深度学习重建算法的图像质量体模研究

目的:使用体模比较CT深度学习重建算法和迭代重建算法的图像质量。方法:使用GE Revolution Apex扫描ACR质量控制体模Gammex 464,分别测量module 1～module 4的5种物质CT值准确性、低对比度分辨率、图像均匀性和高对比度分辨率。通过指标比较高剂量下（20 mGy）深度学习重建算法TrueFedelityTM（TFI）3种等级（DL、DM及DH）和自适应统计迭代重建算法V（AV）3种等级（30％、60％ 及90％）的图像质量。两种算法的各指标比较采用单因素方差分析。结果:所有6组图像的高/低分辨率均一致（高对比度分辨率:10 lp/cm;低对比度分辨率:6 mm）;两种算法都轻微高估聚乙烯、空气以及丙烯酸的CT值,各物质间CT值差异不具有统计学意义。两种算法均低估骨和固态水的CT值,其中,TFI算法对固态水的CT值较AV更接近真实值,但各组图像间不具有统计学差异。6组图像中,TFIDH的图像均匀性最佳;同等级条件下,深度学习重建算法相较IR算法的图像均匀性更佳。结论:深度学习重建算法在高剂量水平下可以在保持图像空间分辨率和CT值准确性的基础上,进一步降低图像噪声。      

基于新的非局部先验模型的Bayesian低剂量CT重建算法

为了改善低剂量CT重建图像质量,在传统非局部先验的基础上,提出了一种基于投影对称性的改进非局部先验模型。基于该先验模型构造了一种贝叶斯（Bayesian）重建算法,并将其应用到低剂量CT投影数据降噪中,通过滤波反投影算法重建出图像。仿真实验结果表明,本文所提出的算法较基于传统先验模型的重建算法,能在去除噪声与保持边缘之间取得较好的平衡。     

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。      

基于能谱纯化结合迭代重建算法在继发性肺结核患者低剂量CT检查中的应用

目的:探讨基于能谱纯化结合迭代重建算法在继发性肺结核患者低剂量CT检查中的应用。方法:选取2019年4月至6月武汉市肺科医院确诊的70例继发性肺结核患者作为研究对象。初检采用常规剂量组:管电压110 kV,参考管电流52 mAs,滤波反投影（FBP）重建图像;复检采用低剂量组（能谱纯化）:管电压Sn 110 kV,参考管电流73 mAs,正弦图迭代重建（SAFIRE）。比较两组图像主观评分、升主动脉CT值、图像噪声、SNR及辐射剂量差异。结果:两组图像主观评分相比无差异,满足临床诊断要求。两组升主动脉CT值无差异;低剂量组图像SNR低于常规剂量组。低剂量组ED（0.36±0.15）mSv与常规剂量组（2.35±0.73）mSv相比降低约84.7％。结论:能谱纯化结合迭代重建算法在继发性肺结核患者检查中能够显著降低患者所受辐射剂量,同时图像质量也能满足临床诊断要求。      

结合迭代重建算法的低剂量CT在颈部的应用研究

目的:探讨结合迭代重建算法的低剂量CT在颈部应用价值。方法:172例疑头颈部病变患者行CT检查,随机分为常规剂量组（86例,管电流125 mAs）和低剂量组（86例,40~110 mAs）,分别采用滤波反投影和三维自适应迭代剂量降低（AIDR3D）重建。在下颌角及上纵隔水平分别测量不同组织的CT均值及标准差,由两位CT影像医师采用4分法标准对图像盲法评分;比较图像质量差异和不同扫描方式下患者的辐射剂量。结果:下颌角水平,低剂量组颈内静脉噪声高于常规剂量组（P<0.05）,两组间胸锁乳突肌噪声、信噪比、对比噪声比及背景噪声无明显差异（P>0.05）;上纵隔水平,低剂量组上腔静脉、胸大肌及胸壁皮下脂肪噪声低于常规剂量组（P<0.05）,信噪比更高（P<0.05）,对比噪声比相仿（P>0.05）。常规剂量和低剂量组图像质量的评分一致性均良好,下颌角水平低剂量组图像质量评分与常规剂量组图像无明显差异（P>0.05）;上纵隔水平低剂量组图像评分优于常规剂量组（P<0.05）;与常规剂量组相比,低剂量组有效辐射剂量显著降低（P<0.05）,剂量指数减低63.34%,有效辐射剂量减低63.16%。结论:结合三维自适应迭代剂量降低重建的低剂量CT技术可以用于颈部CT扫描,可以减少辐射剂量并提供优质的图像。      

CT扫描参数及重建算法对胸部CT值影响的在体研究

目的：探讨不同扫描参数及重建算法对在体胸部各组织CT值的影响。方法：在不同CT扫描条件下测量人体胸部的气管、血管、肺、椎体与肌肉的CT值。分别设定6组不同扫描参数及重建算法：S1层厚5 mm、50%多模型自适应迭代重建技术（ASIR-V）、低剂量;S2层厚5 mm、滤波反投影（FBP）、常规剂量;S3层厚1.25 mm、50%ASIR-V、低剂量;S4层厚1.25 mm、50%ASIR-V、常规剂量;S5层厚1.25 mm、FBP、低剂量;S6层厚1.25 mm、FBP、常规剂量。扫描的辐射剂量采用两种噪声指数（NI）来进行控制,包括低剂量（NI=40）和常规剂量（NI=10）。采用t检验或秩和检验分析比较不同的两个组之间CT值的差异。结果：扫描剂量仅对气管CT值的影响具有统计学意义,对其他组织CT值无影响;扫描层厚与重建算法对胸部各个组织CT值的影响均未见统计学差异。结论：人体胸部组织CT值受CT层厚、重建算法和CT剂量的影响小,具有良好的稳定性。     

iDose4迭代重建在AIDS合并PJP患者胸部低剂量CT扫描中的应用研究

目的:研究i Dose4迭代重建算法不同迭代水平在人类获得性免疫缺陷综合征(AIDS)合并耶氏肺孢子菌肺炎(PJP)患者胸部低剂量CT扫描中的效能对比。方法:应用飞利浦iCT对16例AIDS合并PJP患者分别行常规剂量和低剂量胸部CT平扫。常规剂量组的DRI指数设置为30;低剂量组的DRI指数设置为10。管电压均采用120 k V。常规剂量组采用FPB重建算法,低剂量组采用iDose4(L2,L4,L6)重建算法。测量不同扫描方案下图像的客观噪声值(SD),记录不同扫描方案下CT容积剂量指数(CTDI vol)、剂量长度乘积(DLP)并计算有效剂量(ED)。比较不同扫描方案下的辐射剂量、图像的客观指标(图像噪声)及主观指标(图像质量主观评分)的差异。结果:低剂量扫描条件下,LD_iDose4_L2组、LD_iDose4_L4组及LD_iDose4_L6图像噪声值分别为:12.41、10.13和8.01,LD_iDose4_L6组的图像噪声值与SD_FPB组(8.51)相比,差异无统计学意义。肺窗视图下,LD-iDose4_L2组、LD-iDose4_L4组CT图像质量主观评分均在3分以上,满足了诊断需求,以LD_iDose4_L2组显示最好。纵隔窗视图下,低剂量组各组主观评分均在3分以上,均满足了诊断需求,其中以LD_iDose4_L6组得分最高。低剂量组与常规组的ED值大小分别为6.18和2.28,差异均具有统计学意义(P<0.05),低剂量组的有效剂量较常规剂量组降低了63.11%。结论:iDose4迭代重建在AIDS合并PJP患者胸部CT病变及解剖结构的显示上具有明显的优势,能够在大幅降低辐射剂量的情况下得到满足诊断需要的CT图像。低剂量扫描条件下,iDose 4迭代重建迭代水平级别越高,降噪的能力越强,图像噪声值越小。但就图像总体质量而言,肺窗视图下,图像质量以LD_iDose4_L2组显示最好;纵隔窗视图下,图像质量以LD_iDose4_L6组显示最好。      

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。      

迭代重建在学龄前儿童胸部CT低剂量平扫中的应用研究

目的:探讨iDose4迭代重建技术在学龄前儿童胸部CT低剂量平扫中的应用研究。方法:连续选取150例行胸部CT平扫26岁患儿,随机分为常规剂量组(50 mAs)、低剂量25 mAs组和低剂量10 mAs组。常规剂量组采用FBP重建作为常规对照组,低剂量扫描组分别采用FBP及iDose4-5对图像进行重建。2名放射科副主任医师对图像主观质量行盲法阅片,比较不同毫安秒和重建算法组图像主客观质量及辐射剂量并行统计学分析。结果:25 mAs iDose4组较25 mAs FBP组图像主客观质量增高,10 mAs iDose4组较10 mAs滤波反投影(FBP)组图像主客观质量增高。与常规剂量组比较,25 mAs FBP组图像主客观质量降低,25 mAs iDose4组图像主客观质量增高,10 mAs FBP组图像主客观质量降低,10 mAs iDose4组图像主客观质量差异无统计学意义。低剂量25 mAs、10 mAs组有效剂量较常规剂量组分别降低52.6%和78.2%。结论:行学龄前儿童胸部CT低剂量平扫时,采用25 mAs、10 mAs联合iDose4-5技术,能在降低辐射剂量的同时,获得与常规剂量更优或相当的图像质量。      

有限角度CT图像重建算法综述

本文主要介绍了处理有限角度CT图像重建的思路和方法。有限角度CT图像重建属于不完全数据重建范畴,由于不满足数据完备性条件,因此不能精确重建。其处理方法大致可以分为两类:基于变换的迭代-解析重建算法和基于级数展开的迭代-代数/统计重建算法。同时,有限角度重建等价于病态矩阵求逆问题,适当的约束条件、先验知识以及正则化因子对提高重建图像质量非常重要。     

基于渐进式网络处理的低剂量Micro-CT成像方法

微米级计算机断层扫描（Micro-CT）的应用领域很广泛,在生物医学、材料科学等都有研究,而且最近几年的发展很迅速。Micro-CT图像常因辐射剂量的限制而出现噪声,所以开发一种合适的算法来抑制Micro-CT图像中噪声变得很重要。Micro-CT图像的噪声水平与扫描样本、扫描参数等参数有关,合适的噪声抑制算法应该在不同噪声水平下都有不错的性能。过去Micro-CT图像的噪声抑制算法主要是迭代重建算法,但迭代重建算法速度比较慢。深度学习方法作为近些年比较热门的图像处理方法,在临床低剂量CT图像处理上相比于传统方法效果更好、处理速度更快,有进一步在低剂量Micro-CT图像处理中应用的潜力。另外,生成对抗网络在保持图像细节上有着比卷积神经网络更好的效果,本文构建普通卷积神经网络与生成对抗网络,用于对比两者的性能差异。限制于放射源的功率,低噪声的Micro-CT数据难以获取,提出一种创新的扫描方式,可有效获取低噪声的Micro-CT数据,并对实验小鼠的进行了扫描。针对低剂量Micro-CT中较高的噪声,结合Micro-CT的成像原理,提出渐进式的低剂量Micro-CT图像处理方法,分别在解析重建前后对小鼠的Micro-CT图像进行两次处理。相比于只在断层图像上处理,渐进式方法对高噪声数据的处理效果更好。从客观指标与主观视觉效果上,分析和对比了渐进式方法与其他深度学习方法或迭代重建算法的差别。定量分析不同噪声水平下的Micro-CT图像的处理效果,分析生成对抗网络在渐进式Micro-CT图像处理中的优势与限制。渐进式Micro-CT图像处理方法生成的图像质量高、生成速度快、鲁棒性高、客观指标高,可以对进一步的高级应用如图像分割、图像三维可视化等提供帮助。      

基于深度学习的低剂量CT成像算法研究进展

计算机断层扫描成像(CT)技术具有成像速度快分辨率高的优点,广泛应用于医学临床诊断中.然而,提高剂量辐射会引发人体组织器官受损,降低剂量又会造成成像质量严重下降.为解决上述矛盾,在确保成像质量满足临床诊断需求的条件下,研究如何最大程度地降低X射线辐射对人体造成的伤害,己成为低剂量CT成像技术的研究热点.近年来,在人工智...     

锥束CT图像重建算法

随着螺旋多层面CT的出现，医用CT正在向着螺旋锥束CT转变，从螺旋锥束数据来重建图像有许多优点，但是这种成像方式在数学上比较复杂，技术实现也有相当的难度。本文介绍这一领域的重要成果，特别是近年文献中的基本思想，文中涉及及各种主要重算法，包括准确重建，近似重建和迭代重建算法，简言之，当数据是完整的，无噪音的，应选择准重建方法，当数据是有噪音的和／或受物体运动干扰，近似重建会有较好的性能，而当数据是不可靠的和被载截断时，迭代方法可以发挥作用，今后主要研究方向是对这些算法进行改进，比较它们的特性，并将其优点结合到一起。     

基于对抗式残差密集深度神经网络的CT稀疏重建

针对计算机断层成像稀疏重建过程中产生条状伪影的问题,本文提出一种基于对抗式残差密集深度神经网络的CT图像高精度稀疏重建方法.设计一种耦合残差连接、密集连接、注意力机制和对抗机制的UNet网络,以含条状伪影图像和高精度图像作为训练样本,通过大规模训练数据,对该网络进行训练,使其具有压制条状伪影的能力.首先,利用滤波反投影...     

CT解析重建方法进展:从圆轨迹扫描到多源直线扫描成像

从1971年Hounsfield完成世界上首次X射线计算机断层成像（CT）扫描以来,CT技术在扫描方式上经历了5代发展,并在医疗、安检等领域深刻地影响着人们的生活。在扫描方式不断进步的同时,重建方法也在不断发展。与迭代算法相比,解析算法具有重建速度快、误差分析简单以及占用运算资源小等特点,成为CT系统中常用的成像算法。本文以CT扫描方式的发展为脉络介绍解析重建方法的发展,从经典的圆轨迹和螺旋轨迹扫描出发,到非标准轨迹扫描,并介绍当前有关多源直线CT的研究进展。最后,我们展望CT系统的发展在未来所面临的挑战。