《範例影像引導的保紋理特徵低劑量CT成像新方法研究》是依託中國人民解放軍第四軍醫大學，由張元科擔任項目負責人的面上項目。
基本介紹
- 中文名：範例影像引導的保紋理特徵低劑量CT成像新方法研究
- 項目類別：面上項目
- 項目負責人：張元科
- 依託單位：中國人民解放軍第四軍醫大學
中文摘要,結題摘要,
中文摘要
低劑量CT(LDCT)技術在降低X射線對患者輻射傷害的同時伴有成像質量嚴重退化問題。利用常規劑量CT影像(範例影像)中的高質量影像學特徵作為先驗，可有效提升LDCT成像質量。隨著影像組學分析在臨床診斷與預後中作用的日益提升，影像紋理的作用突顯，迫切需要在抑制LDCT噪聲同時，有效保持紋理細節特徵。但現有方法主要關注的是LDCT影像的常規質量提升，目標是在降低劑量同時抑制噪聲對影像質量的影響，未能專注於紋理細節保持，難以支撐極具臨床價值的影像組學分析方法。本項目以範例影像中局部感興趣區自適應先驗信息挖掘與成像利用為思路，通過組建範例影像資料庫，結合局部目標區域相似先驗樣本搜尋，挖掘局部感興趣區自適應先驗信息並設計相應成像模型，實現具有紋理細節保持能力的LDCT成像。
結題摘要
低劑量CT成像技術在降低對患者電離輻射的同時伴有嚴重的偽影噪聲。臨床上已有常規劑量CT影像中豐富的高質量影像學特徵可以作為低劑量CT成像的先驗信息，極大提升其成像質量。項目在此背景下開展範例影像引導的保紋理特徵低劑量CT成像新方法研究，主要內容包括範例樣本特徵表達研究和先驗信息自適應挖掘與成像模型設計研究，其中： 1. 在範例樣本特徵表達研究中，提出了基於灰度共生矩陣的樣本紋理特徵提取策略、基於圖像塊距離相似性直方圖分布的樣本上下文特徵提取策略。經驗證，採用上述特徵表示形式能夠有效提高相似先驗樣本搜尋精度。 2. 在先驗信息自適應挖掘與成像模型設計研究中，項目所取得重要結果包括： （1）通過提取範例影像中高質量先驗冗餘信息，提出了基於範例影像冗餘先驗的低劑量CT影像圖像域噪聲抑制算法以及疊代重建算法。CT下肺結節活檢穿刺臨床數據驗證表明，該算法在噪聲抑制及局部紋理結構特徵保持上具有明顯優勢。 （2）在基於馬爾科夫隨機場的最大後驗機率模型基礎上，提出了基於範例影像中先驗吉布斯分布特徵的CT疊代重建模型，並將其套用於低劑量腹腔CT成像以及低劑量能譜CT成像中。實驗表明，該算法在保持病變區域的紋理信息上優於傳統算法。 （3）利用低秩先驗模型，提出了基於區域內容感知核範數的低秩子空間低劑量CT影像去噪算法、基於低秩空間內稀疏正則化的低劑量腦灌注CT影像疊代重建算法。臨床肺癌患者胸部CT數據以及腦卒中患者灌注CT數據驗證表明，所提方法能夠提高病變區域紋理保持能力； （4）在基於深度神經網路的先驗噪聲分布特徵、組織結構特徵學習基礎上，提出了基於疊代殘差偽影學習深度卷積神經網路的低劑量CT影像增強算法、基於漸進遷移學習網路的低劑量CT影像復原算法、基於半監督先驗噪聲分布學習神經網路的低劑量CT影像復原算法。仿真及臨床腹腔CT數據驗證表明，上述算法在噪聲抑制及臟器紋理保持上具有較大優勢。
