基于多区域椭圆参数化描述的形状扩散光学层析成像方法研究

获取生物组织体的光学结构是扩散光学成像模式研究(如扩散光学层析技术和荧光分子成像技术)的核心内容.当假设组织器官中具有均匀光学参数时,光学结构的获取方法可归为基于形状的扩散光学层析成像(DOT)重建技术,该技术致力于同时重建组织器官的边界和内部光学参数.实现了二维的边界元正向模型,并与有限元正向模型的结果进行比较.反演问题中使用了截断奇异值(truncated-SVD)优化算法,并在40 dB噪声水平下用内部具有3个异质体的目标模型进行验证.数值结果表明,提出的图像重建算法具有良好的收敛性能,并能从噪声数据中准确恢复相应区域的形状参数和光学参数.     

基于变量分离近似稀疏重构和简化球谐近似的生物发光断层成像

生物发光断层成像(BLT)是一种非常有效的光学分子成像方式,在医学预临床研究中的有着广泛的研究。然而,BLT的核心问题即光源重建仍然存在着巨大的挑战:光在生物组织中的传输模型是否精确与重建问题不适定性都使得光源位置与密度的重建变得十分困难。为了准确高效地实现光源重建,在光传输模型的选择上,通过将扩散近似模型和高阶简化球谐近似模型(SPN)的结果与蒙特卡罗金标准进行比较,结果表明阶次(N)为3时的SP3模型描述光子在生物体的传输时能够最佳地兼顾精度和速度。基于SP3传输模型,结合光源在生物体内稀疏分布的特征,采用变量分离近似稀疏重构(SpaRSA)的方法来解决BLT的重建问题。为了验证提出方法的有效性,通过将数字鼠仿真和真实小鼠实验与典型的l1_ls方法对比表明在SP3模型下SpaRSA算法可行。     

三维磁共振电阻抗成像的改进分层灵敏度算法

针对人体组织电导率的三维成像问题,提出一种改进的分层灵敏度磁共振电阻抗重建算法.利用单方向磁感应强度信息,对三维电导率图像实行分层重建,每层重建仅利用该层磁通密度分量测量数据,然后对单层重建结果进行修正以获得三维电导率重建图像.三介质长方体模型上的仿真实验证明,改进的分层重建算法改善了层间串扰现象,可以获得比一般分层算法甚至整体算法更高的图像分辨率,而且重建时间较整体算法显著减少;基于人体腿模型的仿真实验表明该算法对复杂模型三维重构的可行性;最后通过仿体实验验证算法的重建效果.改进的分层灵敏度重建算法降低了灵敏度矩阵法的计算机硬件需求,减少了重建时间,对MREIT的三维重建具有较高的成像精度和求解效率.     

彩色图射中颜色不变性和耀斑的分离(Ⅱ)

光源的位置和色品影响景物在摄像机中的成像,耀斑和阴影的出现使一般的分割算法得不到理想的分割结果。本文根据双色反射模型将图像分解成两个本征图像——本色图像(matte image)和耀斑图像(highlighit image)。本色图像是去掉耀斑影响的图像,反映了景物本身的不变性,不受外部因素(光源的位置和色品)的影响。而耀斑图像是只含有耀斑的图像,恰反映了外部因素的影响。并提供景物形状的信息。     

基于聚类算法的血管直径测量研究

血管形态的变化与疾病密切相关,血管直径是血管形态的主要参数之一,测量血管直径有助于疾病的筛查与预防。提出一种基于聚类算法的血管直径测量方法,对微血管进行测量。大多数显微血管图像(如光学显微成像或光声显微成像)中存在噪声,通过非线性变换函数对显微图像进行增强;使用训练后的U-Net网络模型进行图像分割;利用结合聚类算法以及射线算法的测量方法对分割得到的血管进行测量,得到血管直径。实验表明,算法与传统测量结果一致(P0.05),与传统算法相比,本算法的测量精度得到提升,将测量误差由4.21%降低至2.27%,满足血管测量的准确度需求。     

基于小递归卷积神经网络的图像超分辨算法

针对现有软件实现超分辨算法通常过于复杂、运算开销大、模型复杂度高的问题,本文从成像过程中图像退化的物理原理出发,提出一套基于小递归卷积神经网络的单帧图像超分辨模型.将物理模型的约束融入到模型中,与现有的基于统计学习的图像超分辨算法相比,本文提出的模型的模型复杂度和计算量几乎可以忽略不计,同时内部的参数也有着更加明确的物理意义,并且引入了外部数据辅助对相应的模型参数进行学习.使用运行速度、峰值信噪比的数值方法对结果进行评价,结果表明:本文提出的算法消耗时间只有传统反向投影算法的75%,而精度比反向投影算法提高了0.2dB,比双线性插值提高了1.2dB.本文提出的算法可以取得比迭代反投影算法更快、重建精度更高的超分辨重建效果.     

结合透射CT的康普顿背散射图像重建

在康普顿散射成像(CST)技术中可以结合透射成像重建出衰减系数来消除散射重建的非线性,但这样得到的投影矩阵带有误差。而CST重建问题的不适定性对噪声和投影矩阵的误差非常敏感,重建结果会有较大误差。针对此问题,基于压缩感知理论提出了一种新的CST重建算法。新方法将图像重建问题归结为一个图像的全变分(TV)最小化问题,并使用收敛速度较快的基于交替方向法的Split-Bregman方法进行求解。在仿真实验中,通过与代数重建技术(ART)进行比较,在测量数据充足和测量数据不足两种情况下,本文算法都具有更好的重建质量,证明了所提算法在重建精度和抗噪性能方面的优势。     

无透镜显微成像的重构算法研究

针对单幅图像进行了无透镜显微成像的重构算法研究，介绍了无透镜显微成像系统实验装置和ASM(angle spectrum method)、改编后的L-R(Lucy-Richardson)两种重构算法。对比两种算法重构后的USAF分辨率板图像的分辨率，利用瑞利判据得出ASM获得的振幅图分辨率最高(即3.10 μm)，且计算用时最少(即0.9 s)，证明了ASM为最佳的单幅无透镜显微重构算法。其次，利用无透镜显微成像系统结合ASM重构的方法，进行细胞成像实验。该无透镜成像视场为5×显微镜的4.4倍，且分辨率介于5×及10×光学显微镜之间，统计学优势明显，在生物医学领域具有广阔的应用前景。     

基于3D全卷积神经网络的肺叶自动分割方法

基于电子计算机断层扫描(CT)影像的肺叶分割是医生诊断和治疗肺部疾病的重要参考之一,但肺叶边界的模糊以及手动分割的巨大工作量使得医生难以准确、快速地分割肺叶。为此,提出了一种基于新型3D全卷积神经网络的肺叶自动分割方法。对原始CT图像进行预处理,然后利用预处理后图像训练卷积神经网络,再将待分割图像输入到训练好的网络模型中,实现CT图像中肺叶的自动分割。实验数据包括来自上海市肺科医院的50例肺部疾病患者的CT图像,30例被用于训练,20例被用于测试。对分割结果进行了定量评价,其中Dice系数为0.961,Jaccard相似系数为0.916。实验结果表明该肺叶自动分割算法具有更好的分割性能以及更强的泛化能力,即使在训练集数据较少的情况下,也能够准确、快速的分割肺叶。     

凝视成像降质模型的超分辨率重建

针对吉林一号视频03星凝视成像的特点,为提高其图像空间分辨率,解决光学系统分辨率不足的问题,提出一种视频卫星超分辨率重建的新算法——凸集中间映射。以主动观点分析视频卫星凝视成像特点,建立了基于凝视成像的图像降质模型。为求解该降质模型的逆过程,以凸集理论为基础,建立了基于中间降质过程的约束集和相应的点投影算子,通过点投影算子逐帧修正高分辨率图像灰度值,最终将重建的高分辨率图像约束于凸集的交集上。实验结果表明,该算法使图像分辨率提高近30%,克服了同类算法具有投影误差和重叠伪影的缺点,图像质量评价指标均优于所列其他算法,8帧重建得到收敛解,对不同清晰度的图像重建均具有可行性和稳健性。说明该算法适用于视频卫星图像超分辨率重建。     

融合多重自注意力和可变形卷积的多模态脑胶质瘤分割

脑胶质瘤的磁共振图像分割对于脑肿瘤的诊断、手术规划以及放疗等治疗方案的确定具有非常重要的意义．针对现有脑肿瘤分割算法分割精度不高边缘分割不精确,易出现假阳性的问题,本文提出一种基于多重自注意力和可变形卷积的Unet改进模型．模型将原始Unet框架的标准卷积替换为残差模块,以防止模型训练过程中出现梯度消失;通过在瓶颈层加入基于Transformer的多重自注意力模块来提取局部特征和全局上下文信息,以更好地挖掘像素间的相关性;在跨层连接处采用可变形卷积来增强模型对形状感知的敏感性,以提升肿瘤边缘特征的提取能力．实验结果表明,所提算法的分割结果评价指标高于使用同样数据集的其他对比模型,而且对肿瘤边缘的分割更加精确．这表明本文算法是一种有效的脑胶质瘤自动分割算法．     

利用三维自适应分裂-合并的MRI图像分割算法设计

该文提出一种基于3D几何特征分裂-合并(ASM)的脑部MRI图像分割算法。首先构建简单平行六面体的12种3D区域分割策略,体积分割技术将整个体积划分为许多大的均匀三维几何区;然后,在体积内定义更多小的均匀区域,以便在随后的合并步骤中有更大的生存概率;最后,进行多级区域合并,合并阶段只涉及复杂ASM树的叶子,考虑灰度相似性和共同边界区的大小,将小的区域合并为大邻近区。相比其他几种MRI图像分割算法,提出的方法在分割过程对噪声具有鲁棒性,提高了分割性能和准确率。另外提出的方法不需要训练数据集。     

驾驶人眼睛区域的鲁棒性定位算法研究

疲劳驾驶是造成交通事故的重要原因. 通过机器视觉技术对眼睛动作和视线转移特征的分析可实现驾驶人疲劳状态的有效估计. 然而, 实际行车环境中光照条件的随机、快速变化以及驾驶人面部姿态的不确定性使得眼睛区域的鲁棒性定位变得异常困难. 为此, 本文引入基于点分布模型的主动形状模型(ASM)算法并针对其在实际行车环境中存在的问题提出了三点改进. 首先, 建立了基于自商图的局部纹理模型以克服光照变化的影响; 其次, 充分利用面部局部区域良好的聚类性, 建立了层叠式全局形状模型, 以适应驾驶人姿态的大角度偏转; 再次, 在行车过程中, 通过对驾驶人面部形状的在线学习实现模型参数分布特征的获取, 为ASM算法的配准提供了更加紧致的约束. 实验结果显示, 本文算法对光照和姿态变化具有较强的鲁棒性, 在驾驶人面部器官不发生自遮挡的情况下可实现眼睛区域的高精度配准.     

基于可变形模板的水下声图像分割

针对水下声成像中的形变和边缘模糊等问题,在分析现有模板匹配算法存在问题的基础上,提出了一种基于可变形模板的水下声图像分割算法。该算法以Snake模型的最小能量思想为基础,对原有的能量函数重新进行了定义,引入了形状约束,从而使该算法对噪声的敏感程度相应下降,提高了算法的鲁棒性和分割效率。利用Dijkstra算法求取了能量函数的最优解,并对采用填充算法预处理后的实测声图像进行了图像分割实验。实验结果表明,相对于Snake模型和传统的寻优方法, 该方法具有速度快、精度高和对形变、噪声不敏感的优点。     

应用于一体化摄像机的自动聚焦搜索算法研究

一体化摄像机的自动聚焦过程就是镜头按照自动聚焦搜索算法寻找图像清晰度评价函数最大值的过程,自动聚焦搜索算法对自动聚焦过程的实时性和准确率影响很大。为了解决现有算法在光源场景和无细节场景下聚焦失败的问题,提出了一种基于场景预测的聚焦搜索算法,该算法对成像场景进行智能分析、判断并分类,在不同的场景下采用不同的搜索策略,提高了自动聚焦搜索的稳定性和准确率。同时,针对现有算法在散焦区判断聚焦曲线峰值方向困难的问题,引入模糊度评价模型,该模型能够准确判断聚焦曲线峰值方向,分析实验数据发现,新的算法在散焦区的聚焦速度提升了24.3%。实验证明,新的算法在基于海思Hi3518A处理器搭建的一体化摄像机成像系统中具有很高的应用价值。     

基于COLLATE融合多图谱的心脏电影MRI右心室分割

右心室分割对肺动脉高压等疾病的心功能分析具有重要的临床意义.然而，右心室心肌薄、易变且不规则，其传统的医学图像分割方法仍然未能取得突破性进展.本文提出基于COLLATE（Consensus Level，Labeler Accuracy and Truth Estimation）的多图谱分割方法，首先以归一化互信息为相似测度对目标图像和图谱集进行B样条配准以获取粗分割结果；然后利用COLLATE对粗分割结果进行融合；最后采用基于形状约束的区域生长算法修正出现错误的数据.10例临床心脏磁共振短轴电影图像被用于算法验证.本文还将使用基于COLLATE的多图谱分割方法得到的结果与深度学习算法及手动分割进行了比较.结果显示与深度学习算法比较，使用本文算法得到的射血分数（Ejection Fraction，EF）与手动分割更加一致和相关，表明该算法的分割结果有望辅助临床心脏功能诊断.     

基于块稀疏贝叶斯的生物发光断层重建

生物发光断层成像(BLT)是一种非侵入、高灵敏度的光学分子影像技术,可以通过探测生物体表面的光信号重建出生物体内部光源的三维分布情况。由于光在组织中传播时,散射占据主导作用,导致BLT重建问题的病态性,给光源重建带来巨大的挑战。在BLT重建中,基于光源稀疏分布的特征,稀疏正则化方法相比于传统的L2范数正则化取得了显著进展。更进一步,由于生物发光光源的分布具有的空间聚集特征,利用该特征将有助于进一步提高BLT重建的准确性。相比于传统的针对求解域中所有未知量进行稀疏重建的算法,探索了利用块稀疏进行生物发光断层成像重建的可行性,首先通过对系统矩阵进行相关系数分析将求解域划分成一系列数据块,然后利用块稀疏贝叶斯算法对生物发光光源的分布进行三维重建。通过仿真实验与小鼠活体实验,并与传统稀疏重建算法L1-LS进行了比较,结果表明该方法可以有效缓解BLT重建问题的病态性,抑制噪声,并且可提高重建结果的准确性。     

X射线光场成像技术研究

X射线三维成像技术是目前国内外X射线成像研究领域的一个研究热点.但针对一些特殊成像目标,传统X射线计算层析(CT)成像模式易出现投影信息缺失等问题,影响CT重建的图像质量,使得CT成像的应用受到一定的限制.本文主要研究了基于光场成像理论的X射线三维立体成像技术.首先从同步辐射光源模型出发,对X射线光场成像进行建模;然后,基于光场成像数字重聚焦理论,对成像目标场在深度方向上进行切片重建.结果表明:该方法可以实现对成像目标任一视角下任一深度的内部切片重建,但是由于光学聚焦过程中的离焦现象,会引入较为严重的背景噪声.当对其原始数据进行滤波后,再进行X射线光场重聚焦,可以有效消除重建伪影,提高图像的重建质量.本研究既有算法理论意义,又可应用于工业、医疗等较复杂目标的快速检测,具有较大的应用价值.     

一种快速提取连续CT脑肿瘤病灶区的算法

脑肿瘤图像提取就是将肿瘤病灶区域(水肿、坏死、癌变)从正常的脑部组织(灰质、白质、脑脊液)分开,精确的脑肿瘤分割对脑瘤的诊断、研究和治疗有重要的临床意义。针对传统脑部CT肿瘤病灶提取的缺点,即需要耗费大量时间并且分割精度不高的问题,提出一种综合了形态学重建、分水岭分割和改进的区域生长算法。先用形态学重建进行去噪,再用结合多尺度梯度分水岭分割提取整个图像的边界,然后在肿瘤病灶区域内选取种子点进行区域生长,提取肿瘤区域轮廓,滤除其他封闭区域,得到的图像作为改进的区域生长法的初始分割区域,使用改进的区域生长法,滤除过分割区域。实验结果显示该算法分割出的结果有效区域大,分割精度高。结论：该算法提高了分割精度,由于不用匹配结构参数,加快了分割速度,具有一定的临床价值。     

基于代数重建算法的有限角度扫描的光声成像

由于滤波反投影重建算法要求对成像区域进行全方位扫描以获取完全投影数据,它需要较长时间采集大量数据,使其在医学上的应用受到限制。研究了在有限角度下采用代数重建算法进行光声成像的方法,实验用的光源为YAG激光器,波长为1064nm,重复频率20Hz,脉宽为6ns,探测器为针状的磺化聚二氟乙烯(PVDF)膜水听器,接收面积的直径为1mm,从仿真和实验结果表明该方法适用于“非完备投影数据”的光声层析成像。从图像重建效果上与滤波反投影算法相比较,该成像算法提高了重建图像的分辨率和对比度。采用代数重建算法的有限角度的光声成像方法,对临床医学的无损伤检测,具有重要的意义。