基于空洞U-Net神经网络的PET图像重建算法

为了提高PET重建的图像质量,提出一种基于空洞U-Net神经网络(Dilated U-Net,D-Unet)的PET图像重建方法。首先,在不增加参数量的情况下,为了更好地增强上下文语义信息,提取更深层次的图像特征,设计了嵌套空洞卷积的残差块(residual dense blocks nested with dilations,RnD Blocks)对含有径向条纹伪影和高噪声的图像进行处理。另外,结合基于预先训练的VGG网络特征的感知损失代替传统的均方误差作为训练损失函数来保留图像细节,构建了端到端的PET图像重构网络。实验结果表明,该算法在降低复杂性、保持较高收敛速度的同时,能够更好地抑制噪声,重构效果相比于传统方法有明显提高。

图像智能处理方法在中医中的应用与挑战

为了便于对图像处理技术在中医领域进行更加深入有效的探索和更加广泛的应用,系统描述了相关研究进展。首先,从图像处理技术的发展与应用出发,理清了该技术在中医图像处理领域的主要研究与应用方向,落脚于中医望诊、中药材鉴别以及数字经络三维重建3个模块,并对模块内各种研究子类进行总结,展示了传统方法与深度学习算法在中医图像处理领域的优缺点以及面临的问题和挑战。其次,总结了中医图像智能处理领域现阶段面临的主要问题,并对未来的研究方向做出了展望。基于计算机图像处理技术的中医智能图像处理与分析虽然取得了一系列有意义的研究成果,但还需要根据临床的实际需求,整理出一套统一的、标准的、标签完善的中医图像数据集,将人工智能与经典的数字图像处理算法多模态中医四诊数据结合起来,真正实现中医诊疗技术的信息化与智能化。