《旋轉X射線冠狀動脈4D重建方法研究》是依託東南大學，由胡軼寧擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：旋轉X射線冠狀動脈4D重建方法研究
- 項目類別：青年科學基金項目
- 項目負責人：胡軼寧
- 依託單位：東南大學
中文摘要,結題摘要,
中文摘要
旋轉X射線旋轉冠狀動脈造影成像,是繼X射線心血管造影成像發明以來,又一項得到廣泛關注的冠狀動脈成像技術。同傳統造影技術相比，旋轉冠狀動脈造影技術能夠提供更多的信息。冠狀動脈的4D重建（3D+T）是目前重建領域一個熱門的難點問題。本項目旨在從降低算法複雜性，改善血管重建質量，提高冠狀動脈運動估計精度和加快重建最佳化計算速度四個方面，進行冠狀動脈重建算法的研究。本項目研究主要從以下兩條思路展開：1,.研究基於ECG門控技術的有限角度稀疏投影靜態3D重建算法，利用預處理依賴性小的優勢，重建血管結構；2，利用自適應模型動態演化算法進行進一步最佳化，利用其抗干擾性好的優勢，進行進一步的最佳化，並動態更新血管運動參數方程。此外，本項目還將針對冠狀動脈4D重建算法收斂速度的改進進行研究，並結合併行處理技術提高運算速度。為算法的臨床實現打下基礎。
結題摘要
主要完成的研究工作涉及5個方面： 1.旋轉X射線仿真模擬平台改進。該研究內容有助於冠狀動脈重建算法的測試驗證以及定量評估。課題組在前期工作的基礎上，改進了冠狀動脈仿真系統。課題組利用距離驅動投影算法對CT背景數據和冠狀動脈數據進行投影並進行融合，並對算法進行了GPU加速。 2.基於字典的圖像稀疏表示及其在醫學圖像中的套用。課題組結合壓縮感知理論，深入研究了基於字典的圖像信息稀疏表示，提出了一系列基於字典學習的算法，例如基於字典學習的圖像去噪算法，基於字典學習的投影正弦圖修補算法等。並將字典學習技術套用於圖像修補，提出了一種基於字典修補的血管分割算法。該算法的優勢在於分割後額血管結構不含背景信息，符合投影定理，可以直接套用於斷層圖像重建。 3.自適應L0先驗約束下的稀疏角度疊代重建算法。該研究內容被用於ECG門控冠狀動脈疊代重建。課題組對前期研究工作“基於L0先驗的稀疏角度疊代重建算法”的基礎上進行了改進，提出了自適應L0先驗約束疊代重建算法。該算法在疊代過程中分析圖像體素的鄰域信息，根據鄰域特徵自動選擇先驗函式參數，能夠獲得更好的圖像平滑性和邊界信息保持。 4. 基於CUDA並行化的快速計算模組。課題組利用CUDA並行化技術對字典去噪，字典修補，以及非局部大尺度濾波算法分別進行了最佳化加速。此外課題組針對三位錐束旋轉造影系統的幾何特徵和投影模型，利用CUDA技術對投影和反投影過程進行了並行最佳化，取得了顯著的效率提升。該研究內容被套用於旋轉造影仿真系統的模擬投影和基於ECG門控的稀疏角度疊代重建算法。 5.基於稀疏角度重建和模型演化的二階段冠狀動脈重建算法。課題組根據旋轉X射線冠脈造影的成像特徵，結合人體心臟運動模型，提出了一種二階段重建算法，該算法首先根據人體心臟運動和呼吸模型，對旋轉X射線造影序列進行了呼吸運動校正，之後利用稀疏角度疊代重建進行粗略重建，並對重建結果進行參數化，獲得參數化血管模型，最後利用模型演化算法對模型進行精確修正，最終得到重建結果。該方法能夠有效應對旋轉X射線序列中造影劑不均勻與背景紋理信息帶來的干擾，獲得較好的重建結果。
