于降低设备制造成本或辐射剂量等目的,计算机断层成像(Computer Tomography,CT)中的一个实际需求是以有限的探测器尺寸来获得更大的视野(Field of View,FOV),通过将探测器放置在横向偏移位置可以有效的扩大FOV。然而,常规的重建算法无法精确重建偏置投影数据,针对这一问题,本文提出了一种基于自适应加权增强总变差最小化的偏置重建模型及CP(Chambolle-Pock)求解算法。具体来说,构建自适应加权增强总变差范数作为正则项,其中自适应权重根据局部增强梯度自适应调整权值,进而设计了一种基于自适应加权增强总变差最小化的偏置重建模型(Weighted Adaptive-weight reinforced Total Variation,WAwrTV),并推导出了相应的CP算法。实验结果表明,所提算法能有效的重建偏置投影数据并提高重建精度,且具有良好的抗噪性能。

基于近红外漫射光技术的脑血流断层成像研究

目的脑部微血管血流动力学参数对于很多疾病的诊断和评估具有重要意义,为实现人体脑部微血管血流无创、低成本的空间影像重建,研发近红外漫射光相关断层成像(Near-Infrared Diffuse Light Correlation Tomography,DCT)技术,用于组织血流的三维成像。方法采用Bregman-TV算法求解DCT中待重构的病态方程组,选取10名健康受试者进行头上位倾斜(Head-Up-Tilting,HUT)脑部血流成像实验,诱发受试者脑部血流发生变化,分析受试者在平躺以及倾斜至70°两种状态下的脑血流变化。结果HUT实验结果表明,受试者在平躺时脑部血流较大,当倾斜床向上倾斜至70°状态时,受试者血流影像显示其脑部血流降低,实验结果与理论相符。结论本研究中的DCT系统可以将患者的脑部血流状况直观、快速地呈现给医生,具有较高的临床应用价值。

近红外漫射光相关断层成像的乳腺光纤探头设计

为获得稳定的光学信号,提高近红外漫射光相关断层成像技术(diffuse correlation tomography,DCT)的诊断效率,本研究结合阵列式光开关,设计了一种适用于DCT的弧面式光学乳腺探头,可将DCT检测部位扩展到人体乳腺组织。为验证该乳腺探头的有效性及实用性,本研究设计了相应的乳腺仿体,并进行了仿体实验。结果表明,该乳腺探头可较好地契合DCT设备,并能捕捉微弱的血流变化,有望促进DCT技术在早期乳腺恶性肿瘤筛查中的临床应用。

基于模糊熵的X射线图像局部对比度拉伸增强算法

在基于X射线的工件缺陷检测中,X射线图像往往存在亮度低、对比度低的问题。传统的局部对比度拉伸方法在增强图像的同时,容易引入噪音和光晕效应。针对此问题,提出了一种基于模糊熵的X射线图像局部对比度拉伸增强算法,该算法通过引入图像模糊熵来控制局部区域的对比度拉伸,使图像均匀区域和边缘区域得到了不同程度的对比度拉伸。实验结果表明,该算法在增强图像细节的同时对噪声和边缘光晕现象进行了削弱,增强了图像的整体质量。

稳态视觉诱发电位信号的预处理滤波设计及实验评测

为实现低噪声、高质量的脑电信号传输,增强稳态视觉诱发电位(steady-state visual evoked potentials,SSVEP)脑机接口系统的应用能力,本研究设计了一种高效的SSVEP信号预处理滤波方法,用于去除伪迹与信号漂移。首先,本研究基于前期研究的含噪数据,进行了离线分析验证,并使用网格搜索方法,优化各滤波环节中的参数设定;然后,设计了38个刺激目标的拼写器,并纳入20名健康受试者进行在线分析。结果表明,在2、3 s时间窗下,经预处理滤波后的信号分类准确率分别提升了8.88%与6.66%,信息传输速率分别提升了19.59%与10.5%。此外,将受试者分为初试组与经验组,并进行配对单因素方差检验,证实两组准确率具有显著差异(P_(2s_acc)=0.02,P_(3s_acc)=0.028)。本研究的预处理滤波方法可高效去除SSVEP信号在时域与频域中的伪迹与噪声,提高分类识别的准确率,能够对其他范式脑机接口的信号预处理工作提供参考。

基于漫射光相关谱和红细胞运动规律的组织血流灌注研究

目的根据红细胞运动原理建立红细胞运动与组织灌注间的联系,探究漫射光相关谱(Diffuse Correlation Spectroscopy,DCS)测量血流指数的物理和生理意义。方法结合朗之万方程及流体动力学来研究红细胞的运动及受力情况,并根据其在组织内的扩散规律来获得组织灌注特征。在计算机仿真中,利用COMSOL有限元软件搭建微血管网络结构模型,根据以上的动力学规律获得粒子运动的均方位移与体积增量间的联系。结果经过理论分析及仿真验证,发现微血管中红细胞的运动不是自发的热布朗运动,而是受流体动力学主导的主动扩散运动,且粒子的均方位移与体积增量呈正向非线性关系。结论DCS测量的血流指数虽然与传统意义上的生理血流单位不同,但该血流指数可以表征深层组织微血管的血流状态,并作为衡量组织灌注能力的指标。

结合Tikhonov正则化方法的近红外漫射光血流成像技术

近红外漫射相关光谱与断层成像(DCS/DCT)是一类实现生物组织血流测量和成像的较新技术,其中图像重建方法与血流成像的质量密切相关。目前常用的解析表达式和有限元方法存在局限性,影响了血流重建图像的精确性和稳定性。本文根据一种新型的N-阶线性算法,并结合Tikhonov正则化方法提出了DCT的血流重建技术(称为Tikhonov-DCT技术)。在本技术中,通过光子在组织中的蒙特卡罗仿真,被测组织的几何形态和内部特征得到了充分的利用。此外,Tikhonov正则化很大程度地改善了图像重建问题的病态性,提高了成像的精确性和稳定性。在真实头部模型进行的仿真结果表明,利用Tikhonov-DCT重建的异常组织血流数值和位置准确,边缘保持较好。本技术有潜力用于优化光学传感器位置和数量,以及应用于各种生理及临床中的血流成像中。

基于正则化的混合准则放疗规划模型的改进

针对调强放射治疗中基于等效均匀剂量线性目标函数的物理生物混合准则模型的不足,利用正则化理论构造了最大函数的平滑和凸正则化函数,改进了基于等效均匀剂量线性目标函数的混合准则放疗规划模型,解决了原模型限制优化算法寻优能力和难以确定梯度算法步长的问题。实验证明,该方法可以在保证相似靶区剂量覆盖特性的前提下,更好地保护危及器官,提高了放疗计划质量。

超声驻波悬浮特性仿真研究

为了研究驻波悬浮器参数对声悬浮能力大小的影响,使用多物理场有限元仿真软件COMSOL Multiphysics,对驻波声场进行仿真.通过改变谐振腔长度来影响驻波形成条件,得出驻波声压随谐振腔长度的变化关系;在特定超声频率及振幅下,通过控制超声换能器及反射面的尺寸,得到声压随悬浮器尺寸改变的曲线,从而获得最佳悬浮效果所需的模型参数;使用粒子追踪模块,仿真粒子在声场中的悬浮情况,并以可视化方式展示结果,反映出粒子悬浮位置与声压分布的关系.

基于VGG网络与深层字典的低剂量CT图像去噪算法

低剂量计算机断层扫描(LDCT)能够有效降低X射线辐射对人体健康造成的危害,已广泛应用于医学临床诊断。针对LDCT图像中存在大量的斑点噪声和条形伪影的问题,提出一种结合改进的VGG网络和深层字典的图像去噪算法,以弥补深层字典去噪能力的不足。在深层字典学习到第一层字典原子和稀疏矩阵后,通过改进的VGG网络将字典原子区分为信息原子和噪声原子,同时将稀疏矩阵中噪声原子所对应的元素设置为零,降低噪声原子对图像去噪效果的影响。实验结果表明,与K-SVD算法、正则化K-SVD算法和深层字典学习算法相比,该算法的峰值信噪比和结构相似性指数平均提高了1.4 dB和0.03,能够有效抑制LDCT图像噪声和伪影,且保留较多的边缘和细节信息。

基于深度学习的低剂量CT成像算法研究进展

计算机断层扫描成像(CT)技术具有成像速度快分辨率高的优点,广泛应用于医学临床诊断中。然而,提高剂量辐射会引发人体组织器官受损,降低剂量又会造成成像质量严重下降。为解决上述矛盾,在确保成像质量满足临床诊断需求的条件下,研究如何最大程度地降低X射线辐射对人体造成的伤害,已成为低剂量CT成像技术的研究热点。近年来,在人工智能领域深度学习方法快速发展,已广泛应用于图像处理、模式识别、信号处理等领域。与此同时,大数据驱动下的深度学习方法在LDCT成像领域的应用也有了长足的发展。本文从CT成像的过程、低剂量CT噪声建模以及成像算法的设计3方面,介绍近年来国内外低剂量CT成像算法的发展,尤其对深度学习领域的成像算法进行阐述与分析,并对LDCT图像成像领域未来的发展进行展望。

Faster＿RCNN用于工业火花塞图像焊缝缺陷检测

工业火花塞图像数据量大,焊缝宽度小且肉眼不易分辨.传统火花塞焊缝图像缺陷检测依赖人工手动完成,任务繁琐,个人经验占比大,检测标准不一,导致图像检测结果有误差.针对上述情况,对工业X射线火花塞焊缝图像进行了深入研究,提出了一种基于快速区域卷积神经网络(Faster_RCNN)的目标检测方法对焊缝图像精确定位并提取.由于火花塞焊缝是直线,利用图论方法对焊缝进行直线检测,之后提取出焊缝,校正倾斜焊缝直线并计算出其高度,最后加入焊缝判断系统,筛选出不合格的火花塞图像.实验结果表明,工业X射线焊缝缺陷检测准确率高于93%,误判漏判率低,有效缩短检测时间,提高工业检测效率,对实际工业火花塞智能检测有重要意义.

基于局部边缘保持滤波器多尺度分解的工业射线图像增强

在利用X射线检测复杂构造工件时,由于工件薄厚不均,会出现某些区域过曝光或欠曝光而导致细节丢失的情况。针对这一问题,提出了一种基于局部边缘保持滤波(LEP)的多尺度分解增强算法。首先,原始高动态图像经过对数化后通过LEP滤波器得到基本层,将对数化后的图像与基本层做差得到表示小梯度的细节层;然后将滤波半径逐步增大的LEP滤波器对基本层进行多次迭代滤波后做差得到多个细节层,对得到的多个细节层进行S型曲线映射后融合;最后将结果与原始高动态图像线性压缩后进行gamma变换然后归一化的结构层相加,得到的图像通过对比度受限的自适应直方图均衡化(CLAHE)的处理,便得到了背景与工件对比度很高且细节清晰的低动态范围图像。实验结果表明,提出的方法对复杂构建的工件具有明显的增强效果,并且算法效率很高。

诱发生理状态下的脑血流动力学的无创光学评估

许多脑部疾病影响人体自我调节能力,可以通过测量脑部血流(Cerebral Blood Flow,CBF)来评估脑自我调节能力。本研究中利用课题组自行开发的近红外光相关谱血流仪来无创检测CBF,同时使用无创连续血压仪来检测人体的平均动脉压(Mean Arterial Pressure,MAP)。10名健康受试者参加了本研究,我们设计70°头上位倾斜试验来诱发血流动力学的变化,并测量了CBF与MAP的动态关系。使用功率谱分析,我们观察到MAP和CBF数据中约0.1 Hz的人体自发性低频振荡,并且在头上位倾斜试验过程中,MAP和CBF的相关性为78%。本研究提供了脑部自我调节能力的评估方法,对于今后的脑功能评估和疾病诊断具有重要意义。

基于残差局部幂的分数阶各项异性扩散低剂量CT降噪算法

针对低剂量CT(Computed Tomography)图像中由于噪声影响而引起医学误诊的问题,提出了一种基于残差局部幂的分数阶各项异性扩散低剂量CT图像降噪算法.该方法将残差局部幂作为纹理检测算子加入分数阶各项异性扩散模型的扩散系数中,充分利用了残差图像中纹理、细节和边缘信息,有效增强了分数阶各项异性扩散算法的降噪性能.Shepp-Logan和实际腹部医疗数据仿真实验结果表明,该算法在抑制噪声和保持图像纹理、细节和边缘方面均优于传统的低剂量CT降噪算法.

基于3D打印技术的血流成像光纤探头设计

目的使用3D打印技术设计制作一种适合近红外漫射光相关层析成像技术的光纤探头,以获取更精准的组织血流值。方法使用Solidworks软件进行光纤探头的3D建模,根据设计模型,利用光敏树脂材料完成光纤探头的3D打印;并利用3D打印的平板式光学探头在仿体实验和人体实验中进行有效性验证。结果在仿体实验中,使用3D打印技术设计的血流成像探头可以将异质物进行清晰成像和准确定位;在人体实验中,可以准确稳定的获取30例受试者的人体头部组织的血流变化并进行成像。结论使用3D打印技术制作的光纤探头适用于近红外漫射光相关层析成像,可以准确地获取组织血流变化,该探头有望用于脑部多种疾病的临床诊断与治疗评估。

基于加权平均的工业CT旋转中心校正方法

旋转中心的精确定位是重建高质量CT图像的一个重要条件。本文提出一种基于加权平均的旋转中心校正方法,该方法首先将投影正弦图以180°为界限分成两组投影数据,计算出这两组投影数据的互相关系数及其对应的探测器探元坐标,然后使用最大与次最大的互相关系数对探测器探元坐标值进行加权平均得到实际旋转中心坐标。本文所提算法完全基于原始投影数据,无需确定CT测量的几何参数,不用提前对投影数据进行插值运算就可以将旋转中心精确到亚像素级,精度更高,实现简单。