簡(jiǎn)介：高分辨CT是指分辨率在10微米以?xún)?nèi)甚至達(dá)到數(shù)十納米分辨率的CT系統(tǒng)。高分辨CT具有無(wú)損檢測(cè)、高空間分辨等優(yōu)點(diǎn)，為生物醫(yī)學(xué)、材料學(xué)等學(xué)科提供了非常重要的檢測(cè)手段，被廣泛應(yīng)用于疾病模型建立、新藥測(cè)試、骨參數(shù)測(cè)量和材料分析等領(lǐng)域的研究中。高分辨CT由于其高精度的特性，其硬件系統(tǒng)及成像算法都有其固有的特點(diǎn)。本課題以自研的一套分辨率達(dá)到亞微米水平的高分辨CT成像系統(tǒng)為平臺(tái)，研究了高分辨CT的校準(zhǔn)問(wèn)題和內(nèi)重建問(wèn)題。高分辨CT系統(tǒng)成像過(guò)程中需要對(duì)系統(tǒng)中的探測(cè)器、射線源和轉(zhuǎn)臺(tái)之間的空間幾何關(guān)系進(jìn)行精確估計(jì)，利用估計(jì)到的幾何參數(shù)對(duì)投影數(shù)據(jù)和重建過(guò)程進(jìn)行幾何校正，才能實(shí)現(xiàn)高精度三維成像目的。傳統(tǒng)的幾何校正方法難以滿(mǎn)足高分辨CT系統(tǒng)的精度指標(biāo)要求，為此，本文提出了一種基于單點(diǎn)模體的高精度CT系統(tǒng)幾何校正算法。該算法根據(jù)CT反投影幾何構(gòu)建了關(guān)于幾何校正參數(shù)的評(píng)價(jià)函數(shù)，該函數(shù)能夠有效表征體空間內(nèi)一點(diǎn)的重建精度，通過(guò)對(duì)該目標(biāo)函數(shù)的最小化來(lái)求解最優(yōu)幾何參數(shù)。為了克服噪聲以及誤差對(duì)優(yōu)化過(guò)程的影響，選用隨機(jī)搜索優(yōu)化算法模擬退火對(duì)其進(jìn)行求解。高分辨CT成像實(shí)驗(yàn)結(jié)果證明，相較于傳統(tǒng)基于空間解析幾何的校正算法，該算法具有更高的精度和魯棒性。自研高分辨CT系統(tǒng)中的多鏡頭探測(cè)器，可切換鏡頭以實(shí)現(xiàn)不同分辨率及視野FOV的成像。不同探測(cè)器所成圖像往往在空間上、灰度上存在著差異，需要實(shí)現(xiàn)多探測(cè)器下圖像的配準(zhǔn)。本文首先研究了該裝置下的圖像配準(zhǔn)空間映射模型，實(shí)現(xiàn)了基于互信息圖像配準(zhǔn)優(yōu)化算法。實(shí)驗(yàn)證明，互信息圖像配準(zhǔn)能夠有效滿(mǎn)足高分辨CT平臺(tái)下的配準(zhǔn)需求。進(jìn)一步分析高分辨CT幾何校正和圖像配準(zhǔn)的內(nèi)在聯(lián)系，結(jié)合CT幾何校正算法研究工作，將多探測(cè)器幾何校正和圖像配準(zhǔn)融入到同一優(yōu)化過(guò)程中，提出了基于單點(diǎn)模體的幾何校正和探測(cè)器配準(zhǔn)聯(lián)合優(yōu)化算法。高分辨CT多探測(cè)器實(shí)驗(yàn)和顯微CT探測(cè)器平移實(shí)驗(yàn)結(jié)果表明，該算法能夠有效地對(duì)多探測(cè)器CT系統(tǒng)進(jìn)行高精度的幾何校正和圖像配準(zhǔn)，校準(zhǔn)流程簡(jiǎn)單，僅一次優(yōu)化過(guò)程可以完成整個(gè)系統(tǒng)的校準(zhǔn)工作。在高分辨率CT應(yīng)用中，待檢樣本的橫向尺寸需要小于成像視野FOV，否則，重建圖像中會(huì)產(chǎn)生嚴(yán)重的截?cái)鄠斡??；诙喾直媛驶旌蠏呙璺绞?，利用低分辨率全局?jǐn)?shù)據(jù)來(lái)彌補(bǔ)高分辨數(shù)據(jù)中的截?cái)嗖糠?，是解決內(nèi)重建問(wèn)題的有效手段。為了在高分辨CT上實(shí)現(xiàn)精確穩(wěn)定的內(nèi)重建，本文利用高分辨CT系統(tǒng)的多鏡頭探測(cè)器，采用多分辨率混合掃描方式，實(shí)現(xiàn)了一種低分辨率圖像約束的內(nèi)重建算法LRICR。該方法通過(guò)配準(zhǔn)低分辨大視場(chǎng)與高分辨小視場(chǎng)數(shù)據(jù)，以低分辨全局投影數(shù)據(jù)的重建結(jié)果作為先驗(yàn)，引入到高分辨內(nèi)重建過(guò)程中，充分利用了高低分辨數(shù)據(jù)，實(shí)現(xiàn)高質(zhì)量?jī)?nèi)重建。實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)的基于TV正則化的內(nèi)重建算法和SCOUTRECONSTRUCTION內(nèi)重建算法相比較，該方法不但可以非常好地解決高分辨中的內(nèi)重建問(wèn)題，還可以有效提高感興趣區(qū)域的圖像質(zhì)量。

簡(jiǎn)介：中圖分類(lèi)號(hào)TP3919論文編號(hào)102870616S117學(xué)科分類(lèi)號(hào)082703碩士學(xué)位論文多能光子計(jì)數(shù)X‐CT的圖像重建方法研究研究生姓名余子麗學(xué)科、專(zhuān)業(yè)輻射防護(hù)與環(huán)境保護(hù)研究方向醫(yī)學(xué)物理指導(dǎo)教師周正東副教授南京航空航天大學(xué)研究生院材料科學(xué)與技術(shù)學(xué)院二О一六年三月NANJINGUNIVERSITYOFAERONAUTICSASTRONAUTICSTHEGRADUATESCHOOLCOLLEGEOFMATERIALSCIENCETECHNOLOGYARESEARCHONIMAGERECONSTRUCTIONMETHODFMULTIENERGYPHOTONCOUNTINGXCTATHESISINNUCLEARSCIENCETECHNOLOGYBYZILIYUADVISEDBYASSOCIATEPROFZHENGDONGZHOUSUBMITTEDINPARTIALFULFILLMENTOFTHEREQUIREMENTSFTHEDEGREEOFMASTEROFENGINEERINGMARCH2016

簡(jiǎn)介：X射線計(jì)算機(jī)斷層成像COMPUTEDTOMOGRAPHYCT是一種無(wú)損地獲取被掃描目標(biāo)的內(nèi)部結(jié)構(gòu)信息通常不能夠被直接觀察的成像方法，已經(jīng)被廣泛應(yīng)用于醫(yī)學(xué)、工業(yè)無(wú)損檢測(cè)、考古學(xué)、生物學(xué)等領(lǐng)域。X射線CT的一個(gè)最基本問(wèn)題是如何從獲得的投影數(shù)據(jù)重建出被掃描目標(biāo)的斷層圖像。在數(shù)學(xué)上，該問(wèn)題是一個(gè)逆問(wèn)題。目前在實(shí)際應(yīng)用中，大部分商業(yè)CT最廣泛使用的二維重建算法是濾波反投影算法FILTEREDBACKPROJECTIONFBP，該算法要求采集得到的投影數(shù)據(jù)是完備的，對(duì)于扇束CT，為了重建出較高質(zhì)量的圖像，要求掃描角度范圍大于等于1800扇角。但在有些實(shí)際應(yīng)用中，受掃描環(huán)境、被掃描目標(biāo)自身結(jié)構(gòu)、X射線輻射劑量等因素限制，通常只能夠在有限的旋轉(zhuǎn)角度范圍少于1800扇角內(nèi)掃描，此時(shí)采集到的投影數(shù)據(jù)是不完備的。例如靠附于墻壁或放置地面的在役管道成像、牙科CT成像、C型臂CT成像、胸腔和乳房成像等。有時(shí)候?yàn)榱斯?jié)省掃描時(shí)間或者減少輻射劑量，也在有限的旋轉(zhuǎn)角度范圍內(nèi)掃描。上述的有限角CT重建問(wèn)題，采用FBP算法得到的重建圖像將會(huì)存在明顯的滑坡偽影或稱(chēng)為有限角偽影。如何從有限的掃描范圍內(nèi)采集得到的投影數(shù)據(jù)，穩(wěn)定地重建出高質(zhì)量的圖像，不僅具有重要的學(xué)術(shù)意義還有重要的商業(yè)價(jià)值，是目前研究的熱點(diǎn)。由于投影數(shù)據(jù)的不完備，有限角CT重建問(wèn)題是一個(gè)嚴(yán)重不適定問(wèn)題。為了使得有限角CT重建問(wèn)題的重建過(guò)程變得比較穩(wěn)定，可采用基于最優(yōu)化理論的正則化方法。在過(guò)去的幾年里，小波緊框架已經(jīng)成功應(yīng)用到CT重建問(wèn)題中并展現(xiàn)出一定的優(yōu)勢(shì)，小波緊框架的基本思想是圖像可以被合適的小波緊框架稀疏地表示。小波緊框架具有多尺度性，可以提供豐富的多級(jí)冗余信息。小波緊框架的二維濾波子對(duì)應(yīng)著離散的高階偏微分，可以看出梯度變換的一個(gè)推廣。因此本文針對(duì)有限角CT重建問(wèn)題，在小波緊框架的基礎(chǔ)上對(duì)有限角CT的正則化圖像重建算法進(jìn)行研究。本文的主要工作有1我們?cè)诨谛〔ňo框架和L0正則化的圖像恢復(fù)模型中加入一個(gè)圖像F的L2正則化項(xiàng)圖像的能量項(xiàng)，并提出一個(gè)新的基于L0和L2正則化的有限角CT重建模型。我們用一類(lèi)模型的解去逼近原模型的解來(lái)討論原模型解的存在性。為了更好地抑制有限角CT重建圖像中的滑坡偽影，在小波緊框架的基礎(chǔ)上，我們發(fā)展了一個(gè)新的基于L0和L2正則化的有限角CT重建算法，并分析了算法的收斂性，證明了我們的算法生成的序列在一定條件下存在一個(gè)子列收斂到一個(gè)局部極小值。針對(duì)我們的算法的一種典型情況，我們分析了我們的算法得到的重建圖像與參考圖像之間的誤差界和解的穩(wěn)定性。最后通過(guò)模擬實(shí)驗(yàn)和實(shí)際數(shù)據(jù)實(shí)驗(yàn)驗(yàn)證了我們的算法的有效性。實(shí)驗(yàn)結(jié)果表明，我們的算法在一定程度上能夠穩(wěn)定地重建出高質(zhì)量的圖像，從重建圖像上看，我們的算法比ASDPOCSADAPTIVESTEEPESTDESCENTPROJECTIONONTOCONVEXSETS算法更能夠抑制噪聲和滑坡偽影，能夠進(jìn)一步提高有限角CT重建圖像的質(zhì)量。2我們將先驗(yàn)圖像的高頻信息作為先驗(yàn)知識(shí)引入到有限角CT重建問(wèn)題中，并提出一個(gè)新的基于L0正則化和先驗(yàn)圖像的有限角CT重建模型。我們采用交替迭代方式來(lái)求解我們的模型，并發(fā)展了一個(gè)基于L0正則化和先驗(yàn)圖像的有限角CT重建算法，并分析了我們的算法的收斂性，對(duì)于我們的模型，我們證明了交替迭代算法產(chǎn)生的有界序列存在一個(gè)子列收斂到一個(gè)穩(wěn)定點(diǎn)。通過(guò)模擬實(shí)驗(yàn)和實(shí)際數(shù)據(jù)實(shí)驗(yàn)驗(yàn)證了我們的算法的有效性。實(shí)驗(yàn)結(jié)果表明，從重建圖像上看，我們的算法能夠重建出與PICCSPRIIMAGECONSTRAINEDCOMPRESSEDSENSING算法質(zhì)量相當(dāng)?shù)膱D像，而從量化結(jié)果上看，我們的算法的重建結(jié)果的精度高于PICCS算法。3為了降低有限角CT重建過(guò)程中參數(shù)調(diào)整的難度，我們基于L曲線的思想，在小波緊框架的基礎(chǔ)上，提出了一種基于自適應(yīng)迭代硬閾值的有限角CT重建算法。最后通過(guò)模擬實(shí)驗(yàn)和實(shí)際數(shù)據(jù)實(shí)驗(yàn)驗(yàn)證了我們的算法的有效性。實(shí)驗(yàn)結(jié)果表明我們的算法能夠重建出與人工選擇的參數(shù)質(zhì)量相當(dāng)?shù)膱D像，但是與人工選擇參數(shù)的方法相比，我們的算法在自適應(yīng)參數(shù)選擇上更具有優(yōu)勢(shì)。

簡(jiǎn)介：計(jì)算機(jī)斷層成像技術(shù)COMPUTEDTOMOGRAPHY，CT，是目前最為重要的醫(yī)學(xué)診斷和工業(yè)無(wú)損探傷的工具之一。錐束CT以其分辨率高，成像成本低，成像速度快的特點(diǎn)，已經(jīng)被廣泛應(yīng)用到航空、航天、醫(yī)療、機(jī)械等領(lǐng)域。本文主要針對(duì)圓軌跡下FDK重建算法和環(huán)形偽影的校正兩個(gè)方面進(jìn)行了研究。1本文介紹了X射線的產(chǎn)生與特性，進(jìn)而介紹了BEER定律、RADON的正逆變換以及投影定理等CT重建的基礎(chǔ)理論。然后對(duì)反投影、濾波反投影以及扇束等距FBP等重建算法進(jìn)行了分析和推導(dǎo)，并闡述了濾波反投影類(lèi)型重建算法的原理和一般重建步驟，為后序的研究奠定了基礎(chǔ)。2對(duì)FDK重建算法進(jìn)行了理論的推導(dǎo)，并分析了其離散化實(shí)現(xiàn)的過(guò)程。根據(jù)FDK重建過(guò)程的特點(diǎn)，利用正余弦函數(shù)在某種程度上體現(xiàn)出來(lái)的周期性特點(diǎn)對(duì)極坐標(biāo)下的FDK重建算法做了優(yōu)化改進(jìn)。經(jīng)過(guò)本文改進(jìn)的算法可以一次反投影重建144幅投影數(shù)據(jù)，并且將正余弦函數(shù)的運(yùn)算量大大降低接著利用正余切函數(shù)的對(duì)稱(chēng)性，一次性將多個(gè)重建后圖像的像素點(diǎn)轉(zhuǎn)化到笛卡爾坐標(biāo)系下最后通過(guò)實(shí)驗(yàn)驗(yàn)證了本文優(yōu)化算法的可行性，與傳統(tǒng)的FDK重建算法相比，經(jīng)過(guò)本文優(yōu)化的算法在重建速度上提高了近10倍。3針對(duì)探測(cè)器響應(yīng)不一致而產(chǎn)生環(huán)形偽影的問(wèn)題，首先對(duì)環(huán)形偽影的產(chǎn)生原因以及其具有的特征進(jìn)行了分析其次在研究了一種單向自適應(yīng)平滑處理算法的基礎(chǔ)上，研究了一種基于OTSU多閾值分割的改進(jìn)算法。實(shí)驗(yàn)結(jié)果證明，這種改進(jìn)方法能夠在保證圖像細(xì)節(jié)信息的情況下有效地去除環(huán)形偽影。

簡(jiǎn)介：隨著醫(yī)學(xué)CT影像技術(shù)的發(fā)展越來(lái)越成熟，他們的運(yùn)用也越來(lái)越普遍。高分辨率的數(shù)字圖像層出不窮，其為影像分析師提供了更清晰的診斷圖像。其中計(jì)算機(jī)斷層成像技術(shù)（COMPUTEDTOMOGRAPHY，CT）因其分辨率高、功能強(qiáng)大等特點(diǎn)在現(xiàn)在的臨床診斷應(yīng)用中最為普遍。但是另一方面大量的數(shù)字圖像增加了影像分析師的工作負(fù)擔(dān)，同時(shí)單一的讀片工作性質(zhì)不僅占用大量的醫(yī)生資源而且也會(huì)導(dǎo)致醫(yī)生的漏診、誤診率增加。在這種情況下，基于計(jì)算機(jī)智能的CT影像分析處理方法應(yīng)運(yùn)而生。在肺部CT影像的分析中，肺氣管樹(shù)的分割結(jié)果為肺部疾病的診斷提供重要的依據(jù)，并且為手術(shù)提供三維影像導(dǎo)航功能，因此肺部CT圖片中的氣管樹(shù)分割方法是計(jì)算機(jī)智能CT影像研究中的重要領(lǐng)域。首先，本文分析了目前為止比較經(jīng)典的多種肺氣管分割的方法，以及肺氣管重構(gòu)中存在的難點(diǎn)。然后，進(jìn)行CT圖像的預(yù)處理，并對(duì)DICOM圖像格式進(jìn)行分析，將實(shí)驗(yàn)所用的原始肺氣管CT數(shù)據(jù)調(diào)窗以順利進(jìn)行后續(xù)算法的研究。其次，本文實(shí)現(xiàn)了主氣管的分割，提出了基于堆棧的三維區(qū)域生長(zhǎng)算法，得到粗略的主氣管結(jié)構(gòu)，然后對(duì)結(jié)果進(jìn)行形態(tài)學(xué)優(yōu)化，并填充其中存在的細(xì)小空洞，最終得到了平滑的主氣管結(jié)構(gòu)。再次，實(shí)現(xiàn)了細(xì)支氣管的分割與拼接，在分割的肺實(shí)質(zhì)的基礎(chǔ)上進(jìn)行分割，通過(guò)連通域標(biāo)記、分割肺實(shí)質(zhì)、自適應(yīng)二值化以及做內(nèi)積等步驟得到細(xì)支氣管。最后，將主氣管與細(xì)支氣管結(jié)構(gòu)進(jìn)行或運(yùn)算，并提出一種拼接氣管的算法，將或運(yùn)算之后的結(jié)果中仍然沒(méi)有連通的部分通過(guò)兩種原則進(jìn)行判斷，最后利用拼接算法將其拼接起來(lái)，得到一棵完整的肺氣管樹(shù)。最終通過(guò)實(shí)驗(yàn)結(jié)果和手工標(biāo)記結(jié)果做比較，說(shuō)明了本文肺氣管分割方法的正確性和優(yōu)越性。本文的主要?jiǎng)?chuàng)新點(diǎn)有1本文實(shí)現(xiàn)了基于堆棧的三維區(qū)域生長(zhǎng)算法。一般的二維區(qū)域生長(zhǎng)算法都屬于遞歸算法，會(huì)消耗大量的時(shí)間和內(nèi)存。為了解決這個(gè)問(wèn)題，本文提出的算法是在堆上創(chuàng)建棧數(shù)組以模擬棧的先進(jìn)后出的思想來(lái)實(shí)現(xiàn)的，并且將鄰域范圍擴(kuò)展到了二十六鄰域。2本文提出了一種細(xì)支氣管的拼接算法。首先根據(jù)拼接準(zhǔn)則匹配要拼接的主氣管和細(xì)支氣管，然后通過(guò)二維形狀插值將它們拼接在一起。發(fā)現(xiàn)拼接之后仍然包含一些未連接的遺漏氣管區(qū)域，通過(guò)把除氣管區(qū)域外的所有體素點(diǎn)設(shè)為非氣管點(diǎn)即可，最終得到完整的肺部氣管樹(shù)。

簡(jiǎn)介：計(jì)算機(jī)斷層成像技術(shù)COMPUTEDTOMOGRAPHY是一種用來(lái)觀測(cè)目標(biāo)斷層的無(wú)損檢測(cè)技術(shù)，它被廣泛地應(yīng)用在醫(yī)學(xué)成像和工業(yè)檢測(cè)中。與傳統(tǒng)的拍片或數(shù)字化實(shí)時(shí)成像等檢測(cè)手段相比，CT重建的斷層圖像空間分辨率高、對(duì)比度高，而且沒(méi)有影像重疊，使得在不剖開(kāi)被檢測(cè)物的情況下得到質(zhì)量比較好的斷層切片。螺旋束CT具有掃描速度快、重建準(zhǔn)確度高等優(yōu)點(diǎn)，是目前醫(yī)學(xué)診斷領(lǐng)域應(yīng)用非常廣泛的一種CT技術(shù)，但是螺旋CT技術(shù)還沒(méi)有廣泛地被應(yīng)用于工業(yè)檢測(cè)領(lǐng)域。螺旋束CT能實(shí)現(xiàn)連續(xù)地掃描待檢測(cè)物，掃描效率高，使螺旋CT對(duì)工業(yè)中長(zhǎng)棒型工件的掃描更方便，所以將螺旋CT應(yīng)用于工業(yè)檢測(cè)領(lǐng)域具有一定的實(shí)際意義。本文實(shí)現(xiàn)螺旋束CT系統(tǒng)重建的主要工作包括經(jīng)典的螺旋CT重建算法KATSEVICH算法的實(shí)現(xiàn)及算法的并行加速實(shí)現(xiàn)、相關(guān)軟件設(shè)計(jì)與實(shí)現(xiàn)及三維可視化軟件設(shè)計(jì)與實(shí)現(xiàn)等。實(shí)際當(dāng)中的X射線源的能譜具有連續(xù)性，而大部分的CT重建算法都是基于X射線是由單一能量組成的假設(shè)，這導(dǎo)致重建的斷層圖像中出現(xiàn)射束硬化偽影。射束硬化偽影大大地降低了圖像的質(zhì)量，不僅影響了診斷結(jié)果，也會(huì)對(duì)后續(xù)的自動(dòng)化尺寸測(cè)量和圖像分割等過(guò)程產(chǎn)生影響，研究如何消除射束硬化偽影具有重大的意義。現(xiàn)有的CT的硬化偽影消除方法一般需要建立轉(zhuǎn)換模型，完成從多能投影到單能投影之間的轉(zhuǎn)換或者是多能重建斷層到單能重建斷層之間的校正，這些方法大都實(shí)現(xiàn)比較復(fù)雜，而且校正結(jié)果大都是得到一個(gè)近似解，校正效果不是十分理想。本文針對(duì)單材質(zhì)的射束硬化偽影問(wèn)題提出了一種基于深度學(xué)習(xí)的校正方法。射束硬化偽影在重建圖像上表現(xiàn)為杯狀偽影和條狀偽影，而且在表現(xiàn)上具有一定的規(guī)律性，而深度學(xué)習(xí)能夠擬合輸入與輸出之間的復(fù)雜的關(guān)系，能學(xué)習(xí)圖像的特征并進(jìn)行組合。所以本文采用深度學(xué)習(xí)的方法來(lái)學(xué)習(xí)含有硬化偽影的圖像與不含偽影的圖像之間的關(guān)系，從而達(dá)到校正硬化偽影的目的。網(wǎng)絡(luò)的輸入圖像是根據(jù)多能投影利用FBP算法之間重建得到的斷層圖像，輸出是某個(gè)能量下單能重建的不含偽影的斷層圖像，基于大量的數(shù)據(jù)訓(xùn)練得到輸入與輸出之間的關(guān)系，得到校正模型，然后用于抑制其他圖像的硬化偽影。模擬實(shí)驗(yàn)和實(shí)際實(shí)驗(yàn)初步驗(yàn)證了本文提出的方法的有效性和對(duì)能譜具有一定的適用性。

簡(jiǎn)介：CTCOMPUTEDTOMOGRAPHY檢測(cè)是一種常用的現(xiàn)代醫(yī)學(xué)掃描檢測(cè)方法。該方法可以方便、迅速而安全的獲得CT圖像，能夠幫助醫(yī)生快速準(zhǔn)確地診斷病情，尤其是對(duì)爭(zhēng)取時(shí)間搶救急診病人起到重要作用。目前在進(jìn)行CT檢測(cè)時(shí)，醫(yī)生首先需指導(dǎo)病人按照特定的姿勢(shì)躺在CT床上，并通過(guò)CT床投射出的激光定位線來(lái)判斷病人姿態(tài)擺放是否正確，這是獲得高質(zhì)量、清晰的CT圖像的關(guān)鍵。為實(shí)現(xiàn)CT檢測(cè)中體位識(shí)別自動(dòng)化以及給“CT影像教學(xué)訓(xùn)練系統(tǒng)”提供自動(dòng)評(píng)判學(xué)生操作正誤的依據(jù)，本文研究了一種CT檢測(cè)的體位自動(dòng)識(shí)別方法。針對(duì)目前并沒(méi)有公開(kāi)的CT體位數(shù)據(jù)庫(kù)的問(wèn)題，本文首先自制了CT體位數(shù)據(jù)庫(kù)，通過(guò)統(tǒng)一衣著以及在關(guān)節(jié)位置處貼標(biāo)記的方法使得CT體位圖像噪聲減少、特征更加突出明顯。體位識(shí)別過(guò)程主要包括關(guān)節(jié)點(diǎn)檢測(cè)和位姿判斷兩部分。為了減少計(jì)算量，提高算法速度，本文采用14維HOG特征，并利用基于混合部件模型的匹配方法檢測(cè)人體關(guān)節(jié)點(diǎn)位置。根據(jù)關(guān)節(jié)點(diǎn)提取人體基準(zhǔn)線，然后通過(guò)臥姿、手位置以及基準(zhǔn)線與激光定位線的相對(duì)位置關(guān)系判斷人體體位是否正確。實(shí)驗(yàn)表明本文方法能準(zhǔn)確檢測(cè)人體關(guān)節(jié)點(diǎn)，檢測(cè)平均正確率達(dá)到921％，在此基礎(chǔ)上可以準(zhǔn)確判斷人體體位，滿(mǎn)足CT體位自動(dòng)檢測(cè)對(duì)精度的要求。

簡(jiǎn)介：密級(jí)學(xué)校代碼10075分類(lèi)號(hào)學(xué)號(hào)20151750工程碩士學(xué)位論文CT圖像肺腫瘤分割系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)學(xué)位申請(qǐng)人胡曉靜指導(dǎo)教師顧力栩教授學(xué)位類(lèi)別工程碩士學(xué)科專(zhuān)業(yè)控制工程授予單位河北大學(xué)答辯日期二〇一七年六月

簡(jiǎn)介：隨著現(xiàn)代人生活壓力的不斷增大，心血管疾病已經(jīng)成為人類(lèi)健康的最大威脅。目前，心血管疾病的臨床診斷主要依靠CT血管造影、超聲心動(dòng)圖、核磁共振造影等醫(yī)學(xué)影像技術(shù)。醫(yī)學(xué)影像中包含了非常豐富的信息，但由于其成像方式的特殊性以及成像對(duì)象的特殊性，通常不易直觀閱讀。因此，結(jié)合計(jì)算機(jī)視覺(jué)、圖形學(xué)和模式識(shí)別等理論的醫(yī)學(xué)圖像三維可視化等計(jì)算機(jī)輔助診斷技術(shù)就隨之發(fā)展起來(lái)了。本文主要研究了心血管CT圖像的三維可視化及其輔助診斷技術(shù)在臨床中的應(yīng)用。本文以心血管CT造影數(shù)據(jù)為研究對(duì)象，著重研究了心血管CT數(shù)據(jù)的三維可視化和基于此的計(jì)算機(jī)輔助診斷技術(shù)。通過(guò)閱讀大量相關(guān)文獻(xiàn)和前人的研究成果，本課題組實(shí)現(xiàn)了一個(gè)心血管虛擬內(nèi)窺鏡系統(tǒng)，本文對(duì)此進(jìn)行了研究和分析，總結(jié)了心血管虛擬內(nèi)窺鏡系統(tǒng)的圖像預(yù)處理、三維重建、心臟的分割和提取、漫游路徑規(guī)劃和內(nèi)窺鏡實(shí)時(shí)顯示五個(gè)關(guān)鍵組成部分。在三維可視化方面，本文對(duì)體繪制技術(shù)（VOLUMERENDERING）中三維紋理映射方法和光線投射方法進(jìn)行了深入研究，使用基于CUDA的光線投射方法進(jìn)行三維重建并與三維紋理映射方法三維重建的結(jié)果進(jìn)行了對(duì)比；此外，為了獲得更好的顯示效果，本文為基于CUDA的RAYCASTING三維重建添加了光照效果。在虛擬內(nèi)窺鏡漫游路徑規(guī)劃方面，本文對(duì)一般方法進(jìn)行了性能改進(jìn)對(duì)于距離變換步驟，本文使用一種線性時(shí)間的通用方法并結(jié)合CUDA進(jìn)行了并行優(yōu)化；對(duì)于DIJKSTRA抽取中心線步驟，本文使用配對(duì)堆優(yōu)化了DIJKSTRA算法的時(shí)間復(fù)雜度。隨后，結(jié)合改進(jìn)后的中心線提取算法，本文設(shè)計(jì)了一個(gè)自動(dòng)檢測(cè)冠狀動(dòng)脈狹窄部位的方法，通過(guò)COLLDINGFRONT算法初始化水平集，使用FASTMARCHING方法求解水平集從三維數(shù)據(jù)中分割出冠狀動(dòng)脈，然后抽取冠狀動(dòng)脈中心線，取中心線截面計(jì)算冠狀動(dòng)脈面積進(jìn)而判斷狹窄部位。實(shí)驗(yàn)結(jié)果表明，本文的對(duì)漫游路徑規(guī)劃方法的改進(jìn)在時(shí)間效率上有了很大的提高，本文設(shè)計(jì)的冠狀動(dòng)脈狹窄檢測(cè)方法也有較好的檢測(cè)結(jié)果。本文對(duì)心血管虛擬內(nèi)窺鏡系統(tǒng)的研究和關(guān)鍵步驟的優(yōu)化以及本文設(shè)計(jì)的冠狀動(dòng)脈狹窄自動(dòng)檢測(cè)方法對(duì)目前心血管疾病的臨床人工診斷有很好的輔助意義。

簡(jiǎn)介：如今的醫(yī)學(xué)領(lǐng)域中對(duì)疾病診斷的新工具層出不窮，基于醫(yī)學(xué)數(shù)字圖像的研究蔚然成風(fēng)。數(shù)字成像設(shè)備的革新和醫(yī)學(xué)圖像處理方法的不斷創(chuàng)新背景下，醫(yī)學(xué)數(shù)字圖像作為能夠反映人體器官和組織的內(nèi)部信息的載體發(fā)揮著不可替代的作用。在如今高分辨率的數(shù)字圖像面前，如何利用這些圖像數(shù)據(jù)對(duì)疾病進(jìn)行診斷和對(duì)疾病的相關(guān)信息進(jìn)行深度挖掘是如今醫(yī)學(xué)圖像處理與分析范疇內(nèi)一直研究的難點(diǎn)和重點(diǎn)。醫(yī)學(xué)數(shù)字圖像分割技術(shù)的研究是當(dāng)前圖像處理領(lǐng)域中的重要部分，也對(duì)圖像處理的其他方面的研究打下了堅(jiān)實(shí)的基礎(chǔ)。很多圖像分割方法經(jīng)過(guò)長(zhǎng)時(shí)間的研究已經(jīng)逐漸成熟，在醫(yī)學(xué)數(shù)字圖像領(lǐng)域中得到了使用并且取得了很好的分割效果的同時(shí)也遇到了很大的瓶頸。深度學(xué)習(xí)網(wǎng)絡(luò)的出現(xiàn)給圖像分割技術(shù)的發(fā)展注入了新的活力，基于深度學(xué)習(xí)的分割算法成為了專(zhuān)家學(xué)者新的研究方向。本文通過(guò)對(duì)深度學(xué)習(xí)中卷積神經(jīng)網(wǎng)絡(luò)模型的改進(jìn)對(duì)肺部CT圖像和腦部CT圖像數(shù)據(jù)進(jìn)行分割方面的相關(guān)應(yīng)用研究。在文章的開(kāi)始對(duì)醫(yī)學(xué)CT圖像對(duì)疾病診斷的重要性和傳統(tǒng)圖像分割方法進(jìn)行了分析，強(qiáng)調(diào)了基于卷積神經(jīng)網(wǎng)絡(luò)對(duì)CT圖像分割的必要性和可行性。其次結(jié)合基于模糊隸屬度概率方法對(duì)LE5卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行改進(jìn)并在這個(gè)基礎(chǔ)上對(duì)肺部CT圖像進(jìn)行分割，取得了良好的分割效果。最后，在腦部CT圖像數(shù)據(jù)的基礎(chǔ)上，通過(guò)自己設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)對(duì)其進(jìn)行了分割，也取得很好的效果，證實(shí)了改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)在腦部CT圖像分割上的可行性。具體研究?jī)?nèi)容如下1在肺部CT圖像分割中，首先結(jié)合了基于灰度直方圖閾值二值化方法和邊界跟蹤方法對(duì)肺實(shí)質(zhì)進(jìn)行了提??；然后在肺實(shí)質(zhì)圖像PATCH基礎(chǔ)上結(jié)合模糊隸屬度方法對(duì)傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的輸出層進(jìn)行改進(jìn)并訓(xùn)練其參數(shù)；最后通過(guò)訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)模型完成肺部紋理分割。2在腦部CT圖像分割中，首先是使用基于閾值和形態(tài)學(xué)算法對(duì)腦部CT圖像中的軟組織部分進(jìn)行了提取；然后通過(guò)設(shè)置卷積神經(jīng)網(wǎng)絡(luò)的層數(shù)、卷積層核函數(shù)大小和數(shù)量、下采樣大小、策略以及激活函數(shù)等設(shè)計(jì)新的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)用于腦部CT圖像分割并訓(xùn)練其參數(shù)；最后通過(guò)訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)模型完成腦部軟組織分割。3在實(shí)驗(yàn)部分，學(xué)習(xí)并使用深度學(xué)習(xí)框架CAFFE完成本文算法的實(shí)驗(yàn)部分，并且對(duì)卷積神經(jīng)網(wǎng)絡(luò)的中間過(guò)程實(shí)現(xiàn)了可視化。

簡(jiǎn)介：點(diǎn)擊查看更多基于圖像質(zhì)量評(píng)價(jià)的低劑量CT成像關(guān)鍵技術(shù)研究.pdf精彩內(nèi)容。

簡(jiǎn)介：點(diǎn)擊查看更多18F-FDG PET-CT術(shù)前預(yù)測(cè)胃腸間質(zhì)瘤惡性潛能的可行性研究.pdf精彩內(nèi)容。

簡(jiǎn)介：工件內(nèi)部缺陷的存在危害工件的可靠性和機(jī)器的使用安全，工業(yè)CT技術(shù)可以實(shí)現(xiàn)在不損壞工件結(jié)構(gòu)的條件下準(zhǔn)確、有效地檢測(cè)和識(shí)別工件內(nèi)部缺陷，方便人們?cè)诠ぜ度胧褂们皩?duì)工件的可靠性作出精確的評(píng)估。近幾年，工業(yè)CT技術(shù)的迅猛發(fā)展，工業(yè)CT系統(tǒng)的性能也得到了不斷的提升，工業(yè)CT技術(shù)涉及到的領(lǐng)域越來(lái)越廣泛，通過(guò)工業(yè)CT實(shí)現(xiàn)工件內(nèi)部缺陷的自動(dòng)檢測(cè)和識(shí)別是現(xiàn)在研究的熱點(diǎn)和方向。本文結(jié)合圖像預(yù)處理，圖像分割，特征提取和分類(lèi)識(shí)別等領(lǐng)域的新進(jìn)展，研究了基于工業(yè)CT圖像的工件缺陷智能檢測(cè)技術(shù)研究。主要研究工作如下1本文分析了工業(yè)CT切片圖像中噪聲的來(lái)源與性質(zhì)，針對(duì)工業(yè)CT切片圖像對(duì)比度很低的特點(diǎn)，提出了自適應(yīng)中值濾波和自適應(yīng)加權(quán)均值濾波相結(jié)合的方法，對(duì)圖像中存在的不同噪聲分別采用不同的去噪算法，在保證圖像細(xì)節(jié)信息的前提下，有效地去除圖像中的噪聲，而且有較好的濾波效果。2針對(duì)工業(yè)CT切片圖像對(duì)比度低、灰度范圍狹窄、灰度變化不明顯以及缺陷邊緣較模糊等特點(diǎn)，提出了基于灰度變化率的低對(duì)比度圖像缺陷分割算法，用圖像的掃描窗口的平均灰度值與窗口中心點(diǎn)灰度值得到灰度變化率、灰度變化差值以及灰度方差來(lái)反映存在邊界的可能性，算法可有效提高缺陷分割精度和準(zhǔn)確度。3特征提取時(shí)一個(gè)良好的特征應(yīng)具備可區(qū)分性、可靠性、獨(dú)立性和數(shù)量少的特點(diǎn)，根據(jù)工件內(nèi)部氣孔、裂縫和夾渣缺陷的特征差異，選擇提取缺陷的形狀特征和灰度特征，利用HU不變矩的方法并抽象后提取具有平移、縮放和旋轉(zhuǎn)不變性的10個(gè)特征。對(duì)上述三種缺陷一共提取14個(gè)特征值作為分類(lèi)識(shí)別的輸入量。4工業(yè)CT切片圖像的缺陷智能識(shí)別技術(shù)中，首先構(gòu)建徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)，用螢火蟲(chóng)群優(yōu)化算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，用已知樣本訓(xùn)練優(yōu)化后的RBF神經(jīng)網(wǎng)絡(luò)，完成RBF神經(jīng)網(wǎng)絡(luò)對(duì)工件內(nèi)部缺陷的智能分類(lèi)識(shí)別，缺陷的識(shí)別準(zhǔn)確率較高。

簡(jiǎn)介：放療是治療肺癌的常用手段，為了減少放療的劑量，由圖像引導(dǎo)的放療需要估計(jì)病人的呼吸運(yùn)動(dòng)模型，而肺部4DCT圖像配準(zhǔn)是運(yùn)動(dòng)建模的核心技術(shù)。本文研究了基于馬爾可夫隨機(jī)場(chǎng)的4DCT圖像配準(zhǔn)技術(shù)，提出了一種基于高階乘冪法的肺部4DCT圖像配準(zhǔn)算法，主要內(nèi)容如下本文首先介紹了基于馬爾可夫隨機(jī)場(chǎng)的圖像配準(zhǔn)模型，然后基于團(tuán)分解模型分析了各個(gè)勢(shì)函數(shù)對(duì)約束形變場(chǎng)所起到的作用，并針對(duì)2D與3D圖像，將拓?fù)浼s束勢(shì)函數(shù)轉(zhuǎn)化為各向同性的形式，最后給出了圖像配準(zhǔn)算法的基本框架。其次，針對(duì)圖割及消息傳播類(lèi)算法中存在的不能有效處理多元團(tuán)約束的問(wèn)題，提出了應(yīng)用于圖像配準(zhǔn)的張量模型，并采用對(duì)稱(chēng)張量高階乘冪法來(lái)求解相應(yīng)的最優(yōu)化問(wèn)題，提出的算法適用于各向同性馬爾可夫隨機(jī)場(chǎng)中的圖像配準(zhǔn)問(wèn)題。為了降低算法的空間復(fù)雜度，本文提出了一種張量稀疏表示方法，并說(shuō)明了對(duì)于任意（復(fù)合）同質(zhì)性馬爾可夫隨機(jī)場(chǎng)中的勢(shì)函數(shù)，皆可利用此方法來(lái)構(gòu)造張量。此外，還針對(duì)2D圖像改進(jìn)了用于弱拓?fù)浔３值膭?shì)函數(shù)，仿真結(jié)果表明同時(shí)施加平滑約束與弱拓?fù)浼s束能夠有效約束形變場(chǎng)的拓?fù)浣Y(jié)構(gòu)。最后，針對(duì)肺部4DCT圖像配準(zhǔn)，給出了兩種多尺度處理策略，并在DIRLAB公開(kāi)數(shù)據(jù)集上進(jìn)行了仿真實(shí)驗(yàn)。主要研究了輔助函數(shù)對(duì)算法性能的影響，并且以目標(biāo)配準(zhǔn)誤差TRE作為評(píng)價(jià)準(zhǔn)則，將本文提出的算法與MLS、DEEDS和ISOPTV算法做了對(duì)比，實(shí)驗(yàn)結(jié)果驗(yàn)證了算法的正確性和有效性。

簡(jiǎn)介：IIIIIIIIIPJ；IRLLLLLLLLLLJILIILLLLLLLLLJIILRLLLY3228924分類(lèi)號(hào)043T嬲單位代碼10110學(xué)號(hào)1408042分能段CT掃描成像算法研究碩士研究生孫疊霞指導(dǎo)教師潘登耋學(xué)科專(zhuān)業(yè)數(shù)堂’’■I毒一一|120仃年越蛾5丹25曰原創(chuàng)性聲明本人鄭重聲明所呈交的學(xué)位論文，是本人在指導(dǎo)教師的指導(dǎo)下。獨(dú)立進(jìn)行研究所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論文不包含其他個(gè)人或集體已經(jīng)發(fā)表或撰寫(xiě)過(guò)的科研成果。對(duì)本文的研究作出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。本聲明的法律責(zé)任由本人承擔(dān)。論文作者簽名幺盎整日期絲121厶關(guān)于學(xué)位論文使用權(quán)的說(shuō)明本人完全了解中北大學(xué)有關(guān)保管、使用學(xué)位論文的規(guī)定，其中包括①學(xué)校有權(quán)保管、并向有關(guān)部門(mén)送交學(xué)位論文的原件與復(fù)印件；②學(xué)校可以采用影印、縮印或其它復(fù)制手段復(fù)制并保存學(xué)位論文；③學(xué)?？稍试S學(xué)位論文被查閱或借閱；④學(xué)?？梢詫W(xué)術(shù)交流為目的，復(fù)制贈(zèng)送和交換學(xué)位論文；⑤學(xué)?？梢怨紝W(xué)位論文的全部或部分內(nèi)容保密學(xué)位論文在解密后遵守此規(guī)定。XI一導(dǎo)師鸛增趁生一日期竺叢占LJ日期型凸6，至