醫學圖像重建精選(九篇)
前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的醫學圖像重建主題范文，僅供參考，歡迎閱讀并收藏。
第1篇：醫學圖像重建范文
[關鍵詞] 可視化；醫學圖像；體繪制；面繪制
[中圖分類號]R814.43 [文獻標識碼] B[文章編號] 1673-7210（2009）03（a）-157-02
隨著可視化技術的發展，現代的許多醫學圖像設備都是向提供三維圖像發展，目前三維CT、三維超聲均可提供三維影像，如通用電氣、西門子等成像設備制造商均生產三維CT產品，但是這些設備價格相當昂貴。通過計算機圖像圖形學技術和可視化技術，對二維CT圖像進行后處理，根據輸入的各圖像參數直接在PC機上實現三維影像重建具有十分現實的意義。
1 三維可視化系統技術研究
符合DICOM標準的CT圖像的三維可視化系統必須具有的基本功能是DICOM文件的解析功能，用于提取出重建的數據場和空間信息。針對醫學CT圖像的特殊性，必須具有窗寬/窗位的調節功能，還必須具有體數據場的三維可視化功能。
1.1 DICOM文件的解析功能
DICOM標準的提出使得醫學圖像及各種數字信息在計算機之間的傳遞有了一個統一的規范，DICOM標準不但規定了通訊的標準，也規定了醫學圖像特定的存儲格式。DICOM文件一般由一個DICOM文件頭和一個DICOM數據集構成，在DICOM文件頭中包含了標識數據集合的相關信息，DICOM文件的信息主要集中在數據集部分。DICOM數據集又由數據元素組成，數據元素主要由4個部分組成：標簽、數據長度VL、數據域和數據描述VR。不同的標簽規定了后續數據域中數據對應實體的內容，數據元素按標簽的升序排列構成數據集。DICOM文件解析目的是通過分析符合DICOM標準的CT圖像的文件中各數據元素，從給定的序列文件中按標簽號逐個提取出重建中需要用到的信息，分析判斷各圖片之間的空間關系，構造數據場，作為可視化系統的原始輸入數據。
1.2 窗寬/窗位調節功能
通過DICOM文件解析獲得的CT圖像各象素比特深度一般為12位，存儲位為16位，目前計算機能夠顯示的灰度級只有8位，因此在重建前要完成16位到8位灰度級的映射功能，這在CT圖像的處理中稱為窗寬/窗位的調節。
目前常用窗寬/窗位的調節算法有Linear算法、Gamma算法、Logarithmic算法等。Gamma算法和Logarithmic算法都是非線性的，可以補償人眼對灰度反應的非線性，但是它們的運算量非常大，對于二維圖像處理采用可以產生較為理想的效果，如果直接將其運用到三維數據場，則巨大的計算量將影響實時窗寬/窗位的調節。為了有效地進行窗寬／窗位的調節，筆者采用了計算速度快、可以實時交互的Linear算法，效果理想。
1.3 可視化技術
規則數據場的可視化方法一般分為兩類：一類是表面繪制法，一類是體繪制法。
通過軟件開發，實際比較了表面繪制和體繪制的優劣。發現了表面繪制處理的是整個體數據場中的一小部分數據，具有較快的速度，并且可以快速靈活地進行旋轉和變換光照效果，它適合于繪制表面特征分明的組織和器官。但是，由于表面重建對表面分割的依賴較大，對分割的精確程度要求很高，所以對形狀不明顯、亮度變化小的軟組織，以及血管等組織的三維顯示，效果不盡如人意。體繪制對于形狀特征模糊不清的組織和器官進行三維顯示時具有較好的效果。但是由于在原始的體繪制過程中，一般要遍歷體數據場中的每一個體素，因而計算量較大，圖像成像的速度較慢。當改變光照和視點時，要重新進行投影運算，所以交互的速度較慢。因此，為適應不同的應用要求，系統同時實現了兩種重建方法。
2 系統結構設計和功能
根據系統的功能構想和實現目標，筆者將系統結構設計為4個模塊：
DICOM文件解析模塊：完成由符合DICOM標準的CT圖像輸入序列到體數據的組織和相關信息獲取的功能。該模塊首先逐個解析單個的文件，提取出了關鍵數據，再判斷輸入的圖片是否為同一序列，在空間位置上是否滿足重建的要求，然后將刪去不符合要求的圖片而將符合要求的圖片組成列表，提取逐個列表中各文件的象素和空間信息，將各切片數據組織為空間體數據場。
體數據預處理模塊：完成窗寬/窗位調節和體數據增強等功能。窗寬／窗位調節采用Linear算法；體數據增強主要是為了消除CT圖片中可能存在的噪聲而采用的可選的預處理功能，一般的中值濾波器具有消除噪聲同時對圖像邊緣等信息影響不大的優點，在系統中選用該算法實現圖像濾波。
可視化模塊：設計了表面繪制和體繪制兩種算法。表面繪制使用MC算法提取等值面；體繪制算法采用Ray Casting算法。為了加快開發速度，筆者通過比較分析：作為可視化開發工具，VTK是一個開放式的免費軟件，具有強大的三維功能，它提供目標函數庫，用戶可以利用面向對象的技術和方法對它進行二次開發。
交互顯示模塊：交互顯示模塊主要完成對重建后的三維影像實現旋轉、縮放，獲取冠狀面、矢狀面和實時窗寬/窗位調節的功能。
3 結論
醫學CT圖像三維可視化系統實現了符合DICOM標準的CT圖像的三維顯示，為醫務人員提供了形象、直觀的診斷技術，具有廣泛的臨床應用價值。系統實現了：DICOM文件的解析；交互式Linear算法窗寬/窗位調節；MC表面繪制法和光線投射法重建醫學CT圖像；通過軟件開發，比較了兩種重建方法的優劣；直方圖指示，冠狀面、矢狀面的獲得及其旋轉、縮放等功能。
[參考文獻]
[1]李樹祥.醫學圖像技術的發展與應用[J].中國圖像圖形學報,1996,1(1):281.
[2]唐澤圣.三維數據場可視化[M].北京:清華大學出版社,1999.
[3]姚富光,魏彪．基于醫用X-CT的三維重建系統研究[J].儀器儀表學報,2004,25(4):439.
第2篇：醫學圖像重建范文
摘要：介紹了圖像處理技術在醫學領域的發展，闡釋了圖像分割、圖像融合和圖像重建技術在醫學領域的發展。提出了圖像處理技術發展所面臨的相關問題及其發展方向。
關鍵詞：圖像處理技術 圖像分割 圖像融合 圖像重建
圖像處理技術是20世紀60年展起來的一門新興學科。近幾十年來，由于大規模集成電路和計算機科學技術的迅猛發展，離散數學理論的創立和完善，以及軍事、醫學和工業等方面需求的不斷增長，圖像處理的理論和方法的更加完善，已經在宇宙探測、遙感、生物醫學、工農業生產、軍事、公安、辦公自動化、視頻和多媒體系統等領域得到了廣泛的應用，成為計算機科學、信息科學、生物學、醫學等學科研究的熱點。
圖像處理在醫學界的應用非常廣泛，無論是病理研究還是臨床診斷都大量采用圖像處理技術。它因直觀、無創傷、方便安全等優點而受到人們青睞。圖像處理首先應用于細胞分類、染色體分類和放射圖像分析等，20世紀70年代圖像處理在醫學上的應用有了重大突破，1972年X射線斷層掃描CT得到實用：1977年白血球自動分類儀問世：1980實現了CT的立體重建。隨著科學技術的不斷發展，現代醫學已越來越離不開醫學圖像的信息處理，醫學圖像在臨床診斷、教學科研等方面有重要的作用。目前的醫學圖像主要包括CT(計算機斷層掃描)圖像、MRI(核磁共振)圖像、B超掃描圖像、數字X光機圖像、X射線透視圖像、各種電子內窺鏡圖像、顯微鏡下病理切片圖像等。但由于醫學成像設備的成像機理、獲取條件和顯示設備等因素的限制，使得人眼對某些圖像很難直接做出準確的判斷。計算機技術的應用可以改變這種狀況，通過圖像變換和增強技術來改善圖像的清晰度，突出重點內容，抑制次要內容，來適應人眼的觀察和機器的自動分析，這無疑大大提高了醫生臨床診斷的準確性和正確性。
一、圖像處理技術及其在醫學領域的應用
(一)圖像分割
圖像分割就是把圖像中具有特殊涵義的不同區域分開來，這些區域使互不相交的每一個區域都滿足特定區域的一致性。它是圖像處理與圖像分析中的一個經典問題。比如基于三維可視化系統結合fast marching算法和watershed變換的醫學圖像分割方法，能得到快速、準確的分割結果。圖像分割同時又是進行三維重建的基礎，分割的效果直接影響到三維重建后模型的精確性，分割可以幫助醫生將感興趣的物體(病變組織等)提取出來，幫助醫生能夠對病變組織進行定性及定量的分析，進而提高醫生診斷的準確性和科學性。由于解決和分割有關的基本問題是特定領域中圖像分析實用化的關鍵一步，因此，將各種方法融合在一起并使用知識來提高處理的可靠性和有效性是圖像分割的研究熱點。
(二)圖像融合
圖像融合的主要目的是通過對多幅圖像間的冗余數據的處理來提高圖像的可讀性。對多幅圖像問的互補信息的處理來提高圖像的清晰度。利用可視化軟件對多種模態的圖像進行圖像融合，可以準確地確定病變體的空間位置、大小、幾何形狀和它與周圍生物組織之間的空間關系，從而及時高效地診斷疾病。目前的圖像融合技術可以分為兩類：一類是以圖像像素為基礎的融合方法：另一類是以圖像特征為基礎的融合方法。以圖像特征為基礎的融合方法原理上不夠直觀且算法復雜，但是實現效果較好。在圖像融合技術研究中，不斷有新的方法出現，其中小波變換、基于有限元分析的非線性配準以及人工智能技術在圖像融合中的應用將是今后圖像融合研究的熱點與方向。隨著三維重建顯示技術的發展，三維圖像融合技術的研究也越來越受到重視。
(三)圖像重建
圖像重建是從數據到圖像的處理，即輸入的是某種數據，而經過處理后得到的結果也是圖像。CT是圖像重建處理的典型應用實例。目前，圖像重建與計算機圖形學相結合，把多個二維圖像合成為三維圖像，并加以光照模型和各種渲染技術，能生成各種具有強烈真實感的圖像。
二、圖像處理技術在醫學領域未來發展方向
當前，醫學圖像處理面臨的主要任務是研究新的處理方法，構造新的處理系統。未來發展方向大致可歸納為以下幾點：
(一)圖像處理技術的發展將圍繞研制高清晰度醫學顯示設備、更先進的醫學成像設備，向著高速、高分辨率、立體化、多媒體化、智能化和標準化方向發展。
(二)圖像、圖形相結合，朝著三維成像或多維成像的方向發展。
第3篇：醫學圖像重建范文
【關鍵詞】形態濾波器；基于期望值最大的最大似然算法；懲罰最大似然算法
0 引言
正電子發射斷層成像（positron emission tomography，PET）是核醫學領域最先進的技術之一，它利用注入體內的放射性核素來進行顯像，可以動態的反應生物體的生理、生化信息。正電子成像技術的關鍵問題是如何重建出高質量的圖像，因此，重建算法一直都是 PET 的研究熱點。
MLEM算法[1]，在重建過程中充分考慮了測量數據的Poisson性質，是一種比較好的圖像重建算法。但是，它在實際使用中卻存在一個問題，就是當投影數據中存在比較嚴重的統計噪聲時，重建圖像的質量并不完全是隨著迭代的進行越來越好。MLEM算法在初始迭代的步驟中隨著圖像細節部分越來越多地恢復過來，圖像質量也逐漸變好，但隨著迭代次數的增加，重建圖像中的噪聲同時也會逐漸上升，以至于經過足夠多次的迭代后噪聲帶來的負面影響可能超過圖像細節恢復的正面影響，使得此后重建圖像的質量會隨著迭代的進行再次下降。因此，MLEM圖像重建問題是個不適定的問題。目前，解決這個問題的辦法是引入一個正則化項，使得重建結果不僅要在一定程度上滿足測量數據，而且同時還要與獨立于測量數據的正則化項保持一致。我們通常稱這種方法為PML算法或者是貝葉斯算法。在過去幾十年中，提出了許多PML算法。
1990年，Green提出了一種貝葉斯算法，我們稱之為遲一步（one-step-late，OSL）算法[2]。這種方法的關鍵是尋找一個合適的能量函數，使得它能在去噪的同時保護圖像邊緣。不幸的是，能量函數的選擇十分困難。中值先驗（median root prior， MRP）算法[3]，是OSL算法的一個運用，這種算法擅長于處理具有局部單調放射性溶度的圖像。但是，MRP算法也存在缺陷，因為它不能有效的去除在PET圖像中的高斯和Poisson噪聲。
形態濾波器是從數學形態學中發展出來的一種非線性濾波器，它能在去除圖像噪聲的同時有效的保護圖像的局部邊緣，現在廣泛應用于圖像分析與處理，模式識別和計算機視覺等領域[4]。
1 MLEM算法
2 基于形態濾波器的PET圖像重建算法
4 總結
為了提高重建圖像的質量，本論文把形態學關-開濾波器引入到MLEM算法中，提出了一種新的PET圖像重建算法MLEM-CO。新提出算法的每次迭代都分為2步：首先用MLEM算法重建圖像；然后用關-開濾波器去除噪聲。實驗結果表明，跟其他算法相比，MLEM-CO算法不僅能有效的去除噪聲，還能很好的保護圖像的邊緣信息。總之，MLEM-CO算法能重建出高質量的圖像。
【參考文獻】
[1]L. A. Shepp and Y. Vardi. Maximum likelihood reconstruction for emission tomography[J]. IEEE Transactions on Medical imaging， vol.1， no.2， pp.113-122， 1982.
[2]P.J.Green.Bayesian reconstruction from emission tomography data using a modified EM algorithm[J].IEEE Transactions on Medical imaging， vol.9， no.1， pp. 84-93， 1990.
[3]S. Alenius and U. Ruotsalainen. Bayesian image reconstruction for emission tomography based on median root prior[J]. European Journal of Nuclear Medicine， vol.24， no.3， pp.258-265， 1997.
第4篇：醫學圖像重建范文
針對錐束CT成像系統中投影數據不完全的圖像重建問題，提出了一種定步長壓縮感知錐束CT重建算法。首先將錐束CT重建問題歸結為投影數據均方誤差作為數據保真項、全變分作為正則項的無約束優化問題，分析目標函數的Lipschitz連續性；然后近似計算Lipschitz常數，求出梯度下降步長，利用梯度下降法進行重建；最后對CT投影數據采用聯合代數重建算法更新重建圖像。在每次迭代過程中調整梯度下降步長，提高重建算法的收斂速度。Shepp-Logan模型的無噪聲實驗結果表明，該算法的重建圖像信噪比分別比聯合代數重建算法、自適應最速下降-凸集投影算法、BB梯度投影算法的重建圖像信噪比高出13.7728dB、12.8205dB、7.3580dB。仿真試驗表明該重建算法提高了收斂速度，同時減少了重建圖像的相對誤差，極大提高了用少量投影數據重建的圖像質量。
關鍵詞：壓縮感知；定步長；錐束CT；圖像重建
中圖分類號： TP301.6
文獻標志碼：A
Compressing-sensing cone-beam CT reconstruction algorithm of fixed step-size
Abstract：
To solve the problem of image reconstruction of incomplete projection data from cone-beam CT， a fast cone-beam CT reconstruction algorithm was proposed. In this work， the cone-beam CT reconstruction problem was reduced to an unconstrained optimization problem of minimizing an objective function which included a squared error term combined with a sparseness-inducing regularization term. The Lipschitz continuity of the objective function was analyzed and the Lipschitz constant was estimated based on its definition. The gradient descent step-size was calculated by the Lipschitz constant and the reconstructed image was updated by gradient method. Finally simultaneous algebraic reconstruction technique was used to reconstruct image from limited-angle projections and to meet the constraint of the projection data. An adaptive step-size technique was accommodated as so to accelerate the convergence of proposed algorithm. Simulation with noiseless Shepp-Logan shows： In comparison with simultaneous algebraic reconstruction technique， adaptive steepest descent-projection onto convex sets algorithm and gradient-projection Barzilari-Borwein algorithm， the proposed algorithm has higher SNR （Signal-to-Noise Ratio） by 13.7728dB， 12.8205dB， and 7.3580dB respectively. The algorithm has better performance in convergence speed and reconstruction accuracy， and can greatly improve the quality of images reconstructed from few projection data.
Key words：
compressed sensing； fixed stepsize； cone-beam CT； image reconstruction
0 引言
計算機斷層成像（Computed Tomography， CT）是通過無損方式獲取物體內部結構信息的一種醫學影像技術。在數據采集的速度、重建圖像分辨率以及劑量利用率等方面，錐束CT優于二維平行束和扇束CT，是CT成像領域內一個活躍的研究方向。傳統的濾波反投影算法，如FDK（Feldkamp-Davis-Kress）類算法[1]，會產生嚴重的錐束偽影。目前錐束CT重建問題的具體重建算法主要是基于級數展開的迭代法。其中聯合代數重建算法（Simultaneous Algebraic Reconstruction Technique， SART）[2]將圖像重建問題轉化為線性方程組的求解問題， 當投影數據不完全時， 把丟失的數據看作缺少若干方程，在某種程度上忽略了投影數據不全的問題， 適合于錐束CT重建問題。
近年來，Donoho、Candes及Tao等[3-4]提出了一種新的信息獲取指導理論——壓縮感知（Compressed Sensing， CS）理論。該理論指出，信號在某個變換域是稀疏的，僅需對信號少量采樣，并通過求解優化問題精確恢復原信號。CS理論在信息論[5]、圖像處理[6]、光學成像[7]、雷達成像[8]等領域受到高度關注。針對錐束CT重建問題，很多學者提出了各種壓縮感知算法，其中梯度投影類算法[9-11]利用全變分最小化的先驗知識進行精確重建，取得了良好的效果。
梯度投影類算法以負梯度方向為下降方向，不同算法的步長選擇策略不同。自適應最速下降-凸集投影算法（Adaptive Steepest Descent-Projection Onto Convex Sets， ASD-POCS）[9]交替使用最速下降法和凸集投影法進行迭代計算，迭代步長與重建圖像凸集投影的變化量成正比。然而最速下降法往往隨著問題條件數的增大而變得非常緩慢，搜索方向沿著“之”字形曲折地逼近極值點，效率低下；BB梯度投影算法 （Gradient-Projection Barzilari-Borwein， GPBB）[10]利用前兩次計算結果來計算迭代步長，計算復雜度低，收斂速度較快，但非單調收斂，需要非單調線性搜索過程保證算法全局收斂。
本文針對梯度投影類算法收斂速度較慢的問題，提出一種快速壓縮感知錐束CT重建算法。該算法將錐束CT重建問題歸結為投影數據均方誤差作為數據保真項、全變分作為正則項的無約束優化問題，基于凸函數的連續性求出迭代步長，加快算法的收斂速度。采用Shepp-Logan無噪聲投影數據、有噪聲投影數據對新算法進行實驗，并將其與SART算法、ASD-POCS算法和GPBB算法進行比較。實驗結果驗證了本文算法的重建效果和收斂速度明顯優于上述三種算法。
1 錐束CT成像系統
錐束CT成像系統模型可以近似表示為如下的離散線性系統：
通過上式看出，可以通過設置一個較小的δ保證全局收斂性。但是，過小的δ導致步長αk很小，收斂緩慢。另一方面，過大的δ可能無法保證全局收斂。因此在每次迭代中對δ進行合理的估計。
從式（3）可以看出，δ的取值范圍為（0，2），當δ=1時取得最大值。然而，在實際處理中，δ∈（1，2）往往會取得較好的效果。
本文將δ0=1.5作為初值，在迭代過程中自適應調整。
其中γ為調節因子，一般取為γ=0.95。前若干次迭代使用較小δ，保證全局收斂性；隨著Lk趨于穩定，使用較大的δ，提高收斂速度。
2.3 FS-POCS算法流程
綜上所述，FS-POCS算法流程如下所示：
1） 初始化：
3 實驗與結果
本文錐束CT重建算法基于CPU+GPU異構平臺進行計算。所采用的平臺：Tesla C2050，448塊核心頻率，1.15GHz的CUDA核心，3GB內存。CPU是時鐘頻率為1.14GHz的Intel雙核，40GB內存，64位Windows操作系統。開發環境為：Visual Studio 2008， CUDA 4.0 runtime API。
3.1 無噪聲投影重建
實驗選擇Shepp-Logan模型模擬生成圓形掃描軌跡的扇形束投影數據。其中，X射線源與重建中心、探測器中心的距離分別為400mm和600mm，探測器數為512，單元尺寸為0.78mm，重建圖像大小為256×256，單元尺寸為0.78mm×0.78mm。掃描間隔為12°，共30個采樣點。分別使用SART算法、ASD-POCS算法、GPBB算法和FS-POCS算法進行錐束CT短掃描圖像重建。圖1給出了分別使用四種算法的重建結果，窗口顯示范圍為[0， 0.5]。
圖2和圖3分別給出了四種算法在無噪聲情況下重建結果的相對誤差曲線和信噪比曲線。結果表明，FS-POCS算法的相對誤差小于SART算法、ASD-POCS算法、GPBB算法的相對誤差；重建結果信噪比分別比SART算法、ASD-POCS算法、GPBB算法重建結果的信噪比高出18.2243dB、16.9361dB、5.3944dB。說明FS-POCS算法能夠更精確地重建原始圖像。
無噪聲情況下SART算法、ASD-POCS算法、GPBB算法和FS-POCS算法運行200次迭代的時間如表1所示。
從表1中可以看出，ASD-POCS算法運行時間最長，GPBB算法其次，SART算法運行時間最短。在迭代重建過程中，投影和反投影過程占用全部重建時間的98%以上。GPBB算法非單調收斂，需要非單調線性搜索過程，而這往往需要很多次凸集投影計算；ASD-POCS算法在逐步逼近負梯度方向最優值過程中進行多次投影和反投影計算。與SART算法相比，FS-POCS算法在每次迭代過程中只增加一次目標函數求導過程，時間沒有明顯增加。
3.2 有噪聲投影重建
為了檢測該算法的抗噪能力，在投影數據中加入0.1%的高斯隨機噪聲。圖4是加入噪聲后，分別使用四種算法的重建結果。仿真參數同無噪聲投影情況下相同，切片圖像窗口顯示范圍為[
4 結語
本文將定步長計算與凸集投影相結合，提出了一種定步長壓縮感知錐束CT圖像重建算法，結論如下：
1） 提出了基于凸函數連續性的錐束CT圖像重建算法。
2） FS-POCS算法有效提高圖像重建質量。在無噪聲試驗結果表明，在30個采樣角度下，文中算法重建圖像的信噪比值比SART算法、ASD-POCS算法、GPBB算法重建結果分別高出18.2243dB、16.9361dB、5.3944dB；在加入0.1%的高斯隨機噪聲實驗結果表明，本文提出的PCBB算法的重建結果信噪比分別比SART算法、ASD-POCS算法、GPBB算法重建結果的信噪比高出13.7728dB、12.8205dB、7.3580dB。
3） FS-POCS算法能減少圖像重建時間，提高計算效率。算法在每步計算中估計Lipschtiz常數，無需額外的復雜計算過程，每次迭代過程中FS-POCS算法只涉及到單次投影和反投影計算，從而大大減少了圖像重建時間。
參考文獻：
[1] LI L， XING Y， CHEN Z， et al. A Curve-filtered FDK （C-FDK） reconstruction algorithm for circular cone-beam CT[J]. Journal of X-Ray Science and Technology， 2011， 19（3）： 355-371.
[2] SONG B， PARK J， SONG W. A novel， fast， variable step size gradient method for solving Simultaneous Algebraic Reconstruction Technique （SART） type reconstructions： an example application to CBCT[J]. Medical Physics， 2011， 38（6）： 3444.
[3] DONOHO D L. Compressed sensing[J]. IEEE Transactions on Information Theory， 2006， 52（4）： 1289-1306.
[4] CANDES E J， ROMBERG J K， TAO T. Stable signal recovery from incomplete and inaccurate measurements[J]. Communications on Pure and Applied Mathematics， 2006， 59（8）： 1207-1223.
[5] LAUZIER P T， TANG J， CHEN G-H. Prior image constrained compressed sensing： Implementation and performance evaluation[J]. Medical Physics， 2012， 39（1）： 66.
[6] HAGER W W， PHAN D T， ZHANG H. Gradient-based methods for sparse recovery[J]. SIAM Journal on Imaging Sciences， 2011， 4（1）： 146-165.
[7] CHEN T， LI Z， WANG J， et al. Imaging system of single pixel camera based on compressed sensing[J]. Optics and Precision Engineering， 2012， 20（11）： 2523-2530.（陳濤，李正煒，王建立，等. 應用壓縮傳感理論的單像素相機成像系統[J]. 光學精密工程， 2012， 20（11）： 2523-2530.）
[8] VOLZ R， CLOSE S. Inverse filtering of radar signals using compressed sensing with application to meteors[J]. Radio Science， 2012， 47（6）： RS0N05.
[9] SIDKY E Y， PAN X. Image reconstruction in circular cone-beam computed tomography by constrained， total-variation minimization[J]. Physics in Medicine and Biology， 2008， 53（17）： 4777.
[10] PARK J C， SONG B， KIM J S， et al. Fast compressed sensing-based CBCT reconstruction using Barzilai-Borwein formulation for application to on-line IGRT[J]. Medical Physics， 2012， 39（3）： 1207.
[11] ZHANG Y， WANG Y， LI W， et al. Reconstruction of photoacoustic image based on total varition[J]. Optics and Precision Engineering， 2012， 20（1）： 204-212.（張硯， 汪源源， 李偉，等. 基于全變分法重建光聲圖像[J]. 光學精密工程， 2012， 20（1）： 204-212.）
[12] JENSEN T L， JORGENSEN J H， HANSEN P C， et al. Implementation of an optimal first-order method for strongly convex total variation regularization[J]. BIT Numerical Mathematics， 2012， 52（2）： 329-356.
第5篇：醫學圖像重建范文
摘要:
首先研究了LOT中光線傾斜角度對光在組織體內分布的影響，在此基礎上設計并完成了壓縮傾角薄層光學層析成像系統，提出了矯正掃描振鏡枕型畸變的新方法，并發展了基于虛擬源-擴散近似技術和GPU的LOT快速圖像重建算法．光路模擬結果表明，cdaLOT系統可使入射主光線傾角減小為傳統LOT系統的1/2．cdaLOT系統將測量值與蒙特卡洛模擬結果的相對誤差由傳統系統的38%降低為18%，從而緩解了實際測量方式和正向數學模型的不匹配性．仿體成像實驗表明:重建異質體的吸收系數、位置和形狀與真實情況基本相符．
關鍵詞:
薄層光學層析成像;傾角;圖像重建;測量系統
引言
薄層光學層析成像是一種能夠實現深度分辨的介觀功能光學成像方法，以幾百微米的空間分辨率獲得毫米級深度下的血氧變化等功能［1］，有望在皮膚癌、宮頸癌等的在體早期診斷上獲得應用．LOT利用600～900nm的紅和近紅外光，采用類似共聚焦掃描顯微鏡的光學結構實現非接觸的柵格化掃描．和共聚焦掃描顯微鏡不同的是:LOT以面陣或線陣探測器采集從組織體內出射的漫射光;在每個光源點下，探測器的不同通道對應于目標物體表面上與光源點距離不同的探測點位置，這樣由光源點的平面掃描即可獲取不同源-探距離下的二維原圖像序列．根據光在散射媒質中的傳播規律，不同SDS對應于不同的探測深度，因此，采用類似于漫射光層析成像的圖像重建算法可獲取目標物體的斷層圖像，進而獲得目標的三維光學結構．E．M．Hillman等人率先進行了LOT系統的研究并進一步對系統進行了改良［2-3］，例如他們發展了機械臂和光纖束形式的LOT［4］．S．Yuan等人研究了與光學相干層析成像(OCT)相結合的熒光LOT系統，實現了功能成像和結構成像的結合［5］．LOT系統中，設以樣品表面的中心為坐標原點時，在掃描過程中，入射或出射主光線與探測面法線的夾角會隨著入射點或探測點的坐標的不同而不同:例如入射點的坐標越大，入射光線和探測面法線間的夾角越大;而在同一入射點時，源-探距離越大出射主光線與探測面法線間的夾角也越大．對于傳統LOT系統，當視場為5mm×5mm時，最大入射傾角將達到2°．和DOT類似，LOT的圖像重建依賴于對正向模型(如蒙特卡洛模擬)的多次迭代計算．在正向模型計算中，雖然對一個源點的單次計算中可設定入射光角度，但考慮到LOT測量中源掃描點數眾多且不同源點時入射角并不固定，以及探測主光線的出射角不易提前獲知等因素，在圖像重建中計入變化的入射角的方法是不現實的．因此目前LOT的正向數學模型的計算通常是基于入射光束角度不變的［1-6］，從而造成了實際測量與正向數學模型的不匹配，進而加大重建圖像的誤差．在共聚焦顯微成像中，為了實現整個掃描區域內入射和返回主光線與探測面法線間夾角的不變，一個有效的方法是讓待測物體做二維平動來代替掃描振鏡的二維掃描，雖然這種掃描方式實現起來相對簡單，但其一方面犧牲了系統的掃描速度，另一方面所需要的亞毫米移動也很難應用到對人體等的在體檢測．因此，研究適合LOT系統的小傾角系統是十分必要的［6］．本文在研究傾角對LOT系統影響的基礎上，研制了壓縮傾角LOT系統(LOTwithcondenseddipan-gle，cdaLOT)，在不移動被測對象的前提下，使得入射和返回主光線在整個成像區域內都近乎垂直于探測面，以期緩解實際測量方式和數學模型的不匹配問題．最后利用所發展的cdaLOT系統和算法進行仿體成像，驗證所發展的系統的有效性．
1傾角的影響
利用蒙特卡洛模擬(MC)研究當準直光以不同角度斜入射時，媒質內部的光子密度分布．模擬時，入射光子數取為108，根據皮膚、肌肉等生物組織體在近紅外波段的光學參數［7］，媒質的光學參數設為:吸收系數μa=0．01mm-1，散射系數μs=10mm-1，各向異性因子g=0．9．設X-Y平面與媒質表面重合，圖1(a)-(d)的上排分別是當準直光入射角分別為0°、1°、2°和6°時媒質深度方向(X-Z截面)內的光子密度分布，下排為斜入射與垂直入射時的光子密度的偏差ε．從圖1可以看出，光源斜入射的影響更多地集中分布在入射點附近的近場區．斜入射對遠場區影響小源于生物組織的散射作用，光在生物組織中傳播時原有的方向性逐漸消失，至完全擴散區(半徑范圍大于5～10個平均散射自由程，根據本文所采用的散射系數，對應于0．5～1．0mm)時入射光最初的方向性將消失殆盡．雖然光斜入射對遠場區影響較小，但LOT系統是對被測物面進行移動的二維柵格掃描，柵格間距以及最小探測距離約為200μm左右，也就是說異質體定將位于入射點的近場，因此，斜入射對近場的影響將導致異質體附近光子傳輸及分布的改變，從而加大異質體光學參數重建的誤差．圖2顯示了圖1中沿x=0．1mm的ε，可以看出，在近場處ε呈現先增大再逐漸減小的趨勢，在z=0．5mm時ε達到極大值，而這一深度恰好是LOT的主要成像深度，因此入射傾角對LOT這樣具有亞毫米成像深度的系統具有很大的影響．
2cdaLOT系統的研究
2．1硬件系統設計及優化
圖3cdaLOT系統原理圖Fig．3SchematicdiagramofthedevelopedcdaLOTsystem設計并搭建的cdaLOT系統的原理如圖3，系統的光源和探測器分別為2mW的He-Ne激光器和線陣PMT．由于組織體對632．8nm光具有強烈的散射和較大的吸收，由組織內部出射的漫射光極其微弱，為了防止表面的直接反射光對待測的微弱漫射光信號的干擾，根據散射可導致光的偏振性發生改變的原理，系統采用偏振光入射和偏振檢測的方法以濾除表面的直接反射光．p偏光經過起偏器和立方體偏振分束器過濾掉殘余的s偏光．為了實現二維柵格掃描，采用鋸齒波和階梯波分別控制X和Y振鏡．進行行掃描時，Y振鏡保持靜止，X振鏡在斜波控制下以一定的角度間隔旋轉，實現行方向上的點掃描．一行掃描完畢后，X振鏡回到最初位置，Y振鏡在階梯波的控制下旋轉到下一個角度，X振鏡重復進行下一行的點掃描．重復上述過程直至掃描結束．背向散射光經過掃描光路后在分束器處被反射，經過檢偏器后被成像透鏡聚焦至與樣品面共軛的PMT上．根據近紅外光在生物組織中的傳播規律，一般來說，光出射點距源點越遠則探測到的光在被測物內傳播的越深，因此線陣PMT不同通道上的探測信號反映了被測物內不同深度下的光學參數(吸收系數和散射系數)信息，該探測信號作為測量數據輸入圖像重建算法即可獲得光學參數的三維分布．為了壓縮傾角，借鑒掃描顯微鏡的掃描光路，本文將傳統LOT系統中的二倍倒像掃描改進為遠心掃描，如圖4所示．通過掃描透鏡和雙遠心物鏡組成壓縮傾角雙遠心掃描光路，掃描透鏡的后焦面在X、Y振鏡中間，掃描透鏡和雙遠心透鏡組中的筒鏡構成一個4f系統，把掃描振鏡成像在雙遠心透鏡組的物鏡的入瞳位置，使得從掃描振鏡出射的且與光軸有一定夾角的平行光束也能近似垂直地入射在樣品的探測面上．根據圖3，系統的放大倍率由各個平行光透鏡組的放大倍率級乘得到．成像透鏡和掃描透鏡為一組平行光透鏡組，成像透鏡的焦距fimaging=200mm，掃描透鏡的焦距fscan的選擇則充分考慮到視場、源探距離、探測深度的要求，選為75mm，則該組的放大倍數m1=fimaging/fscan=2．67．選取雙遠心透鏡的物像放大倍數為m2=2，則系統的總放大倍數m=5.34．根據物像放大倍數的定義，最小源探距離ΔSDS為線陣PMT每個通道的寬度Δchannel的1/m倍，本文所采用的Δchannel=1mm，因此可計算得ΔSDS=0.187mm．采用的PMT共有16通道，則在某一個源點時，最大的源探距離可約達3mm．為了矯正掃描振鏡固有的枕型畸變，本文發展的矯正方法為:將二維光電位置檢測器(PSD)置于探測面，采集不同掃描振鏡角度下的實際光點坐標(X，Y)值并建立數據庫;使用二元多項式模型對已建立的數據庫作最優擬合，最后根據實際中所需要的光電坐標從擬合模型獲得所需的振鏡旋轉角度．本文擬合階數選取為7，得到坐標X和Y的擬合誤差分別小于13．38μm和16．42μm，滿足LOT的應用要求，用本方法矯正前后的光點軌跡如圖5所示．
2．2圖像重建算法
考慮到LOT測量時源探距離小于擴散近似的適用范圍，采用本課題組發展的基于虛擬源-擴散近似技術(Virtual-sourcediffusionapproximation，VS-DA)的光子輸運模型作為正向模型［7-8］，該方法所獲得的解析式避免了傳統LOT中對每一個源點進行一次MC模擬所帶來的巨大計算量．在逆問題中，利用互易原理得到雅可比矩陣:J=VG(r－rd)Φ(r－rs)，(1)其中，Ф為光子密度;G為格林函數;rd(s)代表探測器(或光源)的空間位置矢量;V為VS-DA模型剖分單元的體積．同時，考慮到LOT系統的高密度柵格化掃描造成雅可比矩陣規模劇增，利用GPU多重算術邏輯單元(ALU)實現了雅可比矩陣的并行計算．完整的線性化圖像重建流程如圖6所示．最終利用Tikhonov正則化方法完成系統矩陣方程的逆運算［9］，得到吸收微擾的空間分布:δμa=J(JJT+λI)-1ΔMFM，(2)其中δμa代表吸收系數的微擾;ΔM為無擾動條件下的測量值M與擾動下的測量值之差;F為正向模型預測值，由VS-DA模型在無擾動條件下求得．
3結果
3．1系統傾角的改善
采用ZemaxTM分別對傳統LOT和本文提出的cdaLOT進行光路追跡．傳統LOT的物鏡為普通透鏡，焦距為200mm，為了保持兩個系統的放大倍率近似相等，傳統LOT中的掃描透鏡的焦距取為50mm．假設入射光線與被測物表面垂直處位于被測物中心，且將該點設為坐標原點．圖7為傳統LOT和cdaLOT系統入射主光線傾角β與物面坐標間的關系．可以看出入射光線與光軸的夾角與物點坐標成近似線性關系，坐標值越大則入射傾斜角度β越大．傳統LOT在(x，y)坐標為(1．5mm，0)和(2．5mm，0)處的β可達1．1°和1．8°，而cdaLOT系統對應的β僅分別為0．3°和0．9°，即cdaLOT系統至少能夠使β減小為傳統LOT系統的1/2．
3．2與正向模型符合度的驗證
將實驗結果與MC模擬出的漫射光強進行對比，以驗證壓縮光束入射角對改善實驗條件與正向模型匹配度的作用．MC模擬中，光線垂直入射到媒質上．本文制作了以環氧樹脂作為基底，墨水和TiO2顆粒分別作為吸收體和散射體的固體仿體，μa=0.01mm-1，μs=10mm-1，g=0．68．在傳統LOT和cdaLOT系統下，仿體面上的采集坐標均為(0，0)、(1．5mm，0)和(2．5mm，0)，獲取7個SDS(對應于PMT的前7個通道)下的漫射光強值．以各自最大SDS下的漫射光測量值作為基準進行歸一化后與MC的模擬值進行對比，結果如圖8所示．需要說明的是，由于兩個系統的放大倍率略有差異，因此圖8(a)和(b)的橫坐標取點略有不同．對比可見，cdaL-OT的測量結果更加接近于MC模擬值，測量結果與MC計算結果間的相對誤差由原來的最大達38．8%降低到18%．
3．3圖像重建結果
上述方法制作的固體仿體經挖槽、灌注等過程制作成淹埋有異質體的仿體，如圖9所示．背景和異質體的μa分別制作為0．01mm-1和0．05mm-1，分別用于模擬宮頸的正常和病變區域．二者的μs均為10mm-1，g均為0．68．異質體沿X-Z-Y方向的尺寸為1mm×1mm×7mm，上表面距離探測表面的深度為0．4mm．系統的掃描面積為8．33mm×8．33mm，共掃描100×100個點，掃描過程中保證掃描區域左邊界距離異質體左邊界2mm．為了符合光在組織體內傳播的過程，正模型計算中將X-Y面內的成像域由掃描區域的中心向外擴展2mm，并離散成84×84個剖分單元，則每個單元代表的長度約為0．123mm，換算得掃描區域約含68×68個剖分單元．考慮到光的穿透深度和計算量，Z方向剖分深度為2．5mm，該方向剖分單元的尺寸與X(或Y)方向相同．圖10中上排及下排分別為基于傳統LOT及cdaLOT系統用前述的重建算法得到的X-Z平面(a)及Y-Z平面(b)的斷層圖像，其中黑色實線代表目標的實際位置．由圖10可以看出，重建出的異質體均不同程度地趨向于表面，這是由于反射測量時測量靈敏度會隨著深度而下降，從而導致基于反射測量的重建圖像具有趨膚效應和對深處成像能力的下降［10］．但相比于傳統LOT系統，cdaLOT重建出的異質體深度更為準確，這是由于入射光線的傾斜導致介質內部光子密度發生變化(如圖1所示)，而入射方向與探測器方向的交叉導致局部吸收靈敏度增強，仍然采用垂直入射情形下的靈敏度函數進行圖像重建將產生更加嚴重的趨膚效應．根據重建結果，傳統LOT得到的量化度約為42．05%，在Z=0．9mm處沿Y方向的半高寬約為1．15mm，而對于cdaLOT分別為89．13%及1．05mm，均優于傳統LOT．可以看出，該結果與異質置重建的準確性一致，這是由于重建過程同時包含對異質置、形狀、以及光學參數的反演，而其中任何一項的誤差將直接影響其余項．
4結論
研究了入射光傾角對光在組織體內分布的影響，發現傾角對近場區及LOT的成像深度范圍的光子分布具有更大的影響．為了改善測量條件和正向模型的匹配性，本文研制了壓縮傾角LOT系統(cdaLOT)，并提出了矯正掃描振鏡枕型畸變的新方法，光路模擬結果表明:cdaLOT系統可使入射主光線傾角減小為傳統LOT系統的1/2．改進的系統將測量值與蒙特卡洛模擬結果的相對誤差由傳統系統的38%降低為18%．考慮到LOT測量時源探距離小于擴散近似的適用范圍以及LOT的高密度柵格化掃描引起的計算量激增，發展了基于虛擬源-擴散近似技術和GPU的LOT快速圖像重建算法．最后利用所發展的cdaLOT系統和算法進行了仿體成像，結果表明:重建異質體的吸收系數、位置和形狀與真實情況基本相符．為了同時兼顧空間分辨率及成像效率，LOT中柵格化的掃描區域邊長尺寸通常只有毫米量級［2，11］，因此在描述表面形貌變化平緩的皮膚、宮頸等人體組織淺層結構時［11］，普遍將探測面視為平面．如果毫米量級下的平面假設不成立，則現有LOT圖像重建算法不再適用，這是由于LOT中高密度的柵格化掃描限制了傳統逐點建模方式，普遍的加速手段是利用目標幾何結構的對稱性通過一次MC求得完整的正向模型及Jacobian矩陣［11］，而對稱性將隨著平面假設失敗而遭到破壞．因此在系統設計中，本文未對探測面的曲率問題作討論．
參考文獻：
第6篇：醫學圖像重建范文
【關鍵詞】 先天性心臟病； 64層螺旋CT； 超聲心動圖； 診斷顯像
先天性心臟病(congenital heart disease，CHD)是一種常見的兒科疾病，是胎兒時期心臟血管發育異常或出生后應自動關閉的通道(在胎兒屬正常)未能閉合而致的先天畸形，其主要治療方法是手術治療［1］。術前準確、有效的影像學檢查對于明確診斷及手術方案的制定具有重要意義，也是手術成功的關鍵，尤其是復雜型CHD，常因伴有多種心外大血管畸形，使得術前檢查更為重要。亞秒級掃描技術使64層螺旋CT在心血管病檢查中有了新的應用［23］，并且能應用于難以配合檢查的新生兒及嬰兒。本研究旨在探討64層螺旋CT心血管成像技術對新生兒及嬰兒CHD的診斷價值。
1 材料與方法
1.1 一般資料
收集2007年4月至2008年6月在我院行64層螺旋CT和超聲心動圖(ECG)檢查的CHD新生兒及嬰兒共55例的資料，男38例，女17例；年齡1 d～12個月，平均5個月26 d；體重2.2～11.5 kg，平均6.5 kg。其中新生兒7例，嬰兒48例。
1.2 CT檢查
病人準備：掃描前所有患兒均口服5%水合氯醛50 mg·kg-1，外周靜脈血管放置留置針。CT機：Siemens Sensation 64層螺旋CT機。掃描模式：螺旋掃描。掃描參數：管電壓80～100 kV，管電流80～100 mAs，有效管電流由掃描時病人的具體情況智能設置，螺距1.2，準直0.6 mm。對比劑：非離子型對比劑歐乃派克(350 mg·ml-1)1.2～2.0 ml·kg-1，用高壓注射器注入，速率1～1.5 ml·s-1。掃描時采用雙管注射，對比劑注射結束后，立刻以同樣的速率注射相同體積的生理鹽水。采用對比劑跟蹤技術對胸部支氣管分叉平面以下降主動脈強化過程進行監測，當強化幅度增加80 Hu時延遲9 s開始觸發掃描。
1.3 圖像重建方法
掃描結束后重建層厚1 mm，重建間隔0.6 mm，重建方式Kernel B25f。所有數據傳至MSCT工作站(Syngo Multi Modality Workplace)進行多平面重建(multi plannar reformation，MPR)、最大密度投影(maximum intensity projection，MIP)、容積成像(volume render，VR)觀察，由兩位高年資影像科醫師進行圖像分析和診斷，如有不同意見討論后達成共識。
1.4 統計學處理
64層螺旋CT對心血管畸形的診斷準確率與ECG進行比較（兩種診斷方法互為雙盲），采用χ2檢驗，P＜0.05表示差異有統計學意義。
2 結
果
本組55例患兒檢查過程順利，獲得圖像滿意。患者的原始軸位圖像均可顯示所有病變信息，經各種重組方法所得到的二維、三維圖像更加直觀地顯示了病變形態及與周圍結構的空間關系，尤其能顯示主動脈、肺動脈以及冠狀動脈，有利于指導外科醫師手術方案的制定。55例手術結果對照共計199處心血管畸形(表1)，64層螺旋CT對畸形的診斷敏感度為97.49%，特異度為99.48%，準確率為96.98%；ECG對畸形的診斷敏感度為76.88%，特異度為93.46%，準確率為71.86%。64層螺旋CT的診斷敏感度、特異度、準確率均明顯高于ECG (χ2值分別為18.90、10.39、23.88，均P＜0.005)。表1 64層螺旋CT與ECG診斷各種心血管畸形的比較例按心臟解剖將心血管畸形分為心內畸形和心外畸形兩大部分，心內畸形包括心間隔缺損、心臟異位等共計68處(圖1、2)；心外畸形包括各型大動脈轉位(圖3)、心室雙出口(圖4、5）、主動脈騎跨、肺靜脈畸形連接、肺動(靜)脈狹窄、肺動脈閉鎖(圖6)、主(肺)動脈起源異常、主動脈縮窄、永存動脈干、動脈導管未閉、冠脈解剖變異等共計131處。
心內畸形68處中，64層螺旋CT發現64處，漏診1處室間隔缺損、4處房間隔缺損，誤診1例室間隔缺損；ECG診斷66處，漏診1處室間隔缺損和1例右位心。64層螺旋CT、ECG對心臟部分畸形的診斷準確率分別為92.65%、97.06%，兩者無統計學差異(χ2=0.68，P＞0.05)。
心外畸形131處中，64層螺旋CT發現130處，漏診1處動脈導管未閉；ECG診斷87處，誤診10處，漏診54處。64層螺旋CT、ECG對心外畸形的診斷準確率分別為99.24%、58.78%，前者明顯高于后者(χ2=32.32，P＜0.005)。
3 討
論
3.1 新生兒及嬰兒64層螺旋CT成像的掃描技術
64層螺旋CT采用的是寬體薄層各向同性探測器技術，1次旋轉代替過去多次旋轉，節省了X線球管的耗損；同時采用了先進的智能濾過技術、自動毫安調制與設置技術等，大大降低了掃描時的X線劑量，對兒童更加安全［34］。完成整個胸部掃描時間僅為3 s左右，掃描時間短，可減少呼吸及心跳等運動偽影的影響。因而本研究不需要患兒屏氣配合，臨床情況不穩定的新生兒和嬰兒都能順利完成檢查，增強掃描后所得圖像對解剖結構的顯示非常滿意。
3.2 CHD圖像重建方法及各自的優缺點
CT橫斷面圖像是掃描的原始圖像，提供了病變的所有信息，但缺乏立體感，對CHD尤其是復雜型CHD畸形的顯示不直觀。軸位圖像能夠反映心臟的結構以及主動脈、肺動脈、冠狀動脈，但不能提供整體視圖，不能直觀顯示主動脈和肺動脈，不能提示心臟與大血管之間的關系。圖像重建有助于描繪復雜的三維解剖關系。將軸位重組圖像傳至工作站后，可進行實時圖像重組，如我們采用的MPR、MIP、VR［57］。圖像重建雖然費時，但為臨床醫生提供了直觀的影像。
MPR、MIP、VR各有優缺點，顯示的病變信息可以相互補充，因此需聯合應用各種后處理方式才能顯示CHD所有的畸形。MPR可任意角度重建，可顯示心血管腔內外結構及畸形的空間位置關系，是一種簡便可靠的重建方法，在CHD圖像重建中起重要作用。本組中心內畸形以及心外畸形包括主動脈和肺動脈都能清晰顯示，薄層MPR可顯示大部分冠狀動脈的近段。MPR不足之處仍是二維圖像，缺乏立體感，不能將特定結構完整地顯示在一幅圖像上。MIP利用了旋轉觀察技術，其優點是可將不在單一平面的結構顯示在同一個二維平面上，可獲得類似數字減影血管造影技術（DSA）的效果，缺點是骨骼和鈣化等高密度結構遮蓋心血管圖像。本組進行橫斷面及冠狀面MIP重建，可以清晰顯示心內畸形以及心外大血管畸形，如圖1、2清晰顯示房、室間隔缺損，圖5明顯可見右心室同時發出肺動脈及主動脈。VR法可直觀顯示心外大血管的立體形態及空間位置關系，并可任意角度旋轉觀察，受到臨床醫生的廣泛好評，VR所見與術中所見均完全一致。如圖3可以很直觀地顯示完全性大動脈轉位，同時可見動脈導管未閉；圖4可見右心室同時發出肺動脈和主動脈；圖6可見左心室發出主動脈，右心室未見發出肺動脈主干。但VR對心內畸形顯示不佳，而且操作比較復雜，對組織的特異性分辨有限，易受到人工干擾，需要影像科醫師付出更多的時間和精力。
3.3 64層螺旋CT對新生兒和嬰兒CHD的臨床應用
64層螺旋CT不僅掃描速度快，掃描范圍大，時間和空間分辨率高，而且具有價格相對便宜、無創、便捷等特點。檢查時不需要患兒屏氣配合，因而可應用于臨床情況不穩定的新生兒和嬰兒。CT橫斷面解決了圖像的重疊問題，能很好地顯示解剖學房室的位置、形態，房室連接、房室與大血管連接的關系，三維重建又能直觀地顯示心臟大血管連接、大血管形態及空間位置關系，對復雜心血管畸形的節段分析有重要價值。本研究中64層螺旋CT利用其強大的后處理技術，對新生兒和嬰兒CHD心血管畸形的診斷敏感度、特異度、準確率均明顯優于ECG；對心內畸形，64層螺旋CT的診斷準確率與ECG無顯著性差異；對心外畸形，64層螺旋CT的診斷準確率明顯高于ECG，彌補了ECG對心外畸形診斷的不足，尤其能評價主動脈和肺動脈的發育、肺靜脈異位引流、體肺側支血管及冠狀動脈異常［89］等，對術前手術方案的制定具有重要價值。
64層螺旋CT診斷CHD的最大不足就是不能反映心腔大血管的壓力及血氧情況，不能量化肺動脈高壓的程度［10］。其圖像質量會受呼吸及心搏偽影的影響，檢查前需做好充分準備。新生兒及嬰幼兒心跳、呼吸快，運動偽影相對較多，有時會干擾心內結構的顯示，易漏診小于5 mm的間隔缺損，本組漏診4例房間隔缺損即為這類原因。
總之，64層螺旋CT是一種無創、有效、可靠的診斷CHD的方法，64層螺旋CT及二維、三維圖像重建不僅能很好地顯示CHD的心內畸形，還可同時發現伴發的心外畸形，彌補了ECG對心外畸形診斷的不足，尤其能評價主動脈、肺動脈以及冠狀動脈異常，對術前手術方案的制定具有重要價值。
參考文獻
［1］張郁林，程沛，王沖，等.嬰兒先天性心臟病的外科治療［J］.東南大學學報：醫學版，2005， 24(5):318320.
［2］MERTENS L，GANAME J，EYSKENS B.What is new in pediatric cardiac imaging?［J］.Eur J Pediatr，2008，167(1):18.
［3］NIKOLAOU K，FLOHR T，KNEZ A，et al.Advances in cardiac imaging:64 slice scanner［J］.Int J Cardiovasc Imaging，2004，20(6):535540.
［4］WILLIAMS B J，MULVIHILL D M，PETTUS B J，et al.Pediatric superior vena cava syndrome:assessment at low radiation dose 64slice CT angiography［J］.J Thorac Imaging，2006，21(1):7172.
［5］SIEGEL M J.Multiplanar and threedimensional multidetector row CT of thoracic vessels and airways in the pediatric population［J］.Radiology，2003，229(3):641650.
［6］YANG D H，GOO H W，SEO D M，et al.Multi slice CT angiography of interrupted aortic arch［J］.Pediatr Radiol，2008，38(1):89100.
［7］LAURENS F T，SUBRAMANIAM C K，JOANNE D S，et al.Noncoronary applications of cardiac multi detector row computed tomography［J］.JACC Cardiovascular Imaging，2008，1(1):94106.
［8］KHOSITSETH A，PORNKUL R，SIRIPORNPITAK S.Diagnosis of tetralogy of Fallot with anatomically corrected malposition of the great arteries and single coronary artery by multi detector CT［J］.Br J Radiol，2006，79(943):e57.
第7篇：醫學圖像重建范文
關鍵詞：64層螺旋CT；后處理技術；不確定性肋骨骨折
【中圖分類號】R683 【文獻標識碼】A 【文章編號】1674-7526（2012）12-0512-01
肋骨骨折在胸外損傷中較為常見，典型的肋骨骨折經臨床檢查結合X線片即可確診，但是易因主觀因素出現漏診，螺旋CT能清晰、直觀地顯示出肋骨的立體構型，加上三維重建技術的應用，能準確、多角度的提供肋骨骨折信息[1]。然而在實際應用過程中，在應用64層螺旋CT對肋骨骨折進行診斷時，5mm肋骨橫斷圖像并不能明確所有患者骨折情況，這種疑似肋骨骨折即為不確定性肋骨骨折[2]。筆者擬以不確定性肋骨骨折患者的原始圖像導入工作站，分析多項后處理技術對其診斷價值，為臨床肋骨骨折的診斷處理方法提供參考。
1 資料與方法
1.1 一般資料：對我院2009年8月至2011年8月行64層螺旋CT檢查的647例患者的CT圖像進行回顧性分析，所有患者均因胸部外傷而入院，由兩名資深主治醫師對647例患者的5mm肋骨橫斷圖片進行篩查，不確定性肋骨骨折患者43例，年齡17～64歲，平均年齡（43.2±5.4）歲，主訴胸部疼痛、呼吸困難等。
1.2 CT檢查方法：64層螺旋CT機型號：Siemens Somatom Sensation，掃描范圍：胸廓入口處至臍部，掃描參數設定：管電壓120KV，管電流10～300mA，層厚5mm，將掃描的數據進行層厚為0.6～1.0mm、間隔0.625mm的模式重建，重建后的數據傳入Volume Wizard工作站，采用容積再現、多平面重組、曲面重建、表面遮蓋等后處理手段進行技術重建。應用容積重現來觀察肋骨的輪廓，同時曲面重建技術可顯示肋骨全貌，調整骨窗以觀察骨質是否連續，調整軟組織窗以觀察軟組織是否損傷。所有的圖像的分析診斷由4名醫師共同完成，每名醫生負責分析1種后處理方法的重建圖像，最后由2名資深醫生對診斷結果進行確認。
2 結果
本次64層螺旋CT圖像后處理后43例不確定性肋骨骨折患者共顯示54處骨折，其中35例為單處骨折，5例為2處骨折，3例為3處骨折。四種后處理技術中曲面重建準確率最高54處骨折全部檢出，其次為多平面重組，共確診52處骨折，準確率96.3%，明顯高于其他兩項處理方法（P
3 討論
多層螺旋CT是繼CT發展上的又一突破性的進展，其掃描范圍進一步擴大，在時間、體軸方向空間等分辨率均有顯著地提高。由于肋骨呈現插兜樣，平片脊椎、胸骨和前后肋發生重疊，缺乏立體感，易造成誤、漏診，64層螺旋CT掃描時間短暫，除了在分辨率提高上的優勢外，其強大的圖像后處理技術對圖像進行二維或三維重建，更直觀顯示肋骨骨折全貌，彌補了普通X線片、2DCT的不足[3]。
表1 4種后處理方法肋骨骨折檢出情況
64層螺旋CT后處理技術主要包括容積再現、多平面重組、曲面重建、表面遮蓋等，其中容積再現是選定三維容積中像素的投影，能夠顯示密度層次和良好形態外觀的圖像，對于肋骨淺表或深在結構均有較好的顯示，通過任意角度和軸向旋轉，能悉知骨折全貌、骨折線走向以及對骨碎片的定位，有利于臨床醫師治療方案的制定，但是對于移位小于2mm或不移位的骨折易漏診，且對軟組織的改變和肺部損傷不敏感，本組試驗中容積再現的準確率75.9%，證實了其漏診率較高[1]。多平面重組是將容積掃描數據進行冠狀、矢狀、橫軸、斜面的二維圖像重建，該處理方法所得圖像最接近橫斷面圖像，可觀察骨折每處細節，對隱匿性骨折、不全骨折、肋軟骨與骨交界骨折分辨率高，確診率較高，本試驗中為96.3%，但仍需結合三維立體圖像以彌補其不連續、不全面的缺陷。曲面重建能重現不在同一平面走行的肋骨，對骨折的形態和移位情況顯示更優，能同時顯示細微骨折變化以及軟組織、胸膜的變化，但對操作技術要求較高，不熟練的曲線勾畫可出現骨折假象[4]，本試驗中所有肋骨骨折曲面重建處理全部檢出。表面遮蓋能整體顯示肋骨骨折的空間位置和立體形態，可幫助醫師從各方向、角度觀察肋骨骨折移位情況，但是對不全骨折、微小骨折的顯示欠佳，漏診率在4項后處理技術中最高，為53.7%。
綜上所述，在不確定性肋骨骨折的分析診斷上，多平面重建和曲面重建明顯優于容積再現、表面遮蓋，顯示后處理技術對于該類骨折具有重要價值，綜合分析以達到最佳診斷效果。
參考文獻
[1] 遲寶權，劉亞靜，康潔. 64 層螺旋 CT 在隱匿性肋骨骨折診斷中的應用價值[J]. 河北醫藥，2011，33（16）：2418-2420
[2] 楊磊. 64層螺旋CT后處理技術在不確定性肋骨骨折中的應用[J].中國醫藥科學，2012，2（4）：117-118
第8篇：醫學圖像重建范文
【關鍵詞】超分辨率重建 磁共振成像 字典訓練 稀疏復原 機器學習
磁共振成像（MRI）是目前最重要的臨床醫學診斷工具之一，它具有無射線損傷、多參數成像、任意方位斷層等成像優勢。故自上個世紀80年展以來，很快得到廣泛應用，有著良好的發展前景。然而囿于當前硬件技術的限制，無法在較短的掃描時間內獲取滿足要求的高分辨率圖像；同時，考慮到成像儀器如發射線圈、接收線圈和磁體以及外界環境干擾等，不可避免會引入噪聲，因此超分辨率技術應運而生。圖像超分辨率的主要思想是由兩幅或更多幅同樣場景的低分辨率（LR）圖像重建出對應的高分辨率（HR）圖像；具體來講，就是運用某種算法，將連續序列分辨率低并包含噪聲的圖像融合以得到一個更加清晰的高質量MRI影像。
稀疏表示理論作為一種新興的一種基于學習的算法，旨在由過完備字典擴充的全部向量空間根據稀疏度大小作為標準尋找最優解，近年來在圖像處理相關領域應用廣泛，如人臉模式識別、圖像降噪、壓縮感知等，均展現了優良的性能。
由于MRI在后期分析或者圖像后處理，如匹配或者多通道分割，所@得的低分辨率圖像必須與其他高分辨率圖像進行匹配，所以必須盡可能保證采集圖像的高頻信息不丟失。本文在稀疏表示算法上加以改進，針對其有時重建圖像時，主觀視覺效果不佳，存在的高頻邊界不豐富、紋理細節區域濾波過度等問題，提出一種針對性地處理架構，即利用一次重建的高頻殘余繼續進行二次字典學習最后再得到超分辨率結果，并選取了人體各部位的MRI作為實驗驗證了算法的可行性。
1 離線字典訓練
基于字典學習的算法在圖像重建方面已得到廣泛應用，如K空間域的MR圖像重建，對于一般用途的圖像，根據字典的一次重建已經可以基本滿足需求。但對于分辨率和精度要求很高的MRI圖像，由于需要對重建的結果繼續進行二次分割或者匹配等操作，一次重建結果的分辨率往往不能滿足要求。針對這種特性，本文在一次稀疏字典學習的基礎上提取出重建圖像的高頻細節圖像塊作為高頻殘余訓練庫，以此為基礎進行二次字典訓練得出殘余字典對，以提高超分辨率重建效果。
（1）原始訓練庫：把采集到的原始高分辨率MRI影像庫H_1經過下采樣壓縮后得到低分辨率影像庫L_1，經過插值放大后恢復到與H_1相同的圖像尺寸，得到原始低頻訓練庫L_1F，但L_1F與H1相比濾掉了高頻細節部分。同理，與H_1、L_1平行的另一組高、低分辨率圖像訓練庫記為H_2、L_2，由壓縮降質的L_2經過插值放大得到對應的低頻信息庫L_2F，去掉了H_2的高頻信息。
（2）圖像塊提取：為了得到字典學習階段的圖像塊，我們需要提取出這些塊的特征信息表示。考慮到算法的簡潔性和高效性，本文利用一階和二階梯度因子進行這些特征的提取，將4個濾波器分別設置為：
，將這4個濾波器作用于原始低頻訓練庫L_1F的圖像塊，每個圖像塊得到4個特征向量后，再將這4個向量合成為1個最終表示向量。
1.1 一次稀疏字典訓練
對高分辨率字典Ch和低分辨率字典Cl采用了相同的原始高分辨率庫X={x1，x2，...，xm}，并由降采樣得到相應的低分辨率訓練庫Y={y1，y2，...，ym}。由于字典訓練過程涉及到對稀疏表示系數β多次迭代運算，為了提高效率，我們僅先求得低分辨率的稀疏系數。
由上面的基本原理部分，訓練低分辨率字典基于下面的約束方程：
其中τ為初始基字典，ξ為訓練塊的稀疏表示矩陣，Cl為稀疏字典，q表示ξ的向量稀疏性，利用K-SVD算法求解此約束方程。類似地，針對高分辨率字典有以下約束方程：
1.2 二次高頻殘余字典訓練
將用稀疏字典Ch學習得到的一次重建圖像庫與原高分辨率圖像庫H_2作比較得到殘余的高頻邊界或紋理細節區域，同理將這部分高頻圖像庫繼續稀疏表示訓練，不斷迭代直至稀疏系數收斂后得到二次高頻殘余字典Chr，Clr。
2 超分辨率圖像重建
結合1中的稀疏表示原理，高分辨率圖像X中的每一塊xi，可依據得到。需要注意的一點時，在具體應用時應考慮到觀測圖像本身存在噪聲的影響，那么類似地，這個待解決的問題轉變為：
F對應1-2）中的特征提取操作因子。顯然這就是1中所述的NP問題的求解，化為一范數就是凸優化問題：
上式采用OMP（Orthogonal Matching Pursuit）算法求解，從而得到βi，這些高分辨率塊便組成了目標圖像X。
3 實驗結果及分析
本文對利用雙三次卷積（Bicubic）算法、Yang算法和本文算法得到的MRI圖像超分辨率效果進行了比較。針對實驗結果，主要從主觀、客觀（PSNR）兩個方面進行評估。其中，實驗測試所用大腦部位MRI圖像由John Reeves Hall提供由于MRI圖像一般體積較為龐大，首先選取局部并劃分為256×256的二維高分辨率圖像塊，再分別對每個維度進行2倍降質壓縮得到測試用的低分辨率塊；然后將壓縮后的圖像放大為2倍，令其每個2×2的圖像塊，相應為4×4的高分辨率塊，采用塊間最大重疊方式。
3.1 主觀比較
從圖1可以看出，采用雙三次卷積（Bicubic）算法存在過度平滑的缺點，很大一部分模糊不清；Yang算法雖然較Bicubic有較大程度的改善，但在紋理復雜區域細節不夠豐富，人眼觀察同樣受到制約。經過綜合比較，本文算法得到的結果相對是最清晰的，與原圖相比失真度最小。
3.2 字典大小對超分辨率效果的影響
由于隨機抽取圖像塊、訓練字典得到Ch，Cl的過程耗時很長，為了盡可能減少用時，我們繼續探究了字典大小對超分辨率重建效率的影響，以期用最小的時間復雜度得到盡可能小的失真度、清晰的高分辨率MRI圖像。
由圖2可以看出，當字典容量在1000以下時，隨著字典容量的增加，PSNR也隨之顯著增加；但當字典大小超過1000時，PSNR的增加開始逐漸放緩，而此時已經犧牲了大量的時間復雜度，所以，將訓練字典容量大小維持在1000左右是優化的選擇。
4 結語
本文所介紹的算法將稀疏表示應用于MRI圖像超分辨率重建。通過離線訓練首先獲取高、低分辨率圖像塊的字典對，再對插值放大的低分辨率圖像進行一次超分辨率重建，得到原始高分辨率圖像；然后提取圖像中高頻細節重構不充分的部分，利用經高頻細節學習的字典對，繼續針對高頻細節部分進行二次重建。實驗結果說明本文基于稀疏高頻雙字典的重建方法，在主觀視覺效果、客觀評估指標結構相似性和峰值信噪比這三個方面均優于傳統插值方法和Yang算法。證明這種基于二次字典學習的稀疏表示方法有較好的MRI圖像超分辨率效果，能較好地重構高分辨率圖像的細節信息。為后續處理和信息挖掘鋪墊了堅實的基礎。
參考文獻
[1]WEI D，OLGICA M.Subspace Pursuit for Compressive Sensing Signal Reconstruction[J]// IEEE Transactions on Information Theory，2009，55（05）：2230-2249
[2]AHARON M，ELAD M，BRUCKSTEIN A.The K―SVD：An algorithm for designing of overcomplete dictionaries for sparse representation[J].IEEE Transactions on Signal Processing，2006，54（11）：4311-4322.
[3]SAIPRASAD R，YORAM B.MR Image Reconstruction From Highly Undersampled k-Space Data by Dictionary Learning[J]// IEEE Transactions on Medical Imaging，2011，30（05）：1028-1041
[4]YANG J，WRIGHT J，HUANG T，et al. Image super-resolution as sparse representation of raw image patches[C]// Proceedings of the 2008 IEEE ComputSociet Conference on Computer Vision and Pattern Recognition.Colorado Springs：IEEE，2008.
[5]HARDIE RC，BARNARND K J，ARMSTRONG EE.Joint MAP Registration and high resolution image estimation using a Sequence of undersampled images[J]//.IEEE Transactions on Image Processing，1997，6（12）：1621-1633.
[6]John Reeves Hall.2005，Brain MRI Images[DB]/http：///15，2016.5.10
第9篇：醫學圖像重建范文
關鍵詞：多排螺旋CT；重建技術；骨折
骨折是最常見臨床疾病之一，由于骨關節處構成復雜，重疊投影及密度分辨率低的，一些細微骨折在普通X線片難以顯示清晰，往往會導致誤診，延誤患者及時治療時機，并由于給引起一些醫療糾紛。隨著科技及醫療技術的發展，多排螺旋CT越來越廣泛應用于臨床工作，多層螺旋CT后處理技術得到推廣。目前常用的后處理技術有容積再現技術（VR）、
多平面重建（MPR）、最大密度重建（MIP）和表面遮蓋法（SSD）、曲面重建（CPR）等二維或三維重建技術，此技術通過對原始數據的重建，獲取具有解剖細節和空間立體感的圖像，具有較高的空間分辨率[1]，對細微骨折的診斷有著重要意義，并能顯示骨折周圍情況，對臨床的治療有重要的指導意義。 1 資料與方法
1.1一般資料 我院自2013年5月～2015年8月共100例X線平片未提示明確骨折而臨床高度提示骨折的外傷患者行64排CT掃描并行圖像重建后處理，其中男65例，女35例，年齡10～66歲，平均年齡38.2歲。
1.2方法 使用飛利浦64排螺旋CT對100例疑似骨折患者行CT掃描，層厚、層距0.35mm，掃描后于工作站中行容積再現技術（VR）、多平面重建（MPR）、最大密度重建（MIP）和表面遮蓋法（SSD）、曲面重建（CPR）等重建技術，最后獲取清晰二維及三維骨成像。
2 結果
100例外傷患者中，普通X線未明確診斷骨折，經過CT掃描并重建后，52例發現細微骨折，其中肋骨骨折22例，腕骨舟狀骨骨折3例，脛骨平臺骨折12例，齒狀突骨折5例，髖臼骨折3例，尾骨骨骨折4例，鼻骨骨折3例。
3 討論
對于外傷懷疑骨折患者，我們臨床醫師目前首選X線檢查，此方法對一般骨折顯示清晰，并可較清楚顯示關和是否有脫位等，但由于骨關節處構成復雜，重疊投影及密度分辨率低的，一些細微骨折在普通X線片難以顯示清晰。而多排螺旋CT掃描速度快，檢查時間短，基本不受患者限制，能良好顯示細微骨折及骨關節周圍結構關系；其后期二維、三維重建圖像更是能直觀、真實，既能顯示病變細微結構，也能顯示骨關節的空間關系，尤其適合骨關節外傷患者[2]。 3.1肋骨骨折 肋骨由于解剖上呈弓形走行，且平片上密度分辨率低并有存在有影像，即使投照技術標準，圖像質量好，有些細微骨折難以顯示，診斷較困難[3]。而多排CT掃描的二維及三維重建技術可對胸廓進行重建，切割，甚至可單根肋骨行曲面重建，避免圖像重疊的缺點。多排螺旋CT后處理功能結合軸位，對胸部外傷肋骨骨折有較高的應用價值，可為臨床及法醫鑒定工作提供可靠的依據，同時還可以對肺內、腹腔內臟器官外傷進行診斷。
3.2脊柱損傷 脊柱損傷臨床較常見，一般X線能有較明確診斷，但是骶尾椎及寰樞椎的骨折由于解剖關系難以清晰顯示，診斷困難，極易誤診導致患者病情加重。齒狀突由于位置特殊，張口位X線對關節診斷幫助不大，CT橫斷位診斷也存在困難，而多排CT重建技術可克服上述不足，能多角度，立體顯示寰樞結構各組成結構關節，能清晰，準確顯示骨折位置及關節構成情況，并能觀察椎管狹窄程度，為臨床提供豐富影像資料，對病情的診斷及預后有重要的價值。
3.3鼻骨骨折 鼻骨為錐形結構，且位于面部的正中部位，面部收到外力時，容易造成鼻骨骨折，一般骨折，鼻骨X線側位片能有較清晰顯示。但是遇到一些特殊情況，如患者骨折端移位不明顯時，鼻骨X線側位片顯示不清晰，產生診斷上困難，這時利用多排螺旋CT重建技術可大大提高鼻骨骨折診斷率，并可清晰顯示周圍面顱的解剖及損傷情況，給臨床提供及時、準確的診斷資料。
3.4四肢骨關節骨折 膝關節輕微的脛骨平臺及髖關節的髖臼的細微骨折，由于骨折線的嵌鈍及骨小梁紊亂，X線上難以顯示骨折線；腕部舟狀骨由于解剖結構關系，大量影像重疊而不易觀察，造成X線診斷上的困難，而我們多排螺旋CT掃描后的多平面重建及容積再現技術可清晰顯示骨折線及毗鄰結構關系，為影像醫師帶來很大的幫助，并能讓臨床醫師有一個準確、客觀而完整的病情評估，從而選擇最佳治療方案。
綜上所述，多排螺旋CT及后期重建技術的應用，可顯示外傷處骨及關節全貌，能清晰顯示一些細微骨折，較普遍X線對細微骨折的檢出率更高，對外科醫生的臨床診療工作有著重要的指導意義，能最大限度減少漏診及誤診，對普通X線未提示骨折而臨床高度提示骨折的外傷患者能做出正確診斷，而且能顯示骨折周期結構關系，給臨床醫師提供很大幫助。因此，對于普通X線未提示骨折而臨床高度提示骨折的外傷患者行多層螺旋CT骨重建檢查有重要的臨床應用價值。
參考文獻：
[1]項華，趙堅，等.螺旋CT重建技術在骨關節骨折中的應用價值；現代醫藥衛生，2006，22（5）：640.
