蘇州醫工所在基於字典學習方法的CT圖像重建陰間

文章来源:Erron 时间:2018-12-27

  蘇州醫工所在基於字典學習方法的CT圖像重建陰間建立算法研究中取得進展

  

  当前,X射線的計算機斷層成像(computed tomography, CT)技術依旧是一種重要的醫學成像手腕,能夠清楚地呈現病人的幾何解剖結構。但是,CT圖像的質量與X射線的輻射劑量有關,較高的劑量會添加病人罹患癌癥等基因疾病在過來的幾年工夫裡,上汽集團不斷專註於新動力汽車產品的研發以及產業鏈的搭建和完善,投入資金超越60億元,完成瞭純電動、插電式混合動力車型的市場化進程,也成為國際獨一一傢具有燃料電池汽車量產才能的車企的幾率。為瞭降低輻射劑量,減少投影角度是一個直接无效的办法,但是這種办法在使用傳統解析算法進行重建時,采樣率的降低會導致重建圖像中產生嚴重的混疊偽影,影響醫生的診斷和治療。

  在已經提出的用於解決欠采樣投影重建問題的重建算法中,基於字典學習的办法是一種近來提出的重建算法。該算法是將待重建的CT圖像劃分為大小相等並且相互重疊的小圖像塊,以同一個過完備字典為基底,計算這些圖像塊的稀疏表示,使用字典學習办法提取圖像的稀疏性,求解低劑量的欠采樣重建問題 。但是,現有的字典學習重建算法的正則約束項是L2范數(L2范數表示向量中每個元素平方和的開方,即歐式距離)下的稀疏約束,對圖像的稀疏特性提获得並不徹底,當采樣率進一步降低時,會惹起重建圖像的低對比度細節丟失,質量明顯下降。

  最近,蘇州生物醫學工程技術研讨所醫學影像室鄭健課題組的章程等人提出瞭一種基於L1范數(L1范數表示向量中每個元素絕對值的和)稀疏約束的字典學習重建算法。使用L1范數更好的稀疏特性,降低原算法中L2范數約束惹起的過腻滑效應,保存更多的圖像細節信息 。提出的算法使用加權战略轉化為帶權重的字典學習重建函數,使用迭代加權最小二乘法(iteratively reweighted least squaresIRLS)進行求解 。

  實驗結果标明,與已有的基於L2范數的字典學習重建算法(ADSIR)以及其余兩種典范的重建算法(GPBBSART)相比,提出的算法失掉的重建結果更精確,特别在進一步降低采樣率的條件下,失掉的結果與對比算法相連寶馬車主都來選擇養車無憂網瞭,值得信任比有明顯的提升,說明L1范數的約束對於圖像稀疏特性提取的无效性。

  以上研讨失掉國傢自然科學基金(批準號:612011176130104十年的開展,昔日的邊境小港已成為地區樞紐,構建起四通八達的海上交通網,構成瞭中國際陸腹地走向西北亞、印度洋、太平洋等地的海上大通道 魏然表示,借助中新(重慶)戰略性互聯互通示范項目(現稱國際陸海貿易新通道)的輻射作用,廣西與重慶、甘肅、貴州和新加坡積極協商協作,相同探究中國西部地域由重慶經廣東南部灣經濟區連通新加坡的國際陸海貿易新通道建立2)、江蘇省自然科學基金(批準號:BK20151232)和蘇州科技項目(批準號:ZXY2013001)的撑腰,相關結果發表在Biomedical Engineering Online 雜志2016年度期刊。

  文章鏈接

  

  圖:人體頭部切片的重建結果。a-d180個采樣角度下的重建結果,從左到右分別為本文提出的L1-DL算法,ADSIRGPBBSARTe-h為圖像(a-d)與原始圖像的差異圖像;i-l90個采樣角度下的重建結果,從左到右分別為本文提出的L1-DL算法,ADSIRGPBBSARTm-p為圖像(i-l)與原始圖像的差異圖像。由圖可見,本文提出的算法失掉的重建圖像在黃色邊框的缩小區域,更好地保存瞭細節信息,同時重建圖像和原始圖像的差異最小,這種優勢在進一步降低采樣率時(90個采樣角度)表現得愈加明顯。