简介:传统小说中的图文关系是松散而和谐的,删掉插图对阅读文本不会产生重要影响,而且图一般都为文服务,它们的意义所指也是明确的;而后现代小说的图文关系则是紧密而对抗的,删掉插图,文本就无法正常阅读,图不是文的傀儡,而要凸显自身的意义和价值,图像与文字所指意义的关系常常是解构性的和不明确的。这种由《项狄传》开创的“语像写作”手法,在后现代小说中仍以文字叙事为主导,但图像在小说发展中逐渐展现出与文字相同的地位,不再是小说中可有可无的噱头。图像突破了媒介差异直接参与到叙事流中,以“图像修辞”的方式呈现出一种媒介融合的叙事风景,对读者提出了新的要求。这印证了现代社会表达的“语言危机”,也预示着文字叙事在纸媒上所能达到的极限。
简介:摘要目的采取有效的配准方式,证实合理的配准方式对于CT、MR扫描的图像融合对胶质瘤靶区勾画的重要性、可行性及对放疗的应用的价值。方法抽取两组各10例临床上术后病理确诊为胶质瘤的患者,所有患者在进行治疗前均行CT增强扫描和MR增强扫描。第一组在体表不做标记点,并且MRI扫描时不采用和CT扫描时的头枕。第二组按研究的目的在体表做好标记并做到CT扫描和MR扫描的患者体位尽量保持一致(MRI扫描时选择和CT扫描时采用类似的头枕)。将扫描完的图像传输到放疗室中的TPS中,然后分别采用Manual和PointMatch法进行图像标配。配准完成后进行图像融合,直到到达满意的融合效果。然后由放疗科两位副主任职称的放疗医师及我院放射科一名副主任以上的医师对融合图像进行评估和勾画,分别在CT、MRI及融合好的图像上勾画临床靶区(ClinicaltargetVolume)CTV及周围正常危及器官(眼球、晶体、视神经、脑干、脊髓等)。在融合好的图像上勾画CTV并设为CTV-CT/MR,以此类推,定义为设为CTV-CT,CTV-MR。然后对比两组的CTV重合度(CTV-T)来评价CT和MRI图像融合的精度,即V-CTV-T的体积占CT图像上V-CTV-CT的百分比V-CTV-T=CTV-CT/MR/V-CTV-CT*100%(理想状态下为1)。并且计算二组在配准状态下的三维方向上的误差大小。结果1.第一组和第二组CTV重合度(融合的图像与CT对比)为0.8士0.26,0.91士0.11,二者差异具有统计学意义。第一组和第二组CTV重合(融合的图像与MRI对比)为0.92士0.15,1.02士0.08,两者差异也具有统计学意义。但与单纯CT对比,MRI更接近与1,差异性小。2.利用PointMarch计算第一组X,Y,Z轴方向的平均误差为(0.65士0.17)mm,(1.2士0.11)mm;(2.2士0.20)mm,三维空间总的平均误差为(2.24士1.15)mm;第二组X,Y,Z轴方向的平均误差为(0.25士0.11)mm,(0.6士0.11)mm;(1.2士0.20)mm,三维空间总的平均误差为(1.26士0.35)mm。不加标记点的误差明显大于加标记点的,并且不加标记点的误差超过了误差范围。结论1.体位一致的CT和MRI扫描是两者图像融合的关键,体位一致的图像融合技术误差在可接受的范围内。2.MRI扫描的图像勾画靶区比CT勾画靶区的精度高。
简介:摘要随着社会的发展,企业对物体质量要求越来越高,基于图像处理的标签质量检测系统越来越被人们所看重。然而,标签在生产过程中,由于受到生产机器精度等因素的影响,生产出来的标签有很多质量问题,比如少印。因此标签缺陷检测越来越重要。本论文主要针对对标签视觉检测系统的软件算法设计,使检测图像与标准图像进行相减,从而提取出缺陷部分,解决标签少印的问题。整个少印缺陷的检测过程不需要人工进行费力的对比,此过程由软件自行处理,人们只需要对检测出的标签进行确认,实现人工与智能化的完美结合,保证标签质量的目的。本文使用VisualC++6.0开发工具进行软件代码编程,最后很好的完成了本论文少印的缺陷检测检测系统,在实验室中,我们对本系统稳定性,精确度进行了测试,测试结果表明本论文的缺陷检测系统能够满足要求。
简介:摘要目的探讨并分析多参数设置对低剂量胸部CT扫描图像质量及辐射剂量的影响。方法本研究于某医院内部选取了2016年5月~2018年5月收治的136例低剂量胸部CT筛查志愿者作为研究对象,采用随机数字表法,随机将志愿者分为A、B、C、D四组,每组志愿者各34例,比较四组志愿者的胸部CT扫描图像质量及辐射剂量。结果A、B、C、D四组志愿者的肺窗的IMR和iDose重建图像质量和辐射剂量存在差异,差异有统计学意义(P<0.05);A组和B组的图像质量均高于C组和D组,差异有统计学意义(P<0.05);A组的有效剂量最高,D组的有效剂量最低,B组和C组的有效剂量有差异,但差异无统计学差异(P>0.05)。结论多参数设置对低剂量胸部CT扫描图像质量及辐射剂量具有重要的影响,将管电流和管电压分别设置为17mAs、100kv,并采用自动曝光控制设置扫描和IMR重建方式能够获得更好的图像质量和辐射剂量。
简介:摘要目的探讨鼻窦CT扫描中,前置和后置自适应统计迭代重建算法(ASiR-V)对图像质量和辐射剂量的影响,并寻找最佳的迭代组合。方法以1具离体头颅标本为研究对象,采用临床鼻窦CT常规扫描条件[噪声指数(NI)=8],以及前置ASiR-V的不同等级(0~100%,间隔为10%)进行螺旋扫描,所得原始数据使用后置ASiR-V的不同等级(0~100%,间隔为10%)进行骨算法和标准算法重建,共获得242个鼻窦薄层图像序列。选择特定的感兴趣区(ROI)测量CT值,并计算图像对比噪声比(CNR)和品质因子(FOM)。记录容积CT剂量指数(CTDIvol)和智能毫安(Smart mA)值。采用线性回归分析对ASiR-V各等级与对应的CTDIvol、Smart mA、CNR、FOM进行比较分析。采用配对t检验对相同后置不同前置ASiR-V骨算法和标准算法图像的CNR进行分析比较。主观评价采用双盲法由3名高年资放射诊断医师以4分法(4分为最佳)进行图像质量评分。结果随着前置ASiR-V等级(0~100%)的增加,Smart mA、CTDIvol均减低,呈线性负相关(r分别为-0.981、-0.976,P均<0.001);Smart mA降幅为72.05%,CTDIvol降幅为71.22%。前置ASiR-V相同,随后置ASiR-V等级增加,骨算法和标准算法图像对应的CNR呈上升趋势,呈正相关(骨算法图像:R2分别为0.976、0.992、0.982、0.982、0.975、0.975、0.979、0.996、0.952、0.978、0.965;标准算法图像:R2分别为0.944、0.990、0.988、0.993、0.996、0.987、0.984、0.996、0.996、0.990、0.965);后置ASiR-V相同,随前置ASiR-V等级增加,骨算法和标准算法图像对应的FOM呈波动变化(骨算法图像:R2分别为0.335、0.341、0.344、0.364、0.385、0.405、0.418、0.429、0.455、0.474、0.516;标准算法图像:R2分别为0.223、0.278、0.327、0.285、0.309、0.329、0.325、0.346、0.360、0.390、0.380)。以上各种前置和后置迭代等级组合所得图像主观评价均可满足诊断要求(评分≥3)。结论当NI=8时,骨算法最佳前置和后置迭代等级组合为80%和100%;标准算法最佳迭代等级组合为100%和100%。鼻窦CT扫描中,选择恰当的前置和后置迭代等级组合,能够在图像质量满足诊断要求的前提下,有效降低辐射剂量。
简介:摘要目的探讨多物质伪影降低(MMAR)技术对口腔金属植入物患者颌面部CT图像的影响。方法回顾性收集2019年3月至2020年2月郑州大学第一附属医院放射科用宽体探测器 CT行颌面部扫描且含有金属义齿植入的30例患者资料,患者病变部位均受到金属植入物伪影影响,行能谱扫描后采用静脉期分别重建 120 kV-like、虚拟单能量成像(VMI)(70、90、110 keV)、VMI(70、90、110 keV)+MMAR(简称VMI+M)图像,共 7 个图像序列。测量同层面病变及头长肌CT值和噪声(SD),计算病变伪影指数(AI)。通过 Friedman检验及 Wilcoxon检验实现对图像质量的客观、主观评估。结果7组图像SD、AI间差异有统计学意义(SD:χ²=133.800,P<0.001;AI:χ²=92.147,P<0.001),VMI 110 keV+M图像SD[10(8, 12)]、AI[6(5, 9)]为7组内最低,其AI值与VMI 90 keV+M图像相比差异无统计学意义(P=0.271)。VMI+M组SD、AI值低于对应单能量水平VMI组(均P<0.05)。7组图像主观评分间差异有统计学意义(χ²=151.199,P<0.001)。VMI(70、90、110 keV)+M图像评分高于对应单能量水平VMI图像(Z=-4.583,P=0.000;Z=-3.742,P=0.000;Z=-2.449,P=0.014)。VMI 90 keV+M图像主观评分[4(3, 4)]最高,高于其余6组(均P<0.05)。30例中有26例病变区域伪影完全消除,对比度良好,病变显示清晰,图像效果最佳。结论宽体探测器CT的MMAR技术去除口腔金属植入体伪影效果明显,能提高图像质量,VMI 90 keV+MMAR图像能兼顾最佳伪影去除效果及良好的组织对比。