数字乳腺层析成像系统影像链的设计与优化

目的针对数字乳腺层析成像技术(DBT)需求,研制DBT整机系统,实现其成像影像链的设计与优化。方法基于三维X射线断层成像技术以及数字影像处理技术,作者结合DBT成像扫描模式,研究其投影数据校正、几何校正、投影增强、滤波调制及图像重建方法,并搭建了硬件测试系统。实验中,利用标准ACR体模与高分辨率体模,对系统稳定性及噪声水平进行评估;并采用商用设备的病人投影数据测试影像链成像算法效果。结果采用几何校正参数重建高分辨率体模的图像,线对清晰,无混淆伪影;滤波调制后重建的ACR体模图像中,钙化点、囊肿、纤维结构更加清楚;增强处理后重建的病人乳腺图像,组织间对比度更高,病灶显示更加清晰。结论本文所介绍的DBT系统可用于乳腺断层成像,图像质量与商用DBT系统相当,为乳腺疾病的诊断提供重要的影像信息。

低剂量CT图像重建算法对脑出血检测性能的影响

目的探究低剂量CT图像重建算法对脑出血检测性能的影响。方法对正常剂量(定义为100%dose)脑出血CT图像进行低剂量CT成像仿真,仿真剂量包括30%、25%和20%dose。采用7种CT图像重建算法进行图像重建,以实现抑制低剂量CT图像噪声,包括滤波反投影算法(FBP)、惩罚加权最小二乘的全变分(PWLS-TV)、非局部均值滤波(NLM)、3维块匹配(BM3D)、残差编码解码卷积神经网络(REDCNN)、FBP卷积神经网络(FBPConvNet)和图像恢复迭代残差卷积网络(IRLNet)。基于深度学习方法的脑出血检测模型(CNN-LSTM)对正常剂量图像和7种重建算法得到的图像进行脑出血检测。对7种重建算法与正常剂量图像的脑出血检测结果进行比较,评估不同重建算法对脑出血检测性能的影响。结果(1)对于同一算法,剂量对脑出血检测性能的影响:在30%、25%和20%dose下,FBP算法脑出血检测正确率分别为82.21%、74.61%和65.55%。(2)在相同剂量(30%dose)下,不同图像重建算法对脑出血检测性能的影响:FBP、PWLS-TV、NLM、BM3D、REDCNN、FBPConvNet和IRLNet算法的脑出血检测正确率分别为82.21%、86.80%、89.37%、81.43%、90.05%、90.72%和93.51%。(3)IRLNet算法在30%、25%和20%dose下的脑出血检测正确率分别为93.51%、93.51%和93.06%。结论剂量和重建算法的选择对脑出血检测性能有显著影响,临床中选择合适的剂量和算法组合能在大幅度降低辐射剂量同时保证脑出血检测性能。

数据冗余信息引导的低剂量心肌灌注CT成像方法

目的心提出一种数据冗余信息引导的低剂量心肌灌注CT成像方法。方法考虑到心肌灌注CT图像帧内含有丰富的结构冗余性,且帧间具有高度的相似性,本文提出基于非局部均值滤波(NLM)和全变分(TV)混合框架的惩罚加权最小二乘(PWLS)图像重建模型,简称为PWLS-avi NLM-TV。该模型利用了帧间结构相似性和帧内数据冗余性,能有效消除重建图像中的噪声和伪影,提高灌注序列图像帧内空间分辨率与帧间时间分辨率。结果 PWLS-avi NLM-TV相比PWLS-TV和PWLSavi NLM能更好地去除心肌灌注图像中的噪声和伪影,同时较好保持图像边缘和细节信息,进而有效区分缺血心肌与正常心肌。结论数据冗余信息引导的重建算法可有效改善低剂量心肌灌注CT成像质量,更好地为临床影像诊断服务。

基于系统仿真的数字乳腺层析成像性能分析

目的基于系统仿真的数字乳腺层析成像(DBT)进行性能分析研究。方法基于临床DBT系统获取不同辐射剂量下物理体模和常规剂量水平下临床患者的原始测量数据,并进行低剂量仿真和使用3种重建算法进行重建,即Feldkamp-Davis-Kress(FDK)算法、联合代数重建技术(SART)、具有全变分约束的自适应最速下降凸集投影(ASDPOCS-TV)算法。采用信噪比(SNR),峰值信噪比(PSNR),噪声功率谱(NPS),伪影扩散函数(ASF)以及ASF的全宽半高值(FWHM)指标对辐射剂量水平和重建算法两因素对图像质量的影响进行统计对比分析。结果低剂量DBT仿真策略的有效性经评估实验得以保证;在合适的剂量水平范围内,增加剂量可促进减少高频噪声成分和显著提高信噪比(P<0.05),当曝光剂量低于40 mAs,不同剂量水平下的图像具有相似表征;不同重建算法在不同解剖结构区域处的表现性能有差异,ASDPOCS-TV算法的结果包含更少的层间伪影和更轻微的噪声,优于SART算法和FDK算法。结论辐射剂量和重建算法的选择对DBT成像质量有显著影响,应当平衡各影响因素、整体图像质量、临床诊断需求之间的关系,以达到临床任务中最优成像性能的目标。

四肢成像专用锥束CT方法的设计与优化

目的人体四肢成像具有重要的临床意义,目前国内在该方面的研究匮乏,本文针对四肢骨骼成像高分辨率的特殊需求,创建一种四肢专用锥束CT(ECBCT)成像方法。方法基于三维X射线断层成像技术以及高分辨率X射线平板探测器技术,作者进行了ECBCT成像过程的物理建模及几何建模,研究其几何校正及图像重建方法,并搭建了相应的硬件系统。实验中对笔筒体模、IQ体模以及动物肢体样本进行扫描,以评估该成像方法的有效性及其硬件系统的稳定性。结果采用几何校正后的参数进行重建的笔筒图像结构清楚,无混叠伪影产生;IQ体模重建图像中CT值分布均匀,同等条件下多次扫描重建图像的噪声功率谱不具差异性;动物肢体重建图像分辨率高,骨组织显示清晰。结论 ECBCT可用于人体四肢成像,此外,该技术对骨组织的成像分辨率高,可为骨关节炎等骨科疾病的诊断提供重要的临床信息。

基于先验信息感知学习的能谱CT及物质定量智能成像算法

目的提出一种基于先验信息感知学习的能谱CT半监督物质定量智能成像算法(SLMD-Net),以提升能谱CT及物质定量成像精度和质量,并降低数据驱动网络对标签数据的依赖性。方法算法框架包括监督子模块和自监督子模块。在监督子模块中,基于少量标签数据和均方误差损失函数学习构建从低信噪比数据到高信噪比数据的映射关系;在自监督子模块中,针对大量无标签低信噪比基物质图像数据,采用基于图像恢复模型构建损失函数,并纳入基物质图像数据的先验信息,以全变分(TV)模型刻画图像的先验信息。两个子模块合并构成SLMD-Net并通过临床仿真数据评估可行性和有效性。结果与模型驱动的物质定量成像方法(FBP-DI、PWLS-PCG、E3DTV),数据驱动的物质定量成像方法,如基于监督学习的物质定量成像方法(SUMD-Net和BFCNN),基于无监督学习的物质定量成像方法UNTV-Net以及基于半监督的循环一致性生成对抗网络(Semi-CycleGAN)相比,SLMD-Net在视觉和定量评估上均有明显优势,如在水物质定量成像结果和骨物质定量成像结果中,SLMDNet获得最高的PSNR指标(31.82和29.06)、最高的FSIM指标(0.95和0.90)以及最低的RMSE指标(0.03和0.02),且图像质量评分与其他7种对比方法分解性能的差异具有统计学意义(P<0.05)。SLMD-Net的物质定量性能可接近于使用两倍数量级标签数据训练的SUMD-Net。结论少量标签数据和大量无标签低信噪比基物质图像数据可被充分利用训练网络,有效抑制能谱CT基物质分解过程中产生的强噪声伪影,降低数据驱动网络对标签数据的依赖性,具有更广阔的临床应用前景。

基于联邦特征学习的多机型低剂量CT重建算法

目的提出一种基于联邦特征学习的多机型低剂量CT重建算法(FedCT),以提升深度学习模型对多CT机型的泛化能力并保护数据隐私。方法FedCT框架在每个协作学习的客户端中设置了一个基于数据-解析模型耦合驱动的Radon反变换智能重建模型作为局部网络模型,并采用投影域特异性学习策略,在局部投影域保留成像几何特异性。同时,引入联邦特征学习,使用条件特征参数标记局部数据并馈入网络模型进行编码以在图像域提升网络模型的泛化性。结果在跨站点的多机型、多协议低剂量CT重建实验中,FedCT的重建结果在所有对比联邦学习方法中获得了最高的PSNR(高于次优的联邦学习方法+2.8048、+2.7301、+2.7263)、最高的SSIM指标(高于次优的联邦学习方法+0.0009、+0.0165、+0.0131)以及最低的RMSE指标(低于次优的对比联邦学习方法-0.6687、-1.5956、-0.9962)。在消融实验中,相较于一般联邦学习策略,采用投影特异学习策略的模型在测试集上的PSNR指标的Q1平均提升1.18,RMSE指标的Q3平均降低1.36。在引入联邦特征学习后,FedCT在测试集上的PSNR指标的Q1进一步提升3.56,RMSE指标的Q3进一步降低1.80。结论FedCT为协作构建CT智能重建网络模型提供了有效解决方案,能够在保护数据隐私的基础上,增强网络模型泛化性,进一步地提升网络模型在全局数据上的重建性能。

基于多尺度小波残差网络的稀疏角度CT图像恢复

目的稀疏角度CT具有加速数据采集和减少辐射剂量的优点。然而,由于采集信息的减少,使用传统滤波反投影算法(FBP)进行重建得到的图像中伴有严重的条形伪影和噪声。针对这一问题,本文提出基于多尺度小波残差网络(MWResNet)对稀疏角度CT图像进行恢复。方法本网络中将小波网络与残差块相结合,用以增强网络对图像特征的提取能力和加快网络训练效率。实验中使用真实的螺旋几何CT图像数据"Low-dose CT Grand Challenge"数据集训练网络。通过观察图像表征和计算定量参数的方法对结果进行评估,并与其他现有网络进行比较,包括图像恢复迭代残差卷积网络(IRLNet),残差编码解码卷积神经网络(REDCNN)和FBP卷积神经网络(FBPConvNet)。结果实验结果表明,本文提出的多尺度小波残差网络优于其余对比方法。结论本文提出的MWResNet网络能够在保持稀疏角度CT图像边缘细节信息的同时有效抑制噪声和伪影。

基于非局部能谱相似特征的基物质分解方法用于双能CT图像去噪

目的提出一种非局部能谱相似特征引导的双能CT基物质分解方法(NSSD-Net)以抑制低剂量能谱CT基物质图像的相关性噪声。方法首先构建模型驱动的双能CT迭代分解模型,采用迭代软阈值算法(ISTA)优化分解模型目标函数的求解过程,并利用深度学习技术将此过程展开为迭代分解网络的形式。然后构建非局部能谱相似特征引导的代价函数,约束网络的训练过程。利用双能CT真实病人数据所建立的基物质分解数据集进行评估。将NSSD-Net与2种传统模型驱动的基物质分解方法、1种基于数据驱动的基物质分解方法以及1种基于数据-模型耦合驱动的监督分解方法进行对比实验。结果与传统模型驱动的基物质分解方法以及数据驱动的基物质分解方法相比,NSSD-Net方法在水和骨基物质分解结果中均获得最高的PNSR指标(31.383和31.444)、最高的SSIM指标(0.970和0.963)以及最低的RMSE指标(2.901和1.633);与数据-模型耦合驱动的监督分解方法相比,NSSD-Net方法在水和骨基物质分解结果中均获得最高的SSIM指标;临床影像专家的主观图像质量评估结果显示,NSSD-Net方法在水和骨基物质分解结果中图像质量评分均最高(8.625和8.250),与其他4种对比方法分解性能之间的差异具有统计学意义(P<0.001)。结论本方法可以获得高质量的基物质分解结果,有效避免训练数据质量问题和模型不可解释问题。

CT图像的质量评估策略:基于预恢复图像先验信息

目的为有效提取更多无参考CT图像质量特征,本文提出一种基于预恢复图像先验信息的医用CT图像质量评估策略(PR-IQA),利用多信息融合输入提高IQA模型性能。方法基于卷积神经网络(CNN)的无参考医用CT图像质量评估策略。该方法利用图像恢复算法中的图像质量特征先验信息,将其以预恢复图像和恢复前后残差图像的形式,与原始失真图像信息融合输入到两个CNN中,通过多信息融合以提升CNN的特征提取能力和预测性能。实验使用基于Mayo诊所公开螺旋CT数据所建立的医用CT图像质量评估数据集。通过计算定量指标以及统计学检验对PR-IQA性能进行评估,分析了不同超参数设置对PR-IQA性能的影响。并将PR-IQA与基于单个CNN模型直接对原始失真图像进行NR-IQA的方法(BASELINE)以及8种经典的IQA算法进行对比实验。结果对比实验结果表明,基于3种不同图像恢复算法先验信息(双边滤波、非局部均值滤波、三维块匹配协同滤波)的PR-IQA模型性能优于所有对比IQA算法。并且相比BASELINE方法性能均有提升,其中PLCC平均提升12.56%,SROCC平均提升19.95%,RMSE平均降低22.77%。结论本文提出的PR-IQA方法能够充分利用图像恢复算法的先验信息,有效地预测医用CT图像质量。

基于张量广义全变分最小的稀疏角度螺旋CT重建

目的为减少螺旋CT扫描X射线辐射剂量,提出一种基于凸集投影的张量广义全变分最小(TTGV-POCS)的稀疏角度螺旋CT迭代重建算法。方法将螺旋CT三维体数据看作三阶张量,利用张量广义全变分(TTGV)最小约束刻画其三维图像的数据特性,并纳入凸集投影迭代重建框架,实现稀疏角度螺旋CT的鲁棒重建。TTGV-POCS算法充分利用螺旋CT图像数据的一阶梯度与二阶梯度的空间结构稀疏性和三维数据层间相关性,可有效抑制稀疏角度重建图像中的伪影与噪声,并较好保持图像边缘信息。结果XCAT体模数据与病人扫描数据的实验结果表明,TTGV-POCS算法相比现有重建算法在降低噪声、去除伪影和保持边缘等方面均有较好的表现;比较XCAT体模数据稀疏角度重建结果,本文提出的TTGV-POCS算法相比现有重建算法PSNR定量指标可提升9.17%~15.24%;FSIM定量指标可提升1.27%~9.30%。结论TTGV-POCS算法可有效改善稀疏角度螺旋CT重建图像质量,降低螺旋CT检查辐射剂量,更好服务于临床影像诊断。