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。

基于多层次特征聚合的图像压缩伪影去除方法

压缩图像伪影去除作为一个图像恢复的子任务,目的是从有损压缩图像中恢复出高质量图像。现有基于Transformer的方法在计算自注意力时杂度过高,不适用于高分辨图像。有多种方法都被提出用来减小Transformer的计算量,但都会造成恢复效果下降。对此,提出一个CNN和Transformer结合的高效多层次特征聚合网络EMFANet。图像中在整体、部分和细小范围内存在全局、区域和局部特征,对于全局特征建模采用具有线性复杂度的自注意力,对于区域特征建模采用具有随机移位的窗口自注意力,对于局部特征建模采用基于通道注意力的轻量级卷积。经过实验验证,所提出的方法在JPEG压缩伪影去除任务上实现了较为先进的性能。

基于注意力门UNet网络的CT金属伪影去除方法

目前,UNet基本模型对带有金属伪影的CT图像的去除能力无法有效满足需求,UNet的结构简单无法提取出足够精确的有效结构和细节信息,并且深层卷积对低级特征的信息利用不够充分;针对上述问题,提出了一个基于注意力门的UNet金属伪影去除网络,该网络采用了注意力门对低层级和高层级的信息进行注意力权重处理,并利用跳跃连接机制到特征解码结构以提高生成CT图像的质量,通过多层级的编解码结构得到最终的去除金属伪影CT图像;实验结果表明,该方法在视觉上取得了更好的条状和带状伪影去除效果的CT图像,并在PSNR指标上取得了35.5913,在FSIM指标上取得了0.9613,在SSIM指标上取得了0.9288的成绩;与ADN、cGANMAR、UNet、CNNMAR、CycleGAN等目前已有的方法相比,该方法在诸多方面均取得了显著的优势。

基于顶帽运算和各向异性扩散的CT图像金属伪影去除

金属伪影的存在严重降低了CT图像的质量和诊断价值.现有的基于先验的金属伪影去除方法大多数都是从插值图像中获得先验图像,而错误的金属分割常常会导致最终校正图像中的伪影残留和组织结构丢失.针对这一问题,提出了一种基于顶帽运算和各向异性扩散滤波的归一化金属伪影去除算法.顶帽运算可以恢复由线性插值引起的骨骼结构丢失问题,且各向异性扩散滤波具有保留图像边缘细节同时减少噪声的作用,可以去除图像中的残留伪影,从而获得质量更好的先验图像.实验结果表明,与经典的金属伪影校正算法相比,提出的算法可以有效减少金属伪影,避免引入二次伪影,同时保留金属植入物周围的骨骼和精细结构.

基于Transformer的结构强化IVOCT导丝伪影去除方法

为去除导丝伪影以提高血管内光学相干断层扫描(IVOCT)的图像质量,辅助医师更加准确地诊断心血管疾病,降低误诊及漏诊的概率,针对IVOCT图像结构信息复杂且伪影区域占比大的难点,提出一种采用生成对抗网络(GAN)架构的基于Transformer的结构强化网络(SETN)。首先,GAN的生成器在提取纹理特征的原始图像(ORI)主干生成网络的基础上,并联了RTV(Relative Total Variation)图像强化生成网络用于获取图像的结构信息;其次,在ORI/RTV图像的伪影区域重建过程中,引入了分别关注时/空间域信息的Transformer编码器,用于捕获IVOCT图像序列的上下文信息以及纹理/结构特征之间的关联性;最后,利用结构特征融合模块将不同层次的结构特征融入ORI主干生成网络的解码阶段,配合判别器完成导丝伪影区域的图像重建。实验结果表明,SETN的导丝伪影去除结果在纹理和结构的重建上均十分优秀。此外,导丝伪影去除后IVOCT图像质量的提高,对于IVOCT图像的易损斑块分割及管腔轮廓线提取任务均具有积极意义。

基于变换域注意力机制的压缩伪影去除的方法

图像有损压缩过程往往会导致图像质量退化,使图像出现压缩伪影。针对现有基于深度学习的方法缺乏对联合图像专家组(Joint Photographic Experts Group,JPEG)压缩算法先验信息的利用,提出一种基于变换域注意力机制的去伪影方法。该方法利用卷积神经网络在像素域和离散余弦变换(discrete cosine transform,DCT)域分别提取特征,再将双域学习的特征信息进行融合。利用量化表设计了DCT注意力机制,该模块根据DCT系数的损失程度给予各频率系数不同的权值,使网络自适应补偿量化引起的误差。于此基础上,在像素域引入通道注意力机制,从而更好地利用量化表的先验信息。在主要数据集上,提出的去伪影方法以固定的模型参数对多种质量因子的压缩图像进行伪影去除实验。实验结果表明,所提出的方法在各评价指标和主观视觉上取得较好的效果。

多尺度对称压缩伪影去除神经网络

图像压缩给图像带来极其复杂的压缩伪影,不仅影响人类的视觉感知,还会给目标检测等重要领域带来极大的负面影响。为了解决这一问题,提出了一个多尺度对称网络(MSSNN)来去除压缩伪影,进行压缩后图像的质量恢复,在获取基础映射的同时,得到更多不同尺度的映射特征,利用残差结构更快更好地提取和整合特征信息,并且使用一种混合损失函数控制模型训练。实验表明,所提网络可以以更少的参数代价更好地恢复图像,并且经过实验验证可以提升目标检测的效果。

能谱CT虚拟单能图像重建和金属伪影去除算法在减少脊柱金属植入物伪影中的应用

目的 比较能谱CT金属伪影去除算法及虚拟单能图像重建与传统迭代重建在减少脊柱金属植入物伪影的差异。方法 56例脊柱矫形术接受金属植入物行标准能谱CT检查,包括常规迭代重建、金属伪影去除算法和虚拟单能图像重建。测量衰减系数(HU)和噪声(SD),以计算椎旁肌和椎管的信噪比。两名放射科医师独立评价图像质量和伪影减少程度。结果 与常规迭代重建相比,金属伪影去除算法和高keV虚拟单能图像显著降低低密度伪影及高密度伪影。与常规迭代重建相比,金属伪影去除算法和高keV虚拟单能图像椎旁肌(34.6±17.0HU vs. 26.1±13.5HU及34.6±17.0HU vs. 27.0±14.2)和椎管(102.5±60.1HU vs. 72.1±39.3HU及102.5±60.1HU vs. 60.1±38.0HU, P 均<0.05)的噪声伪影减少。观察者间评价主观图像质量的一致性良好,ICC=0.74。在主观图像质量评价中,金属伪影去除算法和高keV虚拟单能图像上表现出伪影减少分别为44/56例(78.6%)、48/56例(85.7%)。结论 能谱CT金属伪影去除算法和高keV虚拟单能图像重建上客观及主观伪像均减少,金属伪影去除算法联合虚拟单能图像的组合可能有希望进一步减少伪影。

基于多阈值分割和B样条插值的CT图像金属伪影去除方法研究

为了解决重建后CT(computed tomography)图像中出现的金属伪影问题,提出了基于多阈值分割和B样条插值的CT图像金属伪影去除方法。首先,介绍了CT图像中金属伪影产生的原因;然后详细剖析基于多阈值分割和B样条插值的CT图像金属伪影去除方法实施过程;最后,使用于基于多阈值分割和B样条插值的CT图像金属伪影去除方法对含有金属伪影的临床CT图像和模拟phantom图像进行实验。实验表明,提出的CT图像金属伪影去除方法能够有效地对CT图像中的金属伪影进行减少或去除,这将为医务工作诊断病灶提供了清晰的CT图像。

O-MAR技术在头颈CT检查中去除口腔内金属伪影的应用评估

目的探讨金属伪影去除技术(Orthopedic Metal Artifact Reduction,O-MAR)在头颈CT检查中去除口腔内金属伪影的效果。方法按照入选条件选取2014年1月~12月间在我院行头颈CT血管造影(Computed Tomographic Angiography,CTA)检查同时口腔内含有钛金属补牙材料植入物的患者65例,扫描后对图像分别进行O-MAR技术重建(A组)与常规技术重建(B组)。以双侧咬肌作为感兴趣区(Region-of-Interest,ROI),比较两组ROI的CT值标准差(Standard Deviation,SD),并对图像质量进行主观评分。采用配对t检验比较两组SD值;图像质量评分的比较采用配对资料的秩和检验和χ~2检验。结果两位医师对两组图像质量评分结果:同侧咬肌(Z=-6.06,P<0.05);对侧咬肌(z=-4.79,P<0.05),差异具有统计学意义。且评分结果A组平均分较B组高(χ~2=34.03,P<0.05),差异具有统计学意义;A、B两组图像测得的SD值结果:同侧咬肌(t=-9.34,P<0.05),对侧咬肌(t=-4.06,P<0.05),差异具有统计学意义;A组双侧咬肌测得的SD值结果(t=1.48,P>0.05)差异没有统计学意义,B组双侧咬肌测得的SD值结果(t=5.38,P<0.05)差异具有统计学意义。结论 O-MAR能有效减少高原子序数伪影对图像质量的影响,为临床诊断提供有价值的诊断信息。

能谱CT去除冠状动脉钙化性斑块硬化伪影对心血管狭窄程度的诊断价值

目的研究能谱CT去除冠状动脉钙化性斑块硬化伪影在心血管狭窄程度评估中应用价值。方法选择2016年1月至2017年7月新疆兵团第一师医院临床怀疑或诊断为冠心病(CHD)的患者50例,其中男性26例,女性24例;年龄37~83岁,平均年龄62.36岁。分别进行冠状动脉造影(CAG)检查及能谱CT检查,以CAG检查结果作"金标准",统计分析能谱CT不同keV值(70~140 keV)准确度,并将50例患者依据检查方式分为能谱图像-仿真血管内超声(VIVUS组)、能谱图像组、120 kVp组及120 kVp-V-IVUS组,对比不同诊断方式诊断情况及诊断符合率。结果经CAG筛查共选取141节段心血管可进行评估,能谱CT 120 keV准确度(95.04%)较130 keV(92.91%)、140 keV(91.49%)高,但差异无统计学意义(P>0.05);120 kVp诊断符合率(90.07%)及120 kVp-V-IVUS诊断符合率(90.78%)较CAG低,差异有统计学意义(P<0.05);能谱图像诊断符合率(96.45%)、能谱图像-V-IVUS诊断符合率(97.87%)与CAG比较,差异无统计学意义(P>0.05),且能谱图像-V-IVUS诊断符合率较能谱图像略高,但差异无统计学意义(P>0.05)。结论能谱CT在冠状动脉血管狭窄程度评估中具有较高准确度,且120 keV能谱CT去除冠状动脉钙化性斑块硬化伪影诊断效果更好,可为临床全面评估CHD病情及制定治疗方案提供一定参考依据。

小波变换在激光医学图像伪影去除的应用

伪影的去除对提高激光医学图像的质量具有重要的意义。为了改善激光医学图像的质量,去除其中的伪影,提出一种小波变换的激光医学图像伪影去除方法。首先采用小波变换对激光医学图像进行分解,对图像中的噪声进行抑制,然后采用混合高模型对激光医学图像进行重建处理,消除激光医学图像中的伪影,得到理想的激光医学图像,最后进行激光医学图像伪影去除的仿真模拟测试。结果表明,本文提高了激光医学图像的峰值信噪比,有效抑制了激光医学图像中的伪影,明显改善了激光医学图像的质量。

宝石能谱CT单能量结合MARs在去金属伪影中的应用

目的:探讨去金属伪影中宝石能谱CT单能结合金属伪影去除(metal artifacts reduction system,MARs)的临床应用价值。方法:选取甘肃省中医院2020年1月—2022年5月收治的50例术后需要复查CT患者,观察植入金属内固定情况,重建常规混合能影像和单能影像结合MARs,测量两组影像的金属内固定物周围ROI区域。结果:经110 keV单能+MARs处理后,50例患者中图像金属伪影明显好转。常规混合能量组与单能量结合MARs组的CT平均值和SD平均值的比较,差异均有统计学意义。结论:能谱CT单能量与MARs相结合,可以使金属伪影得到明显的改善,对临床诊断和随访金属内固定术后的临床效果有较大的贡献。

基于云计算的激光医学图像伪影去除系统

针对传统图像伪影去除系统存在稳定性差、伪影去除后图像清晰度较低等问题,设计了基于云计算的激光医学图像伪影去除系统。系统在partan-3FPGA平台基础上,将系统划分为多个不同的模块,通过硬件语言编写了边缘检测电路,该电路具有实时数据处理能力,结合相关的总线以及缓存电路,构建基于云计算的激光医学图像伪影去除硬件系统,并详细介绍了每个模块的不同功能。引入线性插值方法,获取经过初步校正后的医学图像,并根据该图像建立先验图像,通过估计原始先验图中的伪影区域信息,将图像再次进行重构,实现激光医学图像伪影去除。经过实验证明可知,本文系统具有很好的伪影去除效果,有效保持了图像的细节部分以及清晰度。

基于改进生成式对抗网络的稀疏角度CT去伪影方法学研究

目的:探索一种适合稀疏角度CT扫描的深度学习重建方法,有效降低辐射剂量,减少辐射剂量对人体产生的潜在致癌风险。方法:针对稀疏角度CT扫描重建过程图像信息缺失及伪影增加的问题,采用带梯度惩罚项的Wasserstein生成式对抗网络(WGAN-gp),并在生成器中使用医学图像分割领域常用的分割网络——包含密集卷积模块的U型网络(DUnet),提出DUnet-WGAN-gp网络。为保留生成图像的细节信息,在该网络中加入均方差损失函数和感知损失函数。分别将DUnet-WGAN-gp网络与Unet网络和DUnet网络用于稀疏角度CT的伪影去除,并比较其重建结果。结果:Unet网络、DUnet网络和DUnet-WGAN-gp网络均能有效去除稀疏角度CT采样产生的条形伪影,DUnet-WGAN-gp网络能够有效改善Unet网络和DUne网络产生的血管及胸骨边界模糊的问题。结构相似性(SSIM)方面,DUnet-WGAN-gp网络与Unet网络和DUnet网络比较分别提高19.69%和18.36%;峰值信噪比(PSNR)方面,分别提高24.78%和18.41%。结论:DUnet-WGAN-gp网络可以清晰地重建出稀疏角度CT图像,有助于开展低剂量CT的临床诊断。

利用轨迹修复改进CT金属伪影去除算法的研究

金属伪影严重地影响CT图像的质量及其医学诊断价值。考虑到临床数据的可靠性及时效性,正弦图修复及其改进的方法已成为近年来研究的热点。典型的NMAR方法(Normalized Metal Artifact Reduction),多数情况下能准确地恢复原始数据,并尽可能少地残留或引入新的伪影。然而当出现高密度组织(骨头等)与金属不相邻时,就会在金属与高密度组织间不可避免地引入或残留部分伪影。本文在NMAR算法的基础上,引入了一种基于正弦图中轨迹修复的金属伪影去除方法(TNMAR)。具体地,在NMAR方法中正弦图归一化后的区域修复期间,引入了高密度组织轨迹方向的平滑修复。此方法一定程度上削减了NMAR修复后金属与高密度组织间的残留伪影,且尽可能地恢复了原图的高对比度及组织细节。临床中,有很高的应用价值。

CT金属伪影去除研究进展

CT广泛应用于临床诊断,但是当被扫描部位有金属植入物时,成像结果存在严重的金属伪影,影响医生诊断,因此对金属伪影进行校正具有重要的临床意义。本文首先介绍金属伪影产生的原因,接着梳理了传统的基于投影域数据修复及基于迭代的金属伪影去除方法,并主要关注了近年来兴起的深度学习技术在金属伪影去除领域的一些应用方法,最后对这些方法进行总结并对金属伪影去除的前景做出展望。

能谱CT单能量技术去除胸部增强对比剂伪影的价值

目的:探讨能谱CT的虚拟单能量成像(VMI)技术去除胸部增强CT锁骨下静脉和腋静脉对比剂(CM)伪影的应用价值。方法:回顾性分析2019年7-12月在我院行胸部增强能谱CT检查的成年患者的影像学资料,所有患者均采用相同的对比剂和注射方式。扫描数据在工作站中重建出120kVp常规图像(CI)和5组VMIs(70、100、 130、 160和200keV)。采用Friedman检验和Wilcoxon符号秩和检验方法对比分析组间图像噪声(SD值)、射束硬化伪影(BHA)、伪影区与非伪影区CT值差值和对比噪声比(CNR)。结果:与CI相比,5组VMIs的图像噪声、BHA值及CT值差值均减低(P<0.05),其中VMI100keV的图像噪声、BHA值及CT值差值最低,但其与VMI130keV之间无统计学差异。VMI100keV的CNR值高于CI,且CNR随着能量水平的增加而降低。结论:能谱CT的VMI技术可有效去除胸部增强CT中CM产生的伪影,并推荐100~130keV能量范围的VMIs以获得最佳的图像质量。

一种融合多层次卷积的视频压缩伪影去除方法

视频压缩使视频帧产生细节信息损失,致使解码视频帧质量下降。针对视频质量提升的需求,考虑不改变原有传输条件的前提下,提出了一种融合视频帧间相关性和深度特征提取的多帧注意力质量增强网络,采用更有效的多层次运动补偿策略,提升运动匹配准确度;采用多维度强化的融合注意力特征提取;利用残差学习与密集连接实现特征深层映射,对各尺寸的压缩伪影进行充分去除,并改善细节损失问题。

应用能谱CT金属伪影去除技术评价胫骨平台骨折内固定术后疗效

目的:探讨能谱CT金属伪影去除对胫骨平台骨折内固定术后疗效的评价。方法:对46例胫骨平台骨折行钢板内固定术的患者采用能谱CT检查,对CT检查结果的原始图像使用金属伪影去除进行去伪影处理和膝关节三维重建图像,以原始图像为参照,评价能谱CT金属伪影去除处理对胫骨平台骨折内固定术的图像显示效果。结果:应用能谱CT金属伪影去除处理的图像中伪影低于原始图像,经过处理后图像质量评分为优良者比率为90.19%,其中86.23%的图像中基本无伪影。结论:能谱CT金属伪影去除可以有效去除胫骨平台骨折内固定术患者图像中的金属伪影,提高图像质量,是评价胫骨平台骨折内固定术临床效果的重要手段。