盲均衡技術在醫學CT圖像復原中的套用研究

《盲均衡技術在醫學CT圖像復原中的套用研究》是依託天津商業大學，由張立毅擔任項目負責人的專項基金項目。

基本介紹

• 中文名：盲均衡技術在醫學CT圖像復原中的套用研究
• 項目類別：專項基金項目
• 項目負責人：張立毅
• 依託單位：天津商業大學

項目摘要

醫學CT 圖像是進行疾病檢查和診斷的主要依據之一，其質量好壞直接影響診斷的準確性。但在成像過程中由於受到點擴展函式的影響，使得圖像退化，產生圖像模糊問題，影響診斷效果，且退化過程往往是未知的。 本課題在分析醫學CT 圖像成像機理和干擾產生機理的基礎上，採用降維、正交變換、神經網路、稀疏分解等方法，創新性地將適用於一維信號處理的盲均衡算法套用於醫學CT 圖像復原中，旨在消除點擴展函式的影響，提高圖像解析度。重點研究二維醫學CT 圖像與一維信號間的相互轉換模型，選擇適合的盲均衡器結構和算法形式，構造代價函式，搭建仿真實驗平台，分析其收斂性能，並對算法進行驗證。 研究成果可用於醫學CT 圖像盲復原，提高其清晰度，獲得客觀準確的影像學信息，便於實現病理圖像分析和病灶檢測，降低誤診率，也可將其融入CT圖像代數重建算法中，加快算法收斂速度，減少偽影，提高CT圖像的三維重建能力。

結題摘要

醫學CT是一種從測量到的投影數據中重建出人體內部圖像的技術，具有快速、準確、無創傷、無痛苦等特點，被越來越多地套用於臨床診斷。醫學CT圖像作為進行疾病檢查和診斷的重要依據，其質量好壞直接影響診斷準確性。在醫學CT成像過程中不可避免地受到點擴展函式和噪聲的影響，使得圖像產生退化，影響診斷效果。圖像盲均衡就是僅利用退化圖像和部分圖像先驗信息對退化圖像進行處理，達到消除點擴展函式和噪聲的目的，從而提高信噪比，改善重建圖像質量。 本課題利用正交分解、神經網路、稀疏變換和壓縮感知等技術研究了醫學CT圖像的盲均衡，提出了六種新的算法。首先採用頻域變換結合復值盲均衡算法，提出了頻域差錯機率最小醫學CT圖像盲均衡算法，設計了代價函式，推導出算法疊代公式，進行了計算機仿真，表明算法提高了峰值信噪比和改善信噪比。其次，研究了復值醫學CT圖像神經網路盲均衡算法和遺傳算法最佳化神經網路醫學CT圖像盲均衡算法，分析了算法原理，給出了算法流程及疊代公式，仿真驗證了算法的有效性。第三，利用字典學習和稀疏變換，提出了低劑量CT圖像重建方法，先在投影域使用字典學習的稀疏表示方法對正弦圖去噪，然後再對處理後的投影數據採用全變分最小化的疊代算法進行圖像重建，適用於低X射線管電流強度而引起的投影數據含有高強度噪聲的情況。第四，提出了一種基於剪下波變換的低劑量CT圖像重建算法，將待建圖像在剪下波域可以稀疏表示作為先驗信息，以此作為正則化項加入目標函式，使得重建圖像在投影數據不滿足完備性條件的情況下仍然能夠滿足診斷要求。第五，提出了基於交替方向乘子法ADMM疊代的多通道醫學CT圖像盲復原算法，利用分離算法進行求解，實驗結果表明算法改善了峰值信噪比、結構相似性等性能指標，提高了圖像復原質量。第六，在自一致性的SPIRiT框架下，提出了綜合考慮數據一致性、校準一致性和聯合稀疏性正則項的複雜重建問題，簡化成一般性最最佳化問題，並使用運算元分離算法將其分解成一個梯度計算問題和一個典型去噪問題，設計了算法流程，實驗結果表明算法改善了重構圖像信噪比，加快了重構速度。 課題完成了原定的各項研究內容，先後撰寫學術論文9篇，在《Computer Modelling and New Technologies》、《天津大學學報》等重要刊物及國內會議上發表6篇，申請成功軟體著作權1項，培養博士研究生1名，達到了預期的研究目標。