简介：摘要：

简介：摘要：

简介：介绍了层析成像技术的图像重建算法，并从正向问题数学模型的简化和反向问题数学模型的映射结构的角度比较了各种算法的特点和优劣。研究表明：用本质是线性算法的各种变换方法重建图像存在严重失真，而卷积滤波的引入可以使变换方法的重建效果有所改善；基于导数搜索的迭代算法对初始值依赖性强、收敛速度慢并且容易陷入局部最优解；基于Fourier变换的方法具有本质的局限性；小波变换则可以同时刻画图像时域和频域的细节特征；有限元法通过重建对象像素的智能划分可以简化正问题的复杂性；而具有物理背景的蒙特卡罗法、模拟退火法、遗传算法、粒子滤波法及神经网络法更适合于复杂且非线性的图像重建；智能化、仿生化、并行化以及各种算法的融合是层析成像图像重建算法的发展趋势。

简介：本文提出一种处理激光等离子体中含吸收的图像重建方法，运用最大熵原理推导出适用于含吸收的重建算法。采用不同的图像实例进行计算，计算结果表明采用吸收校正方法的精度明显高于不考虑吸收校正的精度。

简介：为了避免成像物体在核磁共振成像（magneticresonanceimaging,MRI）系统实际操作中的旋转难题,现提出一种基于径向基函数（radialbasisfunction,RBF）神经网络和微分进化（differentialevolution,DE）思想的磁共振电阻抗成像（magneticresonanceelectricalimpedancetomography,MREIT）算法.该算法只利用单方向磁感应强度,首先RBF神经网络对肺部仿真模型可行域电阻值和仿真计算磁场强度与真实电磁场强度之间的不匹配目标函数建立非线性模型,其次用微分进化算法寻找最优解.通过在二维、三维肺部仿真模型的仿真实验研究.结果表明,该算法在允许的误差范围内可以有效地对病变的肺部组织进行阻抗图像重构,统计结果与基于微分进化思想的MREIT算法相比,明显缩短了计算复杂度与计算时间.

简介：一种基于Tchebichef离散正交多项式的称为Tchebichef矩函数具有在计算中采用完全的离散计算，因此可精确进行矩计算，在许多方面它有明显的优点。在推导出Tchebichef矩快速计算方法之后，通过图像重建实验证明了Tchebichef矩在图像处理中应用的有效性。

简介：摘要CT（计算机层析成像）是通过对物体进行多角度的射线投影测量，从而获得物体横断面信息的成像技术。为将此技术在多个领域进行推广，本文简述了对CT系统的标定参数和图像重建展开研究，

简介：目前，监控视频、手机视频等各类影像采集技术与设备已在全社会普及，并且大量应用于各类场所。而此类视频的影像视觉效果往往较差。本文所探讨的人像重建技术就是针对此类问题而提出的，研究如何通过对模糊人像的特征采集，进而将这些特征融入为之所建立的高分辨率人像模型中，最终得到高视觉质量的人像图像。

简介：摘要目的探讨螺旋CT骨关节图像重建的方法与技巧。方法随机选择72例骨骼病变患者，对其进行螺旋CT扫描，并将扫描的数据输入到院工作站。首先进行多平面重建（Multiplanarreconstruction，MPR）成像，使骨骼病变显示在矢状长轴断面和骨胳的冠状面上。接着，对比使用常规MPR、横断CT、多向调整MPR三种方法对72例骨骼病变的患者的长轴面显示的例数。再进行透明VR（Volumerendenhy）和非透明VR（Volumerendenhy）的重建，比较上述两种不同VR的重建方式对骨质内部、骨质表面、骨髓腔以及周围的血管软组织部分的显示评分。结果多向调整的MPR显示了全部72例骨骼病变患者的长轴面，其长轴面的显示率明显比MPR和横断CT要高。透明VR在显示患者骨质内部的密度方面要优于非透明VR，而非透明VR在显示周围软组织、骨髓腔方面比透明VR要好。结论螺旋CT多向调整的MPR在每幅骨骼图像上都最大程度地显示了骨骼正常和病变组织在密度和解剖形态方面的差别，而VR重建可以用立体的解剖形态呈现出患者骨骼及周围软组织的结构，操作既简单又实用，受到医师和患者的青睐。

简介：目的寻求一种基于CT断层图像快速且精确地建立全股骨三维有限元模型的方法，并应用有限元分析其力学特性以评价建模方法的优势。方法在Mimics中直接读取符合Dicom3．0标准的股骨原始CT数据，经阂值设定、区域增长及形态学操作等生成股骨初始3D模型，后期结合有限元软件ANSYS生成最终的三维有限元网格模型．然后在ANSYS中分别对应用Mimics得到的模型和统一弹性模量的模型加载200N的垂直载荷，比较两者应力分布的异同。结果获得的股骨有限元模型共含有143780个节点和99650个四面体单元，其弹性模量与CT值（密度）相关分布，取值范围在6．01～15．59GPa之间。与统一弹性模量的模型相比较，应用Mimics得到的模型其应力呈现离散性分布。结论应用Mimics可以建立更符合股骨机械结构和力学性质的三维有限元模型，同时缩短了建模时间，据此模型得到的股骨力学特性分析结果更为可信，以辅助指导临床应用。

简介：摘要医学图像重建是我校生物医学工程专业的专业基础课之一，主要介绍医学成像与分析系统中的现代图像重建技术。本文针对该课程的特点，以提高医学图像重建教学效果为目标，增加实验教学环节，主要包括医学图像重建课程的基础仿真实验和应用实践实验。教学实践证明，通过本文所设计的实验训练，能激发学生的学习兴趣，加强学生对课程内容的理解与掌握，改善医学图像重建课程的教学效果。

简介：本文通过仿真实验研究了单帧低分辨率图像的超分辨率重建技术。首先,阐述了用于单帧超分辨率重建的插值法、IBP法和POCS法,然后通过matlab7.0仿真程序验证了双三次插值法、双线性插值法、POCS法和IBP法,并根据仿真实验的结果分析这些方法重建效果的好坏。实验结果表明,实验结果证明,双线性插值方法的重建结果要优于双三次插值的重建结果;IBP的重建效果要优于POCS方法;对于IBP和POCS来说,2种方法都能获得较好的重建结果,并且用于图像的帧数越多,重建的效果越好;此外,客观评价方法与主观评价方法有时不能获得相同的评价结果,但在多数情况下,客观评价方法都能取得与主观评价方法一致的结果。

简介：摘要

简介：传统ECT算法受到分辨率低、边界模糊等问题的限制，文章提出基于有限元正演模型的TikhonOV非线性迭代算法。首先分析了ECT图像重建基本原理，并建立空间模型。然后以线性反投影（LBP）算法的图像重建结果作为初始状态，利用最优正则化参数求解灵敏度逆矩阵，根据正演模型测量极板间电容值，运用Tikhonov正则化算法校正图像。最后根据经典流行进行仿真实验。实验结果表明本文方法重建的图像相关系数平均值为0．8644，可见本文算法是一种有效的ECT算法。

简介：微分进化算法主要有三个随机参数：种群大小（NP）,缩放因子（F）,交叉因数（CR）.这些参数的取值对EIT图像重建效果的好坏起着重要的作用.但当前微分进化算法参数选择具有随机性,大多数的参数研究是通过标准测试函数进行,没有具体到特定的领域.针对这些问题,文章以头部EIT图像重建为例,在给定目标函数和终止条件的基础上,通过大量的仿真实验,分析了各个参数对图像重构结果的影响,并给出了这些参数的合理选取区间,从而为微分进化算法在EIT图像重建中的应用提供了有效的依据.

简介：【摘要】目的 探讨适应性统计迭代（adaptive statistical iterative reconstruction,ASIR）、滤波反投影(FBP)两种重建技术对胸部CT图像质量的影响。方法 80例患者均应用西门子64排CT行胸部CT平扫。分别用ASIR、FBP两种重建算法对原始数据进行重建，重建层厚1mm，层间距0.5mm。测量记录信噪比（SNR）、图像噪声、对比噪声比（CNR）。对肺窗和纵隔窗进行图像质量评价。对比分析两种不同重建算法的定性定量参数。结果 两组图像的噪声值分别是35.6±14.5，52.5±18.6，与FBP组比较，ASIR组噪声降低了31.4%，ASIR组的SNR和CNR明显高于FBP组（P＜0.05）。且ASIR组肺窗及纵隔窗图像质量较FBP组高，差异有统计学意义（P＜0.05）。结论 与FBP重建算法相比，ASIR可明显降低图像的噪声，提高图像质量。

简介：摘要：目的：研究分析CT扫描以及重建参数对放疗图像产生的影响。方法：探讨分析16排螺旋CT扫描过程中重建参数，对图像质量产生的影响，本文针对管电压、管电流以及重建图像等多方面指标进行评估，分析不同参数改变对放疗图像质量产生的影响。结果：在本次研究结果中发现管电压、扫描部位以及滤过器会对CT值产生一定程度的影响，而滤过器增强会增加图像噪声，扫描部位会对均匀性产生影响。结论：在进行CT扫描时，工作人员需要通过模体测试，针对CT扫描各项参数进行评估，精确设定放疗CT参数，保障精准放疗的治疗效果。

简介：摘要目的探讨深度学习重建（DLR）较混合迭代重建（Hybrid IR）在改善胸部低剂量CT（LDCT）图像质量方面的效果。方法回顾性分析2020年10月至2021年3月在北京协和医院行胸部LDCT体检或因肺内结节定期复查的77例患者。对所有入组患者的影像资料进行不同算法重建，获得标准级别Hybrid IR图像、标准和强级别DLR图像。在3种图像的肺实质、主动脉、肩胛下肌及腋下脂肪内选取感兴趣区并测量其CT值和标准差，用于计算信噪比（SNR）和对比噪声比（CNR）。同时，由2名影像医师按照Likert 5分量表法对图像质量进行主观评分，且记录肺磨玻璃结节（GGN）的数量，并对其显示情况进行评分。2名医师评分不一致时由第3名医师评分决定。采用Kruskal-Wallis非参数检验对3种图像的主观和客观评分进行分析，若总体存在差异，则用Bonferroni校正检验进行组内两两比较。结果3种图像在肺实质、主动脉、肩胛下肌及腋下脂肪处的CT值差异均无统计学意义（P均>0.05），而图像噪声、SNR和图像的CNR差异均有统计学意义（P均<0.05）。其中标准级别Hybrid IR图像、标准和强级别DLR图像的CNR分别为0.71（0.49，0.88）、1.06（0.78，1.32）和1.14（0.84，1.48）。标准级别和强级别DLR图像均较标准级别Hybrid IR图像的主观和客观噪声低及SNR和CNR高，差异均有统计学意义（P均<0.05）。在对主要解剖结构（肺裂、肺血管、气管和支气管、淋巴结、胸膜和心包）和GGN的显示上，标准级别和强级别DLR图像评分明显优于Hybrid IR图像，差异均有统计学意义（P均<0.05）。结论与Hybrid IR相比，DLR可以明显降低LDCT图像的噪声，且对GGN的显示良好，有助于在较低辐射剂量水平时保证图像质量，从而改善采用CT行肺癌筛查及肺结节随访的安全性。

简介：摘要近年来，CT图像算法中基于深度学习的图像重建（DLIR）技术不断发展，日益成熟，目前已经逐步应用于临床实践中。DLIR算法较常规迭代重建算法具有在降低辐射剂量和图像噪声的同时不改变图像纹理，保持或提高解剖细节显示能力、总体图像质量和医生诊断信心的众多优势。因此，笔者重点就DLIR算法的原理、优劣势及其在人体各系统的临床应用进展进行综述，旨在进一步提高对DLIR算法的认识，并对其可能的应用情景提供借鉴。

简介：摘要深度学习图像重建算法是目前CT图像重建领域最为前沿的技术，随着算法的不断优化和模型泛化性的提升，适用人群和全身各部位的临床应用也在不断拓展，在疾病诊治中发挥了重要作用。深度学习图像重建算法能够降低图像噪声、消除伪影、避免“过度平滑”的视觉感观，提升主观诊断效能，并有助于CT检查中辐射剂量的降低。此外，深度学习图像重建算法不影响CT图像重建的速度，能够满足临床工作流的需求。随着对深度学习图像重建算法的不断探索以及临床应用的拓展，可以挖掘深度学习图像重建算法的潜在优势，提升CT临床应用的能力。