簡(jiǎn)介：隨著計(jì)算機(jī)斷層掃描CT技術(shù)在醫(yī)學(xué)診斷以及治療中的廣泛應(yīng)用，人們?cè)絹碓疥P(guān)注射線輻射劑量對(duì)人體的影響。高輻射劑量會(huì)對(duì)人體的健康帶來一定的傷害，因此低劑量CT近年來備受關(guān)注。低劑量數(shù)據(jù)可以通過降低射線的管電壓或管電流得到，此種方法常常會(huì)導(dǎo)致所采集的投影數(shù)據(jù)噪聲偏高，使得密度分辨率被量子噪聲污染，從而重建出來的圖像發(fā)生嚴(yán)重退化，影響醫(yī)學(xué)的診斷和治療，因此，在降低輻射劑量的同時(shí)重建出高信噪比和高質(zhì)量圖像的研究越來越受到關(guān)注。許多有關(guān)低劑量CT的重建方法相繼被提出，主要方法可分為以下三種，其一為圖像的后處理，其二為對(duì)投影數(shù)據(jù)進(jìn)行降噪，由于FBP算法簡(jiǎn)單且易于實(shí)現(xiàn)，對(duì)投影域降噪后一般使用FBP進(jìn)行反投影重建，另一種方法為對(duì)重建后的圖像在圖像域直接進(jìn)行降噪處理。在投影域降噪后，即使遺留下很小的點(diǎn)噪聲，映射到圖像域也會(huì)形成條形偽影，因此本文選擇在圖像域直接進(jìn)行降噪。接下來將本文的主要工作介紹如下1闡述了CT成像物理和數(shù)學(xué)原理，介紹了三種經(jīng)典圖像重建算法，最后展現(xiàn)了本文所用的噪聲模型。2針對(duì)低劑量CT重建的圖像產(chǎn)生嚴(yán)重退化的問題，在基于各向異性擴(kuò)散去噪方法的基礎(chǔ)上進(jìn)行兩種改進(jìn)由于片相似性在降噪的同時(shí)能較好地保持圖像的邊緣和細(xì)節(jié)信息，算法1運(yùn)用此特點(diǎn)對(duì)擴(kuò)散函數(shù)進(jìn)行改進(jìn)；算法2考慮了傳統(tǒng)各向異性擴(kuò)散中降噪不充分的缺點(diǎn)，把可以有效的折中熱傳導(dǎo)和PM模型的變指數(shù)，以及代替梯度檢測(cè)邊緣和細(xì)節(jié)的相似度函數(shù)運(yùn)用到傳統(tǒng)各向異性擴(kuò)散中修改擴(kuò)散函數(shù)，從而提高圖像質(zhì)量。3提出了一種基于小波和四階各向異性擴(kuò)散的低劑量CT重建算法。由于小波變換具有良好的時(shí)頻局部特性，四階偏微分對(duì)噪聲的敏感性高，噪聲越少，降噪效果越好，可避免二階PDE降噪出現(xiàn)的“階梯”效應(yīng)，本文結(jié)合了小波收縮和各向異性擴(kuò)散的優(yōu)點(diǎn)，在每次迭代中，對(duì)MLEM重建算法處理后的圖像進(jìn)行離散平穩(wěn)小波分解，對(duì)小波域的高頻部分進(jìn)行小波收縮，低頻部分使用降噪效果優(yōu)質(zhì)的四階各向異性擴(kuò)散進(jìn)行消噪，從而得到可觀的圖像。4針對(duì)最大后驗(yàn)法只能提供有限的局部先驗(yàn)信息從而使重建圖像出現(xiàn)階梯狀邊緣偽影以及過度平滑等問題，提出本文的基于小波和非局部全變差中值先驗(yàn)的重建算法。即先在中值先驗(yàn)MP算法的基礎(chǔ)上，引入降噪性能優(yōu)異的TV方法，對(duì)目標(biāo)函數(shù)進(jìn)行修訂，形成基于TV的MP重建算法；接著考慮到小波收縮和非局部的優(yōu)勢(shì)，提出了本文的算法，即在基于TV的MP重建算法的每次迭代中，在小波變換后的小波域再進(jìn)行小波收縮和非局部降噪，提高了圖像質(zhì)量。

簡(jiǎn)介：當(dāng)今世界，人類面臨著人口爆炸、環(huán)境惡化等諸多嚴(yán)峻的挑戰(zhàn)，誘發(fā)了對(duì)人類自身的最大威脅癌癥。然而，由于國(guó)家與地域、人類與種族及人與人個(gè)體等差異化，即便是相同的癌癥疾病，其診療需進(jìn)行分型分類、個(gè)體（性）化治療。為此，美國(guó)前總統(tǒng)奧巴馬于2015年宣布了“精準(zhǔn)醫(yī)學(xué)”計(jì)劃。作為精準(zhǔn)醫(yī)學(xué)理想的治療方案之靶向藥物，療效如何評(píng)測(cè)X射線熒光CT因其結(jié)合了X射線熒光分析技術(shù)和CT重建技術(shù)，可以非侵入、以圖像方式呈現(xiàn)檢測(cè)樣品（靶向藥物或藥丸）中元素的分布和含量，在生物制藥、新藥篩選、藥物療效或靶向藥物（丸）評(píng)測(cè)、醫(yī)學(xué)診療等領(lǐng)域中將發(fā)揮重要的作用。然而，常見的X射線熒光CT采用同步輻射光源（SR），其設(shè)備過于龐大、不可移動(dòng)且造價(jià)十分昂貴，這極大地阻礙了X射線熒光CT技術(shù)的發(fā)展與應(yīng)用。采用X射線管源替換同步輻射源，不僅可以使系統(tǒng)成本大大地降低，而且其可移動(dòng)性，使臺(tái)式X射線熒光CT系統(tǒng)成為可能。因此，管激發(fā)X射線熒光CT系統(tǒng)或成像技術(shù)亦然成為研究的熱門之一。有鑒于此，本論文依托國(guó)家自然科學(xué)青年基金項(xiàng)目“面向生物醫(yī)學(xué)軟組織基于高分辨X光譜儀的能譜CT成像應(yīng)用基礎(chǔ)研究”（項(xiàng)目批準(zhǔn)號(hào)31401106）、重慶市基礎(chǔ)科學(xué)與前沿技術(shù)研究項(xiàng)目“適于小樣本活體成像的多色X射線熒光CT系統(tǒng)仿真研究”（項(xiàng)目編號(hào)CSTC2015JCYJA0622）和中央高?；究蒲袠I(yè)務(wù)費(fèi)重點(diǎn)項(xiàng)目“多色微焦X射線熒光CT成像仿真及其重構(gòu)算法研究”（項(xiàng)目編號(hào)CDJZR14125501）等科研課題，開展了管激發(fā)X射線熒光CT系統(tǒng)關(guān)鍵技術(shù)創(chuàng)新性研究工作。論文主要研究?jī)?nèi)容，可以歸納為以下幾個(gè)方面①開展了管激發(fā)X射線熒光CT成像理論、成像模擬及重建算法的研究?；诖?，研究分析了FBP、ART及MLEM重建算法在熒光CT重建中差異；進(jìn)而，研究了一種帶吸收校正的OSEMTV重建算法，可使在大角度間隔采樣的情形下，不僅仍能重建出高質(zhì)量X射線熒光CT圖像，而且通過有序子集（OS）的迭代方式，能夠加速迭代收斂。②研究了基于SIDDON算法的管激發(fā)X射線熒光CT重建方法。針對(duì)基于線驅(qū)動(dòng)模型X射線熒光CT重建計(jì)算耗時(shí)問題，將SIDDON算法和X射線熒光CT重建相結(jié)合，研究了基于SIDDON算法的X射線熒光CT重建方法。著眼于數(shù)值模擬和MONTECARLO模擬方法，采用FBP、ART及MLEM算法，通過對(duì)由模擬方法獲取的投影數(shù)據(jù)進(jìn)行圖像重建，借以驗(yàn)證該方法的可行性。③研究了筆形束管激發(fā)X射線熒光CT重建圖像信噪比（SNR）和對(duì)比度噪聲比（CNR）。針對(duì)KEDGECT和X射線熒光CT成像方式，從理論上對(duì)比分析了KEDGECT和X射線熒光CT重建圖像SNR值。借助于數(shù)值模擬成像和MONTECARLO模擬成像，研究分析了兩種成像方式CNR值以及CNR值分別與元素濃度、感興趣區(qū)域（REGIONOFINTERESTS，ROIS）大?。ㄖ睆剑┑年P(guān)系。④系統(tǒng)、深入地研究了多孔準(zhǔn)直管激發(fā)X射線熒光CT系統(tǒng)的成像技術(shù)原理及方法。研究分析了多孔準(zhǔn)直成像系統(tǒng)模型精確離散模型。采用MONTECARLO模擬成像融合FBP與MLEM算法重建圖像，借以驗(yàn)證所述模型的可行性。分析計(jì)算了X射線熒光CT圖像CNR值。搭建了基于多孔準(zhǔn)直的管激發(fā)X射線熒光CT系統(tǒng)，測(cè)量了硝酸釹（NDNO33）溶液在樣品中的分布，以此從實(shí)驗(yàn)上驗(yàn)證該成像系統(tǒng)的可行性。此外，還初步討論了準(zhǔn)直孔間距和深度對(duì)成像質(zhì)量的影響。⑤系統(tǒng)、深入研究了針孔準(zhǔn)直管激發(fā)X射線熒光CT系統(tǒng)成像技術(shù)原理及方法。從理論上，分析了基于針孔準(zhǔn)直的X射線熒光CT原理，推導(dǎo)了成像系統(tǒng)的離散模型（吸收校正）。采用數(shù)值模擬和MONTECARLO模擬，獲取了GNPS的L系熒光CT投影數(shù)據(jù)，開展了基于針孔準(zhǔn)直的L系熒光CT成像技術(shù)原理研究。采用MLEM算法，重建了加入吸收和未加入吸收校正情形下的圖像，計(jì)算了CNR值。本文既從理論、仿真研究出發(fā)，研究了管激發(fā)X射線熒光CT系統(tǒng)的可行性，還輔之于實(shí)際的實(shí)驗(yàn)研究（與清華大學(xué)工物系聯(lián)合搭建了實(shí)驗(yàn)系統(tǒng)），從實(shí)驗(yàn)上初步驗(yàn)證了或佐證了管激發(fā)X射線熒光CT系統(tǒng)的可行性。此外，本文開展的管激發(fā)X射線熒光CT系統(tǒng)成像關(guān)鍵技術(shù)研究，研究?jī)?nèi)容涉及了核技術(shù)、光學(xué)工程、圖像處理與圖像重建等相關(guān)領(lǐng)域，屬于交叉學(xué)科范疇。目前，管激發(fā)X射線熒光CT系統(tǒng)或成像技術(shù)方興未艾，不僅在醫(yī)學(xué)臨床應(yīng)用方面有著廣闊地應(yīng)用前景，而且對(duì)于推動(dòng)我國(guó)開展管激發(fā)X射線熒光CT成像技術(shù)的研究具有重要的理論和現(xiàn)實(shí)意義。

簡(jiǎn)介：全日制專業(yè)型研究生畢業(yè)論文全日制專業(yè)型研究生畢業(yè)論文（申請(qǐng)碩士學(xué)位）（申請(qǐng)碩士學(xué)位）論文題論文題目基于稀疏表示和字典學(xué)習(xí)的低劑量CT圖像恢復(fù)研究學(xué)位申請(qǐng)學(xué)位申請(qǐng)人呂牡丹專業(yè)領(lǐng)專業(yè)領(lǐng)域計(jì)算機(jī)技術(shù)研究方研究方向圖像處理與模式識(shí)別指導(dǎo)教指導(dǎo)教師何月順教授2017年6月15日獨(dú)創(chuàng)性聲明獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果，盡我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含本人為獲得其它教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示感謝。作者簽名日期年月日關(guān)于論文使用授權(quán)的說明關(guān)于論文使用授權(quán)的說明本學(xué)位論文作者完全了解東華理工大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定東華理工大學(xué)有權(quán)保留并向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和磁盤，允許論文被查閱和借閱，可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文，并且本人電子文檔的內(nèi)容和紙質(zhì)論文的內(nèi)容相一致。保密的學(xué)位論文在解密后也遵守此規(guī)定。作者簽名導(dǎo)師簽名日期年月日論文答辯日期論文答辯日期2017年6月2日

簡(jiǎn)介：低劑量計(jì)算機(jī)斷層成像COMPUTEDTOMOGRAPHY，CT的主要目標(biāo)是在低劑量掃描條件下能夠達(dá)到正常劑量CT的成像質(zhì)量。采用現(xiàn)有低劑量CT圖像處理方法會(huì)引起邊界模糊，對(duì)比度降低等問題，存在很大局限性。卷積神經(jīng)網(wǎng)絡(luò)通過構(gòu)建深層網(wǎng)絡(luò)能夠?qū)?fù)雜問題進(jìn)行非線性建模，有效提取圖像的整體特征和邊界輪廓等局部特征，近幾年在計(jì)算機(jī)視覺領(lǐng)域取得突破性進(jìn)展。因此，本課題基于卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行低劑量CT處理的研究，旨在提高低劑量CT成像質(zhì)量，在對(duì)醫(yī)療診斷治療提供有力輔助的同時(shí)，減少對(duì)被掃描者的輻射危害。本課題分為以下兩個(gè)部分以卷積神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)對(duì)低劑量投影數(shù)據(jù)進(jìn)行濾波，去除大部分噪聲，然后對(duì)濾波后的投影數(shù)據(jù)采用濾波反投影FILTEREDBACKPROJECTION，F(xiàn)BP重建得到高質(zhì)量的CT圖像。該算法的主要思路是低劑量和高劑量掃描條件下的投影數(shù)據(jù)經(jīng)過指數(shù)變換和ANSCOMBE變換，得到的含高斯分布噪聲的低劑量光子數(shù)和高劑量光子數(shù)作為訓(xùn)練數(shù)據(jù)，設(shè)計(jì)二維殘差卷積網(wǎng)絡(luò)訓(xùn)練低劑量光子數(shù)和其噪聲分布之間的端到端復(fù)雜映射關(guān)系。并將網(wǎng)絡(luò)模型推廣到三維以更好地利用被掃描人體從不同角度投影的數(shù)據(jù)信息。實(shí)驗(yàn)結(jié)果表明，二維濾波模型能夠有效地去除噪聲，但會(huì)引起圖像模糊，三維模型能夠在二維基礎(chǔ)上提升去噪效果，且更好地保持圖像對(duì)比度。基于卷積神經(jīng)網(wǎng)絡(luò)對(duì)含有大量噪聲偽影的低劑量CT圖像進(jìn)行后處理，提高其成像質(zhì)量。該算法的主要思路是以低劑量和高劑量CT圖像作為訓(xùn)練數(shù)據(jù)，設(shè)計(jì)二維卷積網(wǎng)絡(luò)對(duì)低劑量CT圖像和其包含的噪聲進(jìn)行圖像到圖像的端到端回歸建模，并探索影響模型性能的因素。實(shí)驗(yàn)結(jié)果表明，使用殘差網(wǎng)絡(luò)結(jié)構(gòu)，適當(dāng)增加網(wǎng)絡(luò)深度、寬度，使用OUT，合理設(shè)計(jì)損失函數(shù)以及集成不同模型測(cè)試結(jié)果均會(huì)提升網(wǎng)絡(luò)性能。為綜合利用被掃描個(gè)體在三維立體的結(jié)構(gòu)信息，本文使用了三維網(wǎng)絡(luò)模型學(xué)習(xí)三維CT圖像塊中包含的噪聲分布。對(duì)二維和三維低劑量CT圖像后處理網(wǎng)絡(luò)模型處理結(jié)果進(jìn)行主觀和定量客觀質(zhì)量評(píng)價(jià)。三維模型能夠根據(jù)組織的三維結(jié)構(gòu)連續(xù)性，提取人體器官組織結(jié)構(gòu)和噪聲間的差異性特征，達(dá)到更好的去噪效果，且能夠更完整地保留圖像中血管等精細(xì)結(jié)構(gòu)。

簡(jiǎn)介：XCT作為一項(xiàng)先近的無損探測(cè)技術(shù)，在工業(yè)、醫(yī)療等領(lǐng)域應(yīng)用廣泛。但是隨著科技發(fā)展，現(xiàn)代工件存在形狀不規(guī)則，厚薄差異大，材料多元化的共性。而常規(guī)的單電壓CT，由于能量固定和成像系統(tǒng)范圍限制，投影數(shù)據(jù)會(huì)出現(xiàn)由于能量過高導(dǎo)致的過曝光或是能量太低導(dǎo)致的欠曝光存在于同一幅圖像中的現(xiàn)象，此時(shí)復(fù)雜工件的投影信息是缺失的，嚴(yán)重影響復(fù)雜工件的結(jié)構(gòu)重建。為了獲得復(fù)雜工件的所有結(jié)構(gòu)信息，本文結(jié)合常規(guī)CT原理，通過改變電壓獲得一系列跟工件厚度相匹配的投影序列，提出變電壓CT，從而實(shí)現(xiàn)復(fù)雜工件的CT成像。論文在CT常規(guī)成像的前提下，分析固定電壓模式成像的局限性，提出變電壓CT融合重建，通過融合利用最佳灰度帶提取出的有效信息，獲得工件完整的高動(dòng)態(tài)結(jié)構(gòu)投影數(shù)據(jù)，然后利用TVART算法重建，可以看出融合重建結(jié)果明顯優(yōu)于固定電壓CT成像，但是仍然存在由于融合誤差導(dǎo)致的偽影現(xiàn)象。針對(duì)此問題，借鑒變電壓高動(dòng)態(tài)成像技術(shù)，提出變電壓CT加權(quán)重建，重建過程將加權(quán)低電壓的重建圖像作為相鄰高電壓重建的初值進(jìn)行重建，依此類推直到最高電壓，把投影序列中存在的結(jié)構(gòu)信息全部重建完畢，并通過仿真和實(shí)際實(shí)驗(yàn)驗(yàn)證了該方法實(shí)現(xiàn)變電壓CT的可行性。但是由于累加過程中，每幅投影數(shù)據(jù)中低質(zhì)量圖像的影響，不僅造成了結(jié)構(gòu)邊緣的不連續(xù)，還降低了收斂速度。針對(duì)此問題，又提出了基于有效區(qū)域的變電壓CT加權(quán)重建算法，唯一的區(qū)別是每次只重建有效區(qū)域，依次類推。接著根據(jù)比爾定律，提出了負(fù)對(duì)數(shù)變換的改進(jìn)方法，通過壓縮圖像的整體灰度顯示范圍，有效地降低噪聲影響，提高CT圖像的細(xì)節(jié)信息。實(shí)驗(yàn)證明，此改進(jìn)方法可以實(shí)現(xiàn)復(fù)雜構(gòu)件的有效成像。

簡(jiǎn)介：醫(yī)學(xué)圖像分割是醫(yī)學(xué)圖像處理與分析的基礎(chǔ)，該問題的解決不僅直接影響到計(jì)算機(jī)圖形圖像技術(shù)在醫(yī)學(xué)中成功應(yīng)用而且有重要的理論和實(shí)際意義。醫(yī)學(xué)圖像分割是一個(gè)提取感興趣區(qū)域的過程，其分割結(jié)果可以為隨后的疾病診斷、治療方案規(guī)劃以及治療效果評(píng)估等提供參考。CT由于具有較高分辨力，能更清晰的彰顯解剖結(jié)構(gòu)和病變組織等特點(diǎn)，使其廣泛地應(yīng)用到許多系統(tǒng)的疾病診斷。因此，研究圖像分割方法在CT圖像中的應(yīng)用具有非常重要的意義。本文主要針對(duì)髖關(guān)節(jié)、包含胸膜結(jié)節(jié)的肺部以及肝臟等CT圖像進(jìn)行研究，其目的是構(gòu)建準(zhǔn)確、自動(dòng)的分割方法為醫(yī)生的診斷和治療提供幫助。正常的髖關(guān)節(jié)由股骨頭和髖臼兩部分組成。在髖關(guān)節(jié)CT圖像中，由于股骨頭和髖臼之間連接區(qū)域非常狹窄以及一些疾病等原因?qū)е鹿敲芏炔痪鶆?，使得?zhǔn)確分割髖關(guān)節(jié)CT圖像變得非常困難。針對(duì)上述問題，本文提出一種基于迭代自適應(yīng)閾值分類和貝葉斯判別分析技術(shù)相結(jié)合的三維髖關(guān)節(jié)CT圖像自動(dòng)分割方法。該方法首先利用形態(tài)學(xué)增強(qiáng)技術(shù)提高連接區(qū)域與骨組織之間的灰度對(duì)比度，在隨后過程中，針對(duì)閾值分割結(jié)果使用基于貝葉斯判別方法的迭代自適應(yīng)分類最終實(shí)現(xiàn)股骨頭和髖臼之間的分離。由于在上述分割方法中多次使用數(shù)學(xué)形態(tài)學(xué)，使得分割出的結(jié)果往往被過分光滑而丟失骨邊緣的細(xì)節(jié)；再者，形態(tài)學(xué)操作依賴于結(jié)構(gòu)元素的選取，選擇不同形狀或者尺寸的結(jié)構(gòu)元素會(huì)對(duì)分割結(jié)果帶來一定的影響。針對(duì)上述問題，本文提出一種基于骨曲面頂點(diǎn)法線方向灰度變化的邊緣校正算法。通過該校正算法不僅可以實(shí)現(xiàn)骨邊界體素的準(zhǔn)確定位，同時(shí)可以得到髖關(guān)節(jié)的三維可視化結(jié)果。實(shí)驗(yàn)結(jié)果驗(yàn)證了本算法的準(zhǔn)確性以及臨床適用性。由于肺部充滿空氣，相比于周圍組織具有較低密度，因此閾值方法是一種常用的肺部CT圖像分割方法。但對(duì)于包含胸膜結(jié)節(jié)的肺部CT圖像來說，由于胸膜結(jié)節(jié)位置以及大小的多變性且與周圍組織具有相似的密度，閾值方法難以準(zhǔn)確的將其包含；再者靠近縱膈區(qū)域的高密度的肺部血管也被閾值方法排除在外導(dǎo)致肺門區(qū)域的凸凹不平，傳統(tǒng)方法通常采用形態(tài)學(xué)方法進(jìn)行光滑，但是形態(tài)學(xué)過分依賴結(jié)構(gòu)元素的選取。針對(duì)上述問題，本文提出一種準(zhǔn)確自動(dòng)的肺部CT圖像分割方法和一種有效的肺部邊界校正和光滑算法。該方法利用模糊C均值實(shí)現(xiàn)肺部的快速自動(dòng)分割。對(duì)于包含胸膜結(jié)節(jié)或者肺部血管的切片，本文提出一種基于迭代權(quán)重平均和自適應(yīng)曲率閾值相結(jié)合的邊界修復(fù)和光滑算法。該方法可以自動(dòng)準(zhǔn)確檢測(cè)胸膜結(jié)節(jié)和肺部血管區(qū)域并將其光滑包含在肺部分割結(jié)果中。實(shí)驗(yàn)結(jié)果驗(yàn)證了本算法的快速性以及有效性。在肝臟CT圖像中，由于腹部器官之間的低對(duì)比度、器官病變的存在以及個(gè)體之間器官形狀的差異，使得傳統(tǒng)的僅依賴圖像灰度信息的分割方法難以取得較好的肝臟分割結(jié)果，傳統(tǒng)方法往往容易導(dǎo)致肝臟分割結(jié)果的泄露。針對(duì)上述問題，本文提出一種基于對(duì)比增強(qiáng)CT圖像的三維肝臟分割方法。分割方法由訓(xùn)練相和測(cè)試相兩部分組成。在訓(xùn)練相中，利用主成分分析方法形狀訓(xùn)練得到肝臟平均形狀強(qiáng)度模型以及在各主成分上的形狀變動(dòng)。對(duì)測(cè)試集中的每一個(gè)目標(biāo)圖像，首先通過與所有圖譜進(jìn)行相似度匹配得到該目標(biāo)圖像的最有可能肝臟區(qū)域，隨后利用最大化后驗(yàn)概率分類概率地圖以及在最有可能肝臟區(qū)域應(yīng)用基于窄帶技術(shù)的形狀強(qiáng)度先驗(yàn)水平集演化方法得到肝臟準(zhǔn)確分割結(jié)果。實(shí)驗(yàn)部分驗(yàn)證了本算法的準(zhǔn)確性。

簡(jiǎn)介：肝臟手術(shù)是常見肝臟疾病的主要治療方法之一，將肝臟組織從CT圖像中準(zhǔn)確的分割出來，是計(jì)算機(jī)輔助診斷和計(jì)算機(jī)輔助肝臟手術(shù)中的重要步驟，通常由有經(jīng)驗(yàn)的醫(yī)學(xué)專家進(jìn)行手動(dòng)分割，效率低下且分割效果受分割人經(jīng)驗(yàn)限制，因此研究自動(dòng)的肝臟分割方法有很重要的現(xiàn)實(shí)意義。本文在前人研究的基礎(chǔ)上，確定了首先由圖譜配準(zhǔn)確定肝臟初步分割，然后在肝臟邊界區(qū)域內(nèi)構(gòu)造分類器對(duì)體素進(jìn)行分類獲得最終結(jié)果的思路，同時(shí)使用有效的預(yù)處理來去除無關(guān)干擾和實(shí)現(xiàn)自動(dòng)分割。具體來講，本文對(duì)肝臟分割中的CT圖像預(yù)處理、均值圖譜分割和卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行了相關(guān)研究和實(shí)驗(yàn)。本文的主要工作如下在預(yù)處理階段，利用解剖先驗(yàn)知識(shí)，通過閾值濾波、區(qū)域生長(zhǎng)等操作，設(shè)計(jì)了一系列有效的預(yù)處理操作，包括對(duì)圖像橫斷面偏轉(zhuǎn)角度進(jìn)行了歸一化，搜索得到肝臟的大概范圍，對(duì)圖像進(jìn)行閾值濾波。通過預(yù)處理有效地確定了后續(xù)分割的感興趣區(qū)域，對(duì)齊了肝臟在圖像中的位置，去除了圖像中的部分無關(guān)信息，有利于減少誤差，提升肝臟分割的效果。使用圖譜分割的方式獲得肝臟的初步分割，在訓(xùn)練數(shù)據(jù)集中通過兩兩進(jìn)行B樣條配準(zhǔn)獲得變形場(chǎng)并求均值的方式獲得均值圖譜，先后通過仿射配準(zhǔn)和B樣條配準(zhǔn)獲得肝臟的初步分割結(jié)果。在均值圖譜分割結(jié)果的基礎(chǔ)上，應(yīng)用深度卷積神經(jīng)網(wǎng)絡(luò)在肝臟邊界處進(jìn)行體素的識(shí)別分類。在肝臟邊界區(qū)域利用滑動(dòng)窗口的方式提取訓(xùn)練數(shù)據(jù)并訓(xùn)練網(wǎng)絡(luò)，以圖譜分割結(jié)果的邊界區(qū)域數(shù)據(jù)塊作為分類器的輸入，對(duì)分類結(jié)果進(jìn)行后處理后得到分割結(jié)果。討論了不同圖像數(shù)據(jù)塊大小對(duì)結(jié)果的影響。對(duì)分割結(jié)果進(jìn)行分析與評(píng)價(jià)，并與其他文獻(xiàn)中的算法進(jìn)行對(duì)比，表明了本文算法具有較好的準(zhǔn)確性和魯棒性。

簡(jiǎn)介：據(jù)世界各大癌癥協(xié)會(huì)報(bào)道，肺癌正逐步成為威脅人類健康的癌癥之首。肺結(jié)節(jié)是肺癌早期表現(xiàn)之一，鑒別肺結(jié)節(jié)的良惡性在肺結(jié)節(jié)患者的整個(gè)治療過程中占據(jù)極其重要的位置。本文提出的期望最大化法EXPECTATIONMAXIMIZATIONALGITHM，EM法能成功提取出肺結(jié)節(jié)中的實(shí)性成分，縮短了醫(yī)生手動(dòng)分割的時(shí)間，為醫(yī)生鑒別肺結(jié)節(jié)的良惡性提供一定的參考依據(jù)。亞實(shí)性肺結(jié)節(jié)惡性率較高，實(shí)性成分的大小可以作為判斷肺結(jié)節(jié)良惡性的一個(gè)參考，而目前針對(duì)CT圖像中亞實(shí)性肺結(jié)節(jié)實(shí)性成分的研究相對(duì)較少。針對(duì)這個(gè)問題，本文共進(jìn)行了以下幾個(gè)方面的工作分割出肺實(shí)質(zhì)圖像。本文在這一環(huán)節(jié)提出多次重復(fù)使用數(shù)學(xué)形態(tài)學(xué)運(yùn)算將相互粘連的左右肺區(qū)分開的方法，該方法運(yùn)算簡(jiǎn)單速度快。對(duì)所進(jìn)行實(shí)驗(yàn)的20個(gè)病例中含有肺結(jié)節(jié)的120張圖像，分割出肺實(shí)質(zhì)的準(zhǔn)確率為100％。在肺結(jié)節(jié)檢測(cè)的問題上，本文共采用兩種方法，其一為SNAKE活動(dòng)輪廓法，其二為先使用模糊C均值聚類法檢測(cè)所有疑似肺結(jié)節(jié)，由于直接得到的結(jié)果假陽性肺結(jié)節(jié)較多，本文加入了對(duì)目標(biāo)形態(tài)特征的分析進(jìn)一步降低假陽性率的方法，最終將肺結(jié)節(jié)分割出來。本文提出使用EM法提取肺結(jié)節(jié)實(shí)性成分，為了驗(yàn)證該方法的穩(wěn)定性，本文采用兩種方式分割肺結(jié)節(jié)，并使用EM法對(duì)肺結(jié)節(jié)一一進(jìn)行實(shí)性成分的提取。得到的實(shí)性成分圖像與PHILIPSVIEWER軟件中觀察的圖像做比較，探究亞實(shí)性肺結(jié)節(jié)實(shí)性成分提取的效果。通過對(duì)20個(gè)病例的實(shí)驗(yàn)，結(jié)果表明，本文基于CT圖像采用EM法可以成功提取出亞實(shí)性肺結(jié)節(jié)中實(shí)性成分，結(jié)果與參考圖像十分接近，避免了因醫(yī)生手動(dòng)分割而帶來的不確定因素，很大程度上縮短了醫(yī)生分割實(shí)性成分的時(shí)間，減少其工作負(fù)擔(dān)，并成功計(jì)算出實(shí)性成分的體積占據(jù)肺結(jié)節(jié)體積的比值，為醫(yī)生判定肺結(jié)節(jié)的良惡性提供重要的參考依據(jù)。

簡(jiǎn)介：目的探討采用不同噪聲指數(shù)聯(lián)合迭代重組算法對(duì)不同體質(zhì)量指數(shù)病人行肝臟CT增強(qiáng)掃描圖像質(zhì)量和輻射劑量的比較研究。方法前瞻性連續(xù)收集行肝臟CT增強(qiáng)掃描的240例病人根據(jù)身體質(zhì)量指數(shù)（BMI）分成A組（18KGM2≤BMI結(jié)果A組內(nèi)NI為17的動(dòng)脈期圖像質(zhì)量低于其它各亞組，NI為17的靜脈期和延遲期的圖像質(zhì)量與其他3個(gè)亞組的圖像質(zhì)量無統(tǒng)計(jì)學(xué)差異，余3個(gè)亞組各掃描期相的圖像質(zhì)量均無統(tǒng)計(jì)學(xué)差異。NI為15、17的ED明顯低于NI為11、13組，其差異均具有統(tǒng)計(jì)學(xué)意義，NI為15及17的ED較NI為11分別減少5756（217377）、6154（232377）；B組內(nèi)NI為15的動(dòng)脈期圖像質(zhì)量低于NI為13及NI為11兩亞組的圖像質(zhì)量，其差異具有統(tǒng)計(jì)學(xué)意義，NI為15的靜脈期和延遲期的圖像質(zhì)量與NI為13、NI為11兩亞組的圖像質(zhì)量無統(tǒng)計(jì)學(xué)差異。NI為17的動(dòng)脈期、門靜脈期和延遲期的圖像質(zhì)量與其他各亞組均有統(tǒng)計(jì)學(xué)差異。NI為13、15的ED較NI為11分別減少2641（169640）和4531（290640）。結(jié)論在保證影像質(zhì)量前提下，根據(jù)BMI設(shè)置不同噪聲指數(shù)并聯(lián)合應(yīng)用迭代重建算法能夠有效降低肝臟CT增強(qiáng)掃描的輻射劑量。

簡(jiǎn)介：分類號(hào)UDC密級(jí)學(xué)號(hào)彳座火擎碩士學(xué)位論文論文題目透射式X射線工業(yè)CT中的能譜硬化和散射修正論文作者周日峰煮親、麓囂囂蓉楊學(xué)恒教授重慶大學(xué)申請(qǐng)學(xué)位級(jí)別碩士專業(yè)名稱理論物理論文提交EL期2003年5月20日答辯日期2003年5月29日學(xué)位授予單位重慶大學(xué)授位日期三卯多年月日答辯委員會(huì)主席王少峰教授博導(dǎo)論文評(píng)閱人王少峰教授博導(dǎo)戴特力教授2003年3月日草慶大學(xué)碩學(xué)位論文英文摘要ABSTRACTICTCANCLEARLYDIRECTLYANDACCURATELYSHOWUSTHESTRUCTURE，DENSITYCHANGE，CHARACTEROFAABSENCE，POSITIONANDSIZEOFMEASUREDPROFILEBYCOMPUTERIMAGEICTNOTONLYHASVERYHI曲一SPATIALRESOLUTIONBUTALSOHASVERYHI曲一DENSITYRESOLUTIONSOFARICTHASBEENBROADLYAPPLICABLETOVARIOUSHIGHTECHFIELDS，INCLUDINGAERONAUTICSANDASTRONAUTICS，MILITARYINDUSTRYSHIPBUILDING，PRECISIONINSTRUMENT，OILRECONNAISSANCE，METALLURGYANDMECHANISMMANUFACTURE，ANDSOONICTISCONSIDEREDTHEBESTNONDESTRUCTIVETESTINGTECHNOLOGYBUTWITHTHEDEVELOPMENTOFTHEHIGHTECH，MANYOFICT’SCAPABILITIESCAN’TSARISEYTHEDEMANDOFTHEACTUALNECESSARYHOWIMPROVINGTHECAPABILITYOFICTHASBECOMEMOREANDMOREANIMPORTANTTASK，F(xiàn)OREXAMPLE，IMPROVINGSPATIALRESOLUTIONANDDENSITYRESOLUTION，REDUCINGSCANTIME，ENLARGINGTHESIZEOFMEASURESPACE，IMPROVINGIMAGEQUALITYEREMOREOVERTHEQUESTIONOFTHEENERGYSPECTRUMHARDENINGANDTHEPHOTONSCAREFINGISONEOFIMPORTANTBOTTLENECKTESTRICTTHEIMPROVEMENTOFICTSOPEOPLEHAVEPAIDMANYATTENTIONSTOTHERESEARCHOFENERGYSPECTRUMHARDENINGANDTHEPHOTONSCATTERINGREFERENCETOTHECONVENTIONMEANSOFTHEANALYSISANDRESEARCHFORENERGYSPECTRUMHARDENINGANDPHOTONSCATTERINGININTERNALANDEXTERNAL，ANDBASEDONTHEPHYSICALMECHANISMOFRADIALINTERACTSWITHMATTERTHISPAPERAPPROXIMATIVELYDEDUCEATHEORETICALFORMULAOFCORRECTIONOFENERGYSPECTRUMHARDENINGANDSCATTEREDRADIATIONINTRANSMISSIONINDUSTRIALXMYCOMPUTERIZEDTOMOGRAPHYFROMAIDEALMODELANDPRESENTEDACORRECTIONCOMPUTERPROGRAMFOLLOWINGISOURMAINWORKANDIMPORTANTCONCLUSIONS1THEQUESTIONOFENERGYSPECTRUMHARDENINGWEUSEDTHEKLEINNISHINA’SDIFFERENTIALSCARERFORMULAMEANWHILEUTILIZETHETHALERPROGRESSIONTOSPREADOUT，ANDNEGLECTEDTHEHI曲一POWERANDTHENWEDEDUCEDATHEORETICALFORMULAOFCORRECTIONOFENERGYSPECTRUMHARDENING111EFORMULASHOWATHEATTENUATIONCOEFFICIENTOFXRAYNOTONLYCONNECTS謝THMATTERCHARACTERBUTALSOISAFIMCTIONWITHCOORDINATEXTHISPAPERHASOFFEREDTHEIREXPRESSIONYETCOTHATDESIGNINGAPROGRAMTOCORRECTTHEENERGYSPECTRUMHARDENINGDURINGRECONSTRUCTINGIMAGEISFEASIBLE2THEQUESTIONOFPHOTONSCATTERINGBASEDONTHEPHYSICALMECHANISMOF11

簡(jiǎn)介：沈陽師范大學(xué)碩士學(xué)位論文CT法測(cè)量束流發(fā)射度的應(yīng)用研究姓名鄒長(zhǎng)麗申請(qǐng)學(xué)位級(jí)別碩士專業(yè)粒子物理與原子核物理指導(dǎo)教師劉玲曹澤新20080401ONIMP¨CATIONOFMEASURINGBEAMEMITTANCEBYUSINGCTABSTRACTEMITTANCEISAFHND鋤ENTALPHYSICALPARAMETERTORENECTBE鋤QUALITYOFANACCELERATOR．TBPRODUCEBE鋤SOF11IGLLLUMINANCEANDIMENSITYISA11IMPORTAILTDEVELOPINGDIRECTIONOFNEW．GENERATIONACCELERATOR．WIMTLLEDEVELOPMENTOFLLIGHPOWER丘．EEELECTRONICLASER，LINEARACCELERATORSOFSUPERENE唱RANDSUPERCONDUCTIVI劬ANDFOURTHGENERATIONI11U】11IN觚TS，PRECISEMEASUL．EMENTOFBE鋤鋤ITTAILCEBECOMESMOREANDMOREIMPORTALLT．THEPRESENTMEASURINGMETHODSARELESSPRECISET0MEETCERTAINNEEDS．TBMEASUREBEAMEMITTANCEMOREPRECISELV’SHIⅥIINAJLDCAOZEXININVENTCTMETHODBYUSINGCOMPUTERIZEDTOMO伊印HYINMEDICINE甜1DN都F．ERRINGDEVICES、耵HOSEPARAMETERCANBECHANGED．INORDERTOAPPLYCTMETHODT0MEASUDNGBE鋤EMITTALLCE，THISTHESISDOESSOMERESEARCHONMEPROBLEMSTHATWILLAPPEARDURINGME印PLICATIONOFCTMETHOD．THEPU印OSEISTOPROVIDESOMETHEORYANDTECHNOLOGYSUPPON．FIRSTLY’MISTHESISMEASURESBEAMEMITTANEBYSIMULATECTMETHOD，WHICHPROVESⅡLATCTMETHODCANBEUSEDTOME2LSUREBE鋤EMITTANCEWITLLMOREACCURACY，GETSIILSI曲TINTOTHEADVANTAGESOFMEASURINGBE鋤EMITTAILCEBYCTMETHOD，AI】LDPROVIDESSOMETECHNOLOGYREFIERENCEFORMEASUREMENT．．SECONDLY，THESTUDYBYSIMULATETHEE丘IECTSOFEXTEMALELECTRICITYCURRENT舭LDXRAYSSUGGESTSTHATIFTHEREISTHEEFF已CTOFELEC證CITYCURREMANDX．RAYONMEMEASUREMENT，THESPEEDOFMEPROGR鋤OFMEASUREMENTOFBE鋤EMITTANCEWILLNOTBEAFRECTED；REBUILTIMAGEWILLNOTDISTOIRT；ANDMEASUREMENTOFEMITTANCEISPRECISEENOU曲．ATMES鋤ETIME，ⅡLISⅡLESISPUTSF0IHV舊RDT11EMETLLODOFCLE耐I培UPTLLENOISE．THIRDLY，TLLE咖DYBYSIMULATETHEDISTRIBUTIONOFCURRENTOFFOURPOLARIZEDPENE仃ATEDMIRRORONMEASURINGBE鋤EMITTANCEBYCTMETHODSHOWSMATWHENTHECUN．EMIS、VELL．DISTRIBUTED，THECASTINGANGLEISNOTWELL．DISTRIBUTED，SOTHEREBUILTIMAGEISNOTIDEAL；WELL．DISTRIBUTEDA119LECANLEADTOPERFECTMEASUREMENT．THISTHESISPUTSF0MDUSINGRADIANSCALINGINMEASUREMENT?一SELECTINGAN91ESEVENLY，F(xiàn)IGURINGOUTAVERAGEANGLEDISTRIBUTIONANDMENADJUSTINGTHEELECTROMAGNETCU玎ENT．BYUSINGRADIANSCALING，MEASURINGACCURACYINCREASES，MEASURINGTIMEDECREASESANDSTA行’SWORKLOADLIGMENS．NISOFGREATIRRLPORTALLCETOTHEIINPLICATIONOFME嬲URINGBE鋤EMITTANCEBVCT．ATTHES鋤ETIME，TLLIS也ESISINVENTS期【DIANSCALINGPR0伊AMOFMEASURINGBE鋤鋤ITTALLCEBYCTMETHOD觚DSIMULATENLEWHOLEPROCEDUREOFMEASURINGBE鋤吼LITTANCEBVCTINETLLOD．KEYWORDSBEAMEMITTANCE，CLNOISE，怕DIANSCA¨NGⅡ

簡(jiǎn)介：從腹部CT圖像中分割出精準(zhǔn)的肝臟輪廓是醫(yī)學(xué)圖像分割中的一個(gè)熱點(diǎn)問題，同時(shí)也是一個(gè)極具挑戰(zhàn)的問題。本文針對(duì)此問題，提出了一種半自動(dòng)和一種全自動(dòng)的數(shù)學(xué)分割模型。一方面，肝臟CT數(shù)據(jù)具有復(fù)雜的背景、低對(duì)比度、弱邊界以及高噪聲的特點(diǎn)另一方面，肝臟腫瘤或者其它肝臟病變的出現(xiàn)往往會(huì)將肝臟分成兩個(gè)表征完全不同的子區(qū)域。特別的，如果肝臟腫瘤位于肝臟表面，那么準(zhǔn)確的提取肝臟邊界將更為困難。此問題雖然可以通過多次分割得到解決，但卻需要對(duì)體數(shù)據(jù)進(jìn)行多次處理，這必然增加時(shí)間消耗。為此，在基于活動(dòng)輪廓模型的框架下，我們提出了新的混合變分模型。此模型僅僅用一個(gè)水平集函數(shù)就可以一次分割出含兩個(gè)子部分的整個(gè)肝臟組織。此模型創(chuàng)新性地引入了測(cè)地距離選擇的技巧來自適應(yīng)地選擇最相似的特征去驅(qū)動(dòng)曲線演化到準(zhǔn)確的肝臟邊界。另外，在定義局部區(qū)域表征項(xiàng)時(shí)，提出的加權(quán)直方圖技巧對(duì)精準(zhǔn)邊界的提取也有一定的貢獻(xiàn)。基于測(cè)地距離選擇的肝臟分割方法需要人工給定初始化，這將降低方法的臨床應(yīng)用性。為此，我們借助于深度學(xué)習(xí)和圖割給出了一種全自動(dòng)的肝臟分割方法。此方法包含兩個(gè)內(nèi)容Ⅰ利用三維卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)出肝臟概率圖，同時(shí)確定初始肝臟區(qū)域Ⅱ利用肝臟先驗(yàn)概率信息和圖割的技巧精分割初始的肝臟輪廓。此模型完全不需要任何人工操作，因此具有潛在的臨床應(yīng)用價(jià)值。另外，此模型中三維卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用在肝臟分割領(lǐng)域也屬于較早的工作。本文所提出的所有分割模型均在公共數(shù)據(jù)集上進(jìn)行了驗(yàn)證。大量定性和定量的實(shí)驗(yàn)結(jié)果顯示了所提模型可以準(zhǔn)確地從CT圖像中提取肝臟輪廓。

簡(jiǎn)介：分類號(hào)UDC密級(jí)學(xué)號(hào)2140720017碩士學(xué)位論文碩士學(xué)位論文基于基于CT圖像圖像和改進(jìn)的改進(jìn)的差分盒維數(shù)法差分盒維數(shù)法的混凝土細(xì)觀損傷研究混凝土細(xì)觀損傷研究張樂樂學(xué)科名稱巖土工程程學(xué)科門類工學(xué)學(xué)指導(dǎo)教師丁衛(wèi)華丁衛(wèi)華副教授副教授授申請(qǐng)日期期2017年6月月摘要I論文題目論文題目基于基于CT圖像圖像和改進(jìn)的改進(jìn)的差分盒維數(shù)法差分盒維數(shù)法的混凝土細(xì)觀損傷研究的混凝土細(xì)觀損傷研究學(xué)科專業(yè)學(xué)科專業(yè)巖土工程巖土工程研究生張樂簽名名指導(dǎo)教師指導(dǎo)教師丁衛(wèi)華丁衛(wèi)華副教授副教授簽名名摘要通過混凝土CT圖像可以直觀地看出混凝土細(xì)觀損傷狀態(tài)，但是如何定量描述其損傷狀態(tài)，目前還未找到公認(rèn)、合理的方法?；炷良?xì)觀損傷裂縫的結(jié)構(gòu)、分布和演化過程都表現(xiàn)出強(qiáng)烈的分形特征。本文采用分形方法來描述混凝土損傷過程，并用混凝土損傷區(qū)域的分維值D來定量描述其內(nèi)部損傷演化行為，對(duì)建立混凝土損傷本構(gòu)關(guān)系具有重要意義。本文的主要研究?jī)?nèi)容總結(jié)如下（1）通過CT掃描獲得了混凝土試件在單軸拉壓條件下各個(gè)斷面不同應(yīng)力階段的CT圖像。利用CT圖像的二值化處理，描述了混凝土的裂紋萌生、開裂、貫通和破損的全過程。通過對(duì)混凝土損傷演化過程的分析，發(fā)現(xiàn)混凝土CT圖像中微裂紋的分布形態(tài)具有很強(qiáng)的分形特征。（2）詳細(xì)介紹了分形維數(shù)的各種計(jì)算方法并對(duì)其適用條件進(jìn)行了討論，用差分盒維數(shù)法計(jì)算得到的分形維數(shù)來描述混凝土損傷演化過程較為合適的。（3）傳統(tǒng)差分盒維數(shù)法（DIFFERENTIALBOXCOUNTINGMETHOD或DBC）的優(yōu)點(diǎn)是可以準(zhǔn)確、高效地來估計(jì)圖像的分形維數(shù)；缺點(diǎn)是，盒子的高度和標(biāo)號(hào)影響覆蓋裂紋的精準(zhǔn)度。因此本文提出了一種改進(jìn)的差分盒維數(shù)法方法。（4）采用改進(jìn)后差分盒維數(shù)法分析混凝土CT圖像中細(xì)觀裂縫的演化過程。改進(jìn)后的差分盒維數(shù)法和傳統(tǒng)差分盒維數(shù)法計(jì)算得到的分形維數(shù)趨勢(shì)是一樣的。但由于改進(jìn)的方法避免了傳統(tǒng)DBC方法的缺陷，如盒子不能精準(zhǔn)地覆蓋裂紋等。因此改進(jìn)后的方法得到的分形維數(shù)可以更恰當(dāng)?shù)孛枋龌炷翐p傷演化過程。（5）用改進(jìn)后的差分盒維數(shù)法得到的分形維數(shù)結(jié)果建立基于分形維數(shù)的損傷變量IPD表達(dá)式，得到了損傷變量IPD與混凝土損傷過程中各個(gè)應(yīng)力階段的分形維數(shù)D的關(guān)系曲線并驗(yàn)證了損傷變量IPD的適用性。結(jié)果表明基于改進(jìn)后差分盒維數(shù)法得到的分形維數(shù)建立的損傷變量與分形維數(shù)有相同的變化規(guī)律，能夠定量化描述混凝土試件損傷發(fā)展過程中各應(yīng)力階段的損傷演化程度并能很好地反映混凝土材料宏觀力學(xué)特性。本文的創(chuàng)新點(diǎn)是首次用改進(jìn)后差分盒維數(shù)法的思想來計(jì)算混凝土損傷過程中各應(yīng)力階段的分形維數(shù)值，并基于此建立了損傷變量表達(dá)式。關(guān)鍵詞關(guān)鍵詞混凝土；CT試驗(yàn)；裂紋；差分盒維數(shù)法；改進(jìn)的差分盒維數(shù)法；分形維數(shù)；損

簡(jiǎn)介：腹部CT圖像是進(jìn)行肝臟腫瘤檢查最常見的成像技術(shù)。作為一種計(jì)算機(jī)輔助技術(shù)，它有助于醫(yī)生獲得腫瘤的大小、多少、位置等信息?；诟共緾T圖像的肝臟腫瘤分割，主要是指將肝臟腫瘤從圖像中準(zhǔn)確分割出來。醫(yī)生通過分析圖像的分割結(jié)果，制定手術(shù)方案。因此，將肝臟腫瘤從腹部CT圖像中準(zhǔn)確分割出來具有十分的重要意義。本文首先研究了腹部CT圖像的特點(diǎn)，分析了目前常用的醫(yī)學(xué)圖像分割算法，選擇了區(qū)域生長(zhǎng)算法進(jìn)行肝臟腫瘤分割。因?yàn)閰^(qū)域生長(zhǎng)算法非常適用于內(nèi)部特征均勻的腫瘤或傷口等結(jié)構(gòu)圖像的分割。利用該算法進(jìn)行圖像分割，可以使分割后的區(qū)域在空間上具有緊密性。然后本文具體分析了傳統(tǒng)區(qū)域生長(zhǎng)算法的原理、優(yōu)缺點(diǎn)，發(fā)現(xiàn)將它應(yīng)用于肝臟腫瘤CT圖像分割存在兩個(gè)難題一是初始種子點(diǎn)位置的選擇。如果人工手動(dòng)選擇種子點(diǎn)，耗時(shí)耗力，并且算法不易推廣使用。二是生長(zhǎng)準(zhǔn)則的制定。生長(zhǎng)準(zhǔn)則制定的好壞直接影響著分割結(jié)果。針對(duì)上述問題，本文提出了一種自動(dòng)選擇種子點(diǎn)的改進(jìn)的區(qū)域生長(zhǎng)算法，以實(shí)現(xiàn)從腹部CT圖像自動(dòng)分割出肝臟和腫瘤。首先，該算法結(jié)合圖像預(yù)處理，選擇腹部CT圖像中最大連通區(qū)域的內(nèi)切圓圓心作為種子點(diǎn)其次，該算法改進(jìn)了生長(zhǎng)準(zhǔn)則，并對(duì)生長(zhǎng)準(zhǔn)則進(jìn)行優(yōu)化，減少了分割后圖像中的空洞，實(shí)現(xiàn)肝臟的準(zhǔn)確分割最后本文再利用形態(tài)學(xué)方法對(duì)分割出的肝臟進(jìn)行處理，提取近似腫瘤區(qū)域，二次使用區(qū)域生長(zhǎng)方法把腫瘤從圖像中分割出來。本文通過相關(guān)實(shí)驗(yàn)，證明了改進(jìn)算法的有效性及準(zhǔn)確性。

簡(jiǎn)介：錐束CT具有空間和時(shí)間分辨率高，采集數(shù)據(jù)快速、射線的利用率高，掃描范圍大等優(yōu)點(diǎn)，這對(duì)醫(yī)學(xué)和工業(yè)具有重要意義。柱面探測(cè)器和平板探測(cè)器分別在醫(yī)學(xué)影像診斷和工業(yè)透射射線成像領(lǐng)域得到越來越廣泛的應(yīng)用，本文針對(duì)柱面探測(cè)器和平板探測(cè)器下采集到的錐束投影數(shù)據(jù)的特點(diǎn)，系統(tǒng)地研究了三維錐束CT圖像重建方法。本研究主要內(nèi)容包括⑴針對(duì)扇束濾波反投影算法重建圖像提高重建速度問題，根據(jù)笛卡爾坐標(biāo)與極坐標(biāo)的轉(zhuǎn)換關(guān)系，利用三角函數(shù)對(duì)稱特性，提出了扇束等距CT極坐標(biāo)反投影快速對(duì)稱重建算法。實(shí)驗(yàn)結(jié)果表明在不犧牲重建圖像質(zhì)量前提下，該算法與傳統(tǒng)卷積反投影重建算法相比，重建速度提高8倍以上。這種方法也已成功推廣到三維錐束重建算法中。⑵研究了基于圓軌跡掃描下平板探測(cè)器的錐束FDK重建算法介紹了該算法的原理和具體實(shí)現(xiàn)過程。根據(jù)三角函數(shù)和坐標(biāo)轉(zhuǎn)換時(shí)像素位置相關(guān)參數(shù)的對(duì)稱性，提出了SPFDK算法，實(shí)驗(yàn)結(jié)果表明SPFDK算法與傳統(tǒng)的FDK算法相比，重建速度提高8倍，繼而采用CUDA技術(shù)，實(shí)現(xiàn)GPU對(duì)該算法加速，重建速度提高了40倍，且均不引入新的誤差。⑶研究了基于螺旋軌跡掃描下柱面探測(cè)器的錐束重建算法首先介紹了二維等角重排算法的理論及實(shí)現(xiàn)過程，然后詳盡闡述了了AMPR算法的思想和具體實(shí)現(xiàn)步驟，在這種算法中重建平面不在垂直于Z軸，有一定的傾斜角度，并且對(duì)投影數(shù)據(jù)重排成垂直面內(nèi)為平行束射線，然后采用平行束重建算法進(jìn)行重建圖像。實(shí)驗(yàn)結(jié)果表明AMPR算法射線利用率可達(dá)到90％左右，并在一定范圍內(nèi)不受螺距變化影響圖像重建質(zhì)量。