非均匀衰减锥形投影SPECT局部重建

单光子发射断层成像(single photon emission computed tomography,SPECT)是一种核医学成像技术。它能够重建器官的功能图像,对疾病的早期诊断有很大帮助。锥形投影SPECT能够提高重建图像的光子密度和空间分辨率,但是计算过程非常耗时。在临床上,医生往往关心的是一小块感兴趣区域,例如心脏,而不是整个身体,因此可以利用局部重建来减少重建时间。建立了一个非均匀衰减锥形投影SPECT局部重建框架,即先按照单层重排的方法将锥形投影重排为单层的扇形投影,然后对各个单层投影作数据外插,最后将扇形投影重排为平行光投影后,根据Novikov平行光投影SPECT解析重建公式得到感兴趣区域的重建图像。最后给出了计算机仿真结果,重建图像清晰,几乎和仿真模型中的感兴趣区域图像一致。实验结果显示该重建框架是可行的。

平行束单光子发射成像的定量解析重建

单光子发射断层成像技术在心血管及脑功能疾病的诊断上具有重要的临床意义。本研究以Kunyansky及以前的研究工作为基础,针对平行束探测模式,推导及建立了有效的解析重建算法,可对噪声、散射、衰减及探测器响应进行同时补偿,用于获取SPECT定量快速成像。数字及Monte Carlo仿真实验表明,所提出的定量解析重建算法是可行的,它极大地改善了重建图像的对比度及分辨率,基本消除了图像中的伪迹。该算法在达到迭代算法精度的同时,计算量却大为降低,与常规滤波反投影重建法近似。

基于CT图像纹理分析的结肠息肉鉴别研究

目的:从结肠CT影像及其高阶偏导图像中提取三维Haralick特征并进行特征寻优,以用于结肠息肉与正常肠壁组织的准确鉴别。方法:从111例确诊的结肠息肉患者的CT结肠镜(CTC)影像数据中共提取387个结肠息肉和387个正常的结肠壁组织作为三维感兴趣区域(ROI),并对其进行三维梯度和曲度变换。从每个ROI的CT图像、梯度图像和曲度图像中分别计算共生矩阵,并从这三类共生矩阵中分别提取60个Haralick纹理特征,共计180个特征。利用基于随机森林(RF)的特征选择策略进行特征寻优,并使用逻辑回归(LR)、支持向量机(SVM)、RF和K-近邻(KNN)4种不同的分类器验证最优子集的分类性能。结果:对180个特征进行特征筛选,获得37个特征作为最优特征子集,利用最优特征子集与4种不同分类器进行验证,其区分肠壁和息肉的平均灵敏度均在0.99%以上,平均特异度均在0.98%以上,平均受试者工作特性曲线下面积(AUC)均为0.99。结论:基于灰度、灰度梯度和灰度曲度的纹理特征具有良好的敏感性和特异性,能够有效地鉴别结肠息肉与正常肠壁组织,对基于影像的结肠息肉临床筛查与诊断具有重要的参考价值与借鉴意义。

颈动脉磁共振图像的血管中心线提取

脑卒中的发病与颈动脉易损斑块密切相关,早期识别颈动脉血管形态和分析颈动脉粥样斑块成分对于评估脑卒中发生风险具有重要意义。磁共振图像是诊断颈动脉疾病的有力工具,而颈动脉血管中心线提取是观察血管形态和定量分析斑块成分的基础。本文针对磁共振黑血图像的特点,在管状结构滤波预处理和阈值分割结果的基础上,采用一种树枝搜索算法提取血管中心线,并在7套磁共振黑血图像上进行了测试,结果表明,算法对于颈动脉血管大部分区域能够有效提取中心线。

基于Novikov求逆变换公式的4维扇形SPECT图像快速定量重建

为实现4维动态SPECT图像的快速定量重建,提出了一种用于扇形投影方式下的解析重建算法。该方法首先利用Karhune-Loève(KL)变换提取出投影时间序列的相关信息;然后再利用推导至扇形投影方式下的Novikov求逆变换公式,在KL域中对投影分量进行有选择的部分或全部重建;最后通过逆KL变换获得重建图像。实验结果表明,该算法能有效补偿非均匀衰减的影响,其重建图像虽与迭代算法的结果接近,但重建时间则由迭代算法的77 s缩短为本文算法的14 s,从而使快速4维SPECT定量重建成为可能,可望具有广泛的临床应用前景。

虚拟结肠镜中皱襞预匹配的结肠配准

目的虚拟结肠镜是一种采用CT或者MRI图像重建出结肠3维结构,通过漫游虚拟结肠来检测结肠组织,一般用于早期结直肠癌筛查。结肠配准能够有效提高息肉检测的效率和精确度,但由于仰卧和俯卧位下的结肠图像形变太大,现有的配准方案中特征点的提取没有考虑到较多特殊情况,因此需要寻找一个新的配准方案完成完整的结肠配准。方法提出了一种新的结肠图像配准方法,能够完成不同体位获取的虚拟结肠图像之间的配准。首先提取可以反映结肠结构信息的皱襞特征,用模板匹配和特征匹配方法找出两幅结肠中匹配的皱襞对。然后将匹配对的中心点作为标记点,做基于标记点的非刚性粗配准,最后将两幅图做B样条配准完成细配准。这种方法能够将结肠内部较大的形变先矫正,使得两幅图之间的形变缩小到一定范围,然后利用传统配准方法能够完成配准。结果在5套数据中,找到能够成功匹配的皱襞区域数量占所有分割出的皱襞区域总数量的62%左右,匹配错误率为4.7%左右。完成皱襞粗配准后,结肠形变明显趋于一致,灰度值相对误差减小,最终完成了结肠配准。结论先进行皱襞匹配再做基于匹配好的皱襞的映射关系做结肠配准,能够将存在较大形变的两套结肠匹配起来。在之后的工作中需要量化特征点选取对配准结果的影响,同时在做配准评估时,单纯采用灰度差值不能很好完成评估,因为灰度特征只能一定程度反映整体差异,不能很好体现结构差异,需要添加其他评估标准辅助配准评估。