基于迭代残差网络的双能CT图像材料分解研究

双能计算机断层成像技术(DECT)由于其材料分解能力,在高级成像应用中发挥着重要作用.图像域分解直接对CT图像进行线性矩阵反演,但分解后的材料图像会受到噪声和伪影的严重影响.虽然各种正则化方法被提出来解决这个问题,但它们仍然面临着两个挑战:繁琐的参数调整和过度平滑导致的图像细节损失.为此,本文提出一种基于迭代残差网络的...     

基于深度学习的医用锥形束CT图像散射伪影校正的研究进展

医用计算机断层扫描成像系统中,X射线与物体相互作用产生的康普顿散射光子严重影响了图像质量,尤其在锥形束计算机断层扫描和多层探测器系统中。目前已有许多散射伪影校正方法,归纳为3类:硬件校正、软件校正、软硬件混合校正方法,但近年随着计算机计算能力的提高以及深度学习在医学图像处理领域的发展,出现了一些新的散射校正方法。本文首先介绍传统校正方法;然后详细介绍基于深度学习方法进行散射伪影校正,并将其分为基于图像域和基于投影域的深度学习方法,以及对不同的深度学习网络在散射伪影校正中的应用进行讨论;最后展望深度学习在多源计算机断层扫描技术中的应用前景。      

64层螺旋CT冠状动脉低剂量成像初探

目的:优化扫描模式,降低冠状动脉成像辐射剂量.方法:60名患者随机分为两组,每组30人.钙化积分分别应用430 mA和80 mA管电流扫描;延迟时间测定使用团注测定和智能跟踪:冠状动脉成像包括心电门控非管电流调节和管电流调节模式,分别计算所有组平均ED和图像SNR.结果:钙化积分平均ED从2.35±0.42降至0.42±0.03;延迟时间平均功从1.39±0.14降至0.13±0.04;两组冠状动脉成像平均ED从28.22±4.90降至21.14±1.54.两组钙化积分平均SNR组间比较有显著性差异,而两组冠状动脉成像模式平均SNR组间比较无显著性差异.结论:应用80 mA扫描钙化积分、智能跟踪测试延迟时间和心电门控调节管电流模式进行冠状动脉成像,可显著降低辐射剂量并获得诊断需要的图像.     

压缩感知在医学图像重建中的最新进展

CS理论是一种新兴的信号获取与处理理论,通过减少信号重建所需的数据(少于奈奎斯特定理所要求的最小数目),来缩短信号采样时间,减少计算量,并在一定程度上保持原有图像的重建质量。由于该理论的这些显著优点,使得其在医学成像领域引起了广泛关注,取得了很大进展。本文介绍了压缩感知理论在医学成像中的发展历程和最新进展,详细介绍一种基于字典学习的新型压缩感知自适应重建算法,最后通过计算机模拟实验对该方法进行了初步验证。     

基于特征学习的低剂量CT成像算法研究进展

随着CT（computed tomography）技术在临床中的大量应用,其辐射伤害问题也越来越受到人们的关注。与此同时,高性能低剂量的成像也已经成为近年来CT研究领域中的重要研究方向。随着学习型算法的提出及广泛应用,为低剂量CT成像算法的发展带来了新的方向。在影像大数据环境下,基于特征学习方法的低剂量CT成像有着更广阔的发展空间。本文将从稀疏表示和深度学习两个方面,介绍一些国内外应用于改善CT成像质量的相关技术,包括CT成像技术的发展趋势,特征学习相关算法的研究现状,提高低剂量CT扫描成像质量的相关方案等。本文对近年来在低剂量CT成像及特种学习算法等领域的研究成果进行了介绍,并进行相关总结和分析。      

汶川地震断裂带科学钻探WFSD-1孔成像测井岩心空间归位

2008年汶川大地震发生后,我国迅速实施了汶川地震断裂带科学钻探项目(WFSD).钻井取心是研究地下情况的直接资料,但取心时通常采用非定向取心技术,缺少准确的深度和方位信息,需要利用测井资料对其进行深度和方向的还原,即岩心空间归位.针对汶川地震断裂带科学钻探项目一号孔(WFSD-1孔),利用成像-岩心扫描图像综合处理软件(CCSDLogCore)精确和直观的完成了2055块岩心图像的空间归位.对归位成果进行了分析,发现随着钻孔深度的增加,岩心深度误差增大,说明了归位结果符合实际情况,为下一步地质构造分析奠定了基础,文章还总结了归位过程中遇到的问题并提出了建议.     

接收函数曲波变换去噪与偏移成像

增强接收函数偏移图像的垂向分辨率意味着提高参与叠加的接收函数的频率,但是采用高频接收函数通常伴随着对接收函数质量和参考速度模型的更高要求.通过叠加处理可去除部分接收函数中的随机噪声干扰,但同一台站的接收函数之间经常存在难以通过简单叠加消除的噪声信号.压制接收函数随机噪声的干扰可加强成像效果和提高图像分辨率,对推进叠加偏移成像质量的提高有重要的实际意义.本文利用在川西地区布设的31个流动台站所记录的远震波形数据,使用曲波变换去噪后信噪比增强的接收函数进行共转换点叠加(CCP),获得沿北纬31°线下方800km深度范围内速度间断面图像.研究结果表明:(1)对接收函数进行曲波变换去噪,可压制随机噪声,增强转换震相的追踪性,提高数据信噪比;(2)通过去噪处理,大幅提高接收函数用于偏移成像的主频率;(3)偏移结果确认了接收函数反演得到的松潘和川滇块体下方具有厚度约10～20km的过渡性Moho的认识;(4)上地幔过渡带的结果预示在龙门山断裂带以西的小范围内有可能存在下地壳或上地幔物质的拆沉.     

深度学习重建算法在上腹部CT成像中的应用

目的:通过分析比较自适应统计迭代重建（ASIR）算法和深度学习重建（DLIR）算法在上腹部CT成像中的图像质量,探讨DLIR算法在上腹部CT成像中的应用价值。方法:回顾性纳入75例患者上腹部CT平扫图像,利用自适应统计迭代重建算法ASIR（30％、50％、70％、90％）和深度学习重建算法（DL-L、DL-M、DL-H）重建图像,共7组。测量每组图像肝脏、胰腺、竖脊肌的CT值和SD值,并计算信噪比（SNR）和对比噪声比（CNR）,采用单因素方差分析对各指标进行客观评价;同时由两位放射医师对图像质量和噪声评分,采用Friedman M检验进行比较。结果:①七组重建图像的SD值、SNR、肝脏CNR差异有统计学意义。②DL-L与ASIR 50％、DL-M与ASIR 70％、DL-H与ASIR 90％ 间各ROI处CT值、SD值、SNR值、CNR值无差异。③三种深度学习重建算法间随等级升高,SNR值升高,差异有统计学意义;且DL-H 算法的SNR值高于ASIR 30％、ASIR 50％,SD值低于除ASIR 90％ 外的其余5组重建算法。④七组图像主观评分差异有统计学意义,算法DL-H具有最佳的图像质量和最低的噪声,DL-M、ASIR 90％、DL-L、ASIR 70％、ASIR 50％、ASIR 30％ 图像噪声依次增加。结论:深度学习重建算法能够降低上腹部图像噪声,提高图像质量,且随等级升高,图像噪声降低、质量提高、信噪比升高。      

基于深度学习的阵列超声波图像智能判译技术研究

阵列式超声波混凝土结构检测图像中的异常特征识别往往依赖人工经验,具有效率低下以及准确率难以保证等问题.本文将人工智能深度学习中经典网络模型ResNet50与代表性的目标检测网络模型YOLOv2进行融合,搭建了一套适用于超声检测图像智能判译的网络模型.选择将超声检测图像中钢筋和界面反射信号作为模型的自动识别目标体,并制作了包含此两类目标体标注的实测数据集.测试结果显示,搭建的网络模型在小样本超声检测图像数据集的识别上取得了显著的效果,网络模型识别钢筋和界面两类信号特征的平均准确率分别达到91.21％和80.24％,表明人工智能深度学习技术在地球物理图像解译方面具有强大的表征能力,能有效降低对人工经验的依赖,提升资料解译的可靠性和工作效率,应用前景广阔.     

地质多孔介质成像技术现状与进展

过去十年间,广泛应用的多孔介质成像技术给地质与油气勘探开发领域内流体渗流特性以及岩石物理属性的实验与数值模拟研究带来革命性的变革.多孔介质成像技术的应用使得研究介质微观世界成为可能并且取得的一定的进展.成像技术不仅可以直观显示多孔介质微观结构,而且还是建立孔隙介质微观模型的基础.然而,多孔介质成像技术仍然存在挑战,为了了解各种成像技术的挑战以及相应的解决措施,调研多孔介质成像方法:光学显微镜技术,扫描电子显微镜技术,聚焦离子束纳米层析成像技术,X射线计算机层析成像技术,相位对比层析成像技术,小规模层析成像技术.介绍每种成像技术的技术原理,技术局限性和改进措施,各种技术应用范围及其当前重要应用.光学显微镜技术与扫描电镜,聚焦离子束纳米层析成像以及X射线计算机层析成像技术实现光电联用,扫描电子显微镜技术实现矿物识别,泥页岩纳米-微米级孔隙成像以及通过图像拼接构建具有高分辨率大视域的高清图像,X射线计算机层析成像技术实现动态成像与不同分辨率图像的融合.然后总结了各种方法的优缺点,适用性以及未来发展方向.本文旨在使读者了解孔隙介质成像技术的原理、局限,以及每种成像技术在当前石油勘探热点领域中的应用,掌握多孔介质成像技术现状以及未来的发展方向和热点.这些不仅有利于展现多孔介质微观世界,而且有助于研究人员针对多孔介质的特点选取合适的成像技术或技术组合,以期推动多孔介质成像技术进一步的发展和应用.