基于有序子集的惩罚加权最小二乘低剂量CT优质重建算法研究

为解决低剂量CT图像重建的噪声问题,在经典的加权最小二乘迭代算法的基础上,采用有序子集设计策略,针对此问题进行低剂量CT图像优质重建。有序子集技术下惩罚加权最小二乘算法,可以较有效处理低剂量条件下CT重建信息量不足带来的缺点。同时有序子集的引入,使得新算法较经典的惩罚加权最小二乘算法在速度上得到很大提高,低剂量CT的重建图像仍可保持较佳的图像质量和较高的空间分辨率。

基于广义惩罚加权最小二乘的低剂量CT重建方法

针对低剂量CT成像问题,本文提出了一个基于广义惩罚加权最小二乘的低剂量CT重建方法,并在一定条件下建立了算法的全局收敛性定理.首先对投影数据进行统计建模构建广义加权最小二乘保真项,并且将二次先验信息引入投影数据的恢复过程中,从而达到抑制噪声的目的,最后使用经典的滤波反投影算法对恢复后的投影数据进行解析重建.实验结果表明,与惩罚加权最小二乘方法相比,新方法可以有效地抑制低剂量CT图像中的噪声和伪影,同时可以很好地保持图像的结构信息和空间分辨率.

局部惩罚加权核偏最小二乘算法及其应用

为改善软测量模型精度,提出了一种局部惩罚加权核偏最小二乘算法。该方法通过核映射将原始输入映射到高维特征空间实现对非线性问题的线性化处理,并通过偏最小二乘算法进行主成分提取,降低数据维数;对由主成分构成的新数据集,依据局部学习思想构建局部惩罚加权最小二乘回归模型,降低模型对异常数据的敏感度、优化模型参数。鉴于多模型可以改善模型估计精度,提高泛化性,采用C-NN近邻扩张搜索聚类算法对样本集进行聚类,对得到的聚类子簇依据上述算法建立回归子模型,得到多模型软测量系统。将其应用于双酚A生产过程的质量指标软测量建模,仿真结果表明了方法的有效性。

低剂量CT图像域各向异性加权最小二乘重建算法

针对低剂量CT重建图像由于过度的量子噪声产生退化的问题,基于统计重建算法提出了一种改进的图像域惩罚加权最小二乘重建算法.该算法对传统PWLS算法的代价函数进行了改进,通过引入各向异性扩散算子,使得算法可以根据图像特征自适应地调整图像的平滑程度,然后采用SOR迭代算法对目标函数进行求解.实验结果表明:该算法重建图像的均方根误差为13.907 3,信噪比为11.748 8,算法可以在有效抑制重建图像条形伪影的同时,保护重建图像的细节与边缘.

基于网格的最小二乘重建算法

与投影数据及系统的灵敏度等各种特性息息相关的迭代图像重建算法,一直是医学图像重建中热点问题.具有重建速度快特点的解析法却不能得到让人满意的图像,而迭代算法能得到质量较好的图像,但存在重建时间过长的问题.本文以图像的网格化模型为基础,对惩罚加权最小二乘重建算法进行相关改进.实验结果表明,改进后的算法具有较好的重建结果.

自适应加权全变分的低剂量CT统计迭代算法

针对低剂量计算机断层扫描(LDCT)重建图像时出现条形伪影和脉冲噪声的现象,提出一种自适应加权全变分的LDCT统计迭代重建算法。该算法克服了传统全变分(TV)算法在去除条形伪影的同时引入阶梯效应的缺点,把基于加权方差的加权因子与TV模型相结合提出自适应加权全变分模型,然后再把新模型应用到惩罚加权最小二乘(PWLS)重建算法中,这样就可以对图像的不同区域进行不同强度的去噪,从而取得噪声抑制和边缘保持的良好效果。采用Shepp-Logan模型和数字骨盆体模来验证算法的有效性,实验结果表明,所提算法的归一化均方距离和归一化平均绝对距离均比滤波反投影(FBP)、PWLS、惩罚加权最小二乘的中值先验(PWLS-MP)以及惩罚加权最小二乘的全变分(PWLS-TV)算法的值小,且可分别获得40.91 dB和42.25 dB的峰值信噪比。实验结果表明,该算法重建出的图像在有效去除条形伪影的同时对图像的边缘和细节起到很好的保护作用。

基于低维流形先验的低剂量CT重建方法

针对低剂量CT成像问题,提出了一个基于低维流形先验的低剂量CT重建方法。对投影数据进行统计建模,将低维流形正则化作为先验信息引入到投影数据恢复过程中,从而达到抑制噪声的目的,再使用传统的滤波反投影(filtered back-projection,FBP)算法进行CT图像重建。在Shepp-Logan体膜实验新方法重建结果与FBP、PWLS-QM(penalized weighted least-squares via quadratic membrane)以及PWLS-DL(penalized weighted least-squares via dictionary learning)方法重建结果相比,相对均方根误差分别降低了64.87%、54.81%和7.02%;结构相似性指标分别提高了16.78%、1.88%和1.91%。在XCAT体膜实验中,新方法重建结果与FBP、PWLS-QM以及PWLS-DL方法重建结果相比,相对均方根误差分别降低了37.46%、22.17%和11.48%;结构相似性指标分别提高了3.33%、0.73%和1.22%。在临床数据实验中,新方法重建结果与FBP、PWLS-QM以及PWLS-DL方法重建结果相比,相对均方根误差分别降低了45.96%、25.61%和15.87%;结构相似性指标分别提高了19.12%、7.46%和8.63%。仿真和临床数据实验结果表明,新方法在有效抑制低剂量CT图像中噪声和伪影同时,可以很好地保持图像的结构信息和空间分辨率。

基于非局部低秩稀疏矩阵分解的低剂量脑灌注CT统计迭代重建

脑灌注CT成像需要对患者头部进行连续反复扫描,相应的X射线辐射剂量较常规CT显著增加。为减少X射线辐射剂量,提出一种基于非局部低秩稀疏矩阵分解的低剂量脑灌注CT统计迭代重建方法。首先对脑灌注CT序列图像进行分块,然后构建非局部低秩稀疏矩阵分解模型,最后求解相应的目标函数重建出脑灌注CT序列图像。与滤波反投影算法和基于低秩稀疏矩阵分解的惩罚加权最小二乘方法相比,本文方法得到的脑血容参数图像的结构相似性指标分别提高38.07%和5.61%、特征相似性指标分别提高13.17%和2.47%;平均通过时间参数图像的结构相似性指标分别提高59.73%和0.28%、特征相似性指标分别提高20.26%和0.70%。本文方法能在去除低剂量脑灌注CT图像噪声和伪影的同时保持图像的边缘结构信息,并且获得更准确的脑血流动力学参数图像。

非对称加权惩罚最小二乘算法校正X射线荧光法定量精铜痕量银元素模型

针对精铜中痕量银元素定量时特征X射线存在背景干扰的问题,采用非对称加权惩罚最小二乘算法(arPLS)对X射线荧光光谱进行基线校正,建立精铜中痕量银元素定量检测模型。通过改变算法平滑参数(λ)和收敛条件(ratio),研究痕量元素X射线光谱基线随参数变化规律,对60组光谱数据采用调整参数并图像监控的方式估计基线。所建立的定量模型不确定度系数R2=0.9862,均方根误差(RMSE)为0.0040 wt%。与不经背景校正算法相比,定量模型R2提高了0.0211,RMSE降低了0.0023 wt%,预测值和参考值平均相对误差缩减了2倍,预测不确定度由0.0028 wt%降低为0.0025 wt%。所建立的定量模型可应用于冶金在线检测、金属回收、合金强化等领域。

基于投影域数据恢复的低剂量CT稀疏角度重建

针对目前CT的X射线电离辐射危害,提出了一种基于低剂量CT投影数据进行稀疏角度重建的方法来降低辐射剂量。本方法首先对低剂量CT的投影数据采用惩罚加权最小二乘(PWLS)方法进行去噪处理,然后对去噪后的投影数据进行稀疏角度的CT图像重建。对Shepp-Logan模体仿真实验及真实实验数据重建结果表明:本文提出的基于低剂量CT的稀疏重建方法可有效地抑制重建图像噪声和条形伪影,实现稀疏角度的低剂量CT图像重建。

改进的先验图像约束的压缩感知重建方法用于低剂量X-线CT

低剂量CT重建已成为当前X-线CT成像的研究热点。针对低剂量CT成像,本文提出一种改进的先验图像约束的压缩感知重建方法。新方法首先对CT线积分投影数据采用惩罚加权最小二乘方法进行降噪恢复,接着对恢复后的投影数据进行滤波反投影重建,然后以重建图像作为先验图像应用先验图像约束的压缩感知方法进行统计迭代重建。实验结果表明,同已有的先验图像约束的压缩感知重建方法相比,新方法能够更有效地抑制低剂量CT重建图像中的噪声和条形伪影,同时较好地保持图像的空间分辨率。

基于分区域处理的低剂量CT重建算法

为解决由于过度的量子噪声使低剂量CT重建图像质量产生退化的问题,提出一种基于分区域处理的联合先验低剂量CT统计迭代重建算法。对重建过程中的图像进行区域划分,对图像进行中值滤波并计算滤波图像的梯度,根据梯度划分出图像的边缘区域和平坦区域,分别利用全变分正则化(TV)和高斯马尔可夫随机场(MRF)正则化对不同的区域进行惩罚,将这两种正则项作为联合先验应用到惩罚加权最小二乘重建算法中,使用超松弛迭代算法(SOR)对目标函数进行求解。仿真结果表明,该算法去噪能力强,能有效保护重建图像的边缘细节信息。

两种基于投影数据恢复的低剂量CT重建方法比较

目的:低剂量CT重建已成为CT成像的研究热点,针对低剂量CT成像,文章对两种基于投影数据恢复的低剂量CT重建方法进行了讨论比较。材料与方法:这两种方法分别为基于投影数据非单调性全变分最小恢复的低剂量CT重建方法和基于投影数据惩罚加权最小二乘恢复的低剂量CT重建方法。我们通过数字体模仿真实验对两种方法分别进行了定性和定量比较分析。结果:实验结果表明,两种方法均能有效去除噪声、抑制伪影、提高低剂量CT重建图像质量。结论:重建时间方面,基于投影数据非单调性全变分最小恢复的低剂量CT重建方法更有优势。

基于梯度保真项的低剂量CT统计迭代重建算法

针对低剂量计算机断层扫描(Computed Tomography,CT)重建图像时容易出现明显条形伪影这一现象,提出一种基于梯度保真项的低剂量CT统计迭代重建算法。该算法克服了原始全变分(Total Variation,TV)模型在抑制条形伪影和噪声的同时引入阶梯效应的缺点,首先把梯度保真约束项和能够区分图像平滑区和细节区的边缘指示函数应用到TV模型中得到基于梯度保真项的自适应全变分模型,然后再把新模型与惩罚加权最小二乘(Penalized Weighted Least Square,PWLS)重建算法相结合,使用交替方向迭代法得到最终的图像。采用Shepp-Logan模型来验证算法的有效性,实验结果表明,该算法不仅可以有效地去除条形伪影,还可以较好地保护图像的边缘和细节信息。

投影数据恢复方法在低剂量脑灌注CT成像中的应用

目的在临床脑灌注CT检查中,对感兴趣区域进行连续动态扫描会使患者承受较大的射线剂量。为降低扫描辐射剂量,对脑灌注CT检查常采用降低扫描电流的形式,但降低射线剂量会使得图像质量严重受损,影响临床诊断。针对这种情况,本文采用一种基于惩罚加权最小二乘(PWLS)投影数据恢复的方法用于低剂量脑灌注CT的优质成像。方法该方法充分考虑脑灌注CT投影数据的统计分布特性,根据投影数据的统计特性进行建模,采用PWLS的方法进行数据恢复,然后利用高斯-赛德尔优化算法进行迭代求解。同时,该方法在原始投影数据和PWLS恢复后的投影数据之间引入自适应加权处理,可以更好地恢复投影数据。结果临床数据实验结果表明,基于惩罚加权最小二乘的投影数据恢复方法相比常规的处理方法,能够更好地去除脑灌注CT图像噪声和伪影,同时较好保持图像边缘和细节,提高脑灌注参数图成像质量。结论基于惩罚加权最小二乘的投影数据恢复方法能够更好地抑制脑灌注CT图像的噪声伪影,实现低剂量脑灌注CT优质成像。

基于模糊数学的低剂量CT投影域降噪算法

因高剂量CT对人体的损害较大,低剂量CT近年来已成为临床医学的一个热点,然而CT剂量的降低引起重建图像质量下降.为了解决低剂量CT重建图像受噪声污染严重的问题,本文根据低剂量CT投影的噪声特性,在原惩罚加权最小二乘降噪算法(PWLS)基础上,提出一种改进的基于模糊数学的惩罚加权最小二乘降噪算法.该算法采用统计建模的方法,将模糊数学的理论引入投影域惩罚加权最小二乘降噪算法中,利用隶属度函数改变权值.实验结果表明:改进的投影域惩罚加权最小二乘法降低了重建图像的噪声,同时有效地保护了重建图像的细节与边缘.

改进的非局部均值低剂量CT统计迭代重建算法

为解决低剂量计算机断层扫描(computedtomography,CT)重建图像时产生严重退化的问题,提出一种改进的非局部均值低剂量CT统计迭代重建算法。采用高斯滤波函数对含噪图像进行滤波,利用改进的非局部均值(non-local means,NLM)降噪模型做进一步降噪处理,通过空间邻近度因子和空间变化的滤波参数改进权值函数,得到新的降噪模型,把该模型应用到惩罚加权最小二乘(penalized weighted least square,PWLS)重建算法中,以期达到噪声抑制和边缘保持的良好效果。实验结果表明,该算法的重建图像可有效去除噪声,保护图像的边缘信息和细小结构。

自适应差分曲率正则化的低剂量CT重建算法

为减少低剂量计算机断层扫描(computed tomography,CT)重建图像时出现的大量条形伪影,提出一种基于差分曲率自适应正则化的低剂量CT重建算法。将差分曲率应用到原有的投影域惩罚加权最小二乘法(penalized weight least square,PWLS)中,差分曲率对图像的边缘、平滑区域以及斜坡结构具有良好的检测性能,可有效地控制平滑区域和边缘区域的扩散程度,自适应地去除重建图像中的条形伪影。实验结果表明,该算法能有效抑制条形伪影的产生,较好保持图像的边缘和细节信息。

大视场快速扫描电子束Micro-CT低信噪比图像重建

提出一种适用于大视场快速扫描电子束Micro-CT(EBMCT)低信噪比图像重建的算法。该算法首先采用基于二阶全变分正则项的惩罚加权最小二乘算法(PWLS-TV2)获得多个X射线源对应的恢复后投影数据,然后采用基于一阶全变分正则化的联合迭代重建算法(SIRT-TV)对恢复的投影数据进行重建,最后采用基于结构张量的非局部均值算法(ST-NLM)对图像进行后处理。仿真研究表明,本文算法可以有效地抑制EBMCT图像中的条形伪影和噪声,同时保持较高的图像空间分辨率。

激光拉曼光谱解谱和处理的方法研究

研究一种拉曼光谱解谱和处理的方法。以化学计量学为基础,信号处理技术为工具,配合计算机算法的数据处理方法。具体为基线校正:对拉曼光谱原始信号进行基于自适应迭代重加权惩罚最小二乘法的基线校正;平滑:对进行完基线校正的拉曼光谱信号进行基于惩罚最小二乘法的平滑;峰检测:对进行完基线校正和平滑的信号进行基于连续小波变换的峰检测。这种基于惩罚最小二乘法的光谱平滑具有快速,可以连续控制平滑度并且可以进行交叉验证得到最客观的平滑值。改善了基于非对称最小二乘法的传统基线校正方法的两个缺陷。同时,基于连续小波变换的峰检测算法可以自动地并且同时考虑峰形和峰高对峰进行检测,最大限度地降低了峰检测假阳性的概率。