三维Radon变换的一种快速解析方法

3D Radon变换及其反变换是X-CT三维图像重建理论的核心,它在其他许多学科领域也有广泛应用。3D Radon变换的表达式是一个三重积分,按照定义直接计算相当费时。为此,研究一种新的快速的方法实现3D Radon变换,对X-CT图像重建理论及相关领域的发展有重要意义。本文以算法仿真常用椭球模型为基础,通过求解椭球模型与空间任意平面的面积,实现了用解析的方法快速得到模型的Radon变换,进一步比较了它与传统方法的优缺点,最后根据Radon反变换重建出原物体模型;计算机仿真结果验证了这种方法的正确。     

基于U型网络的X线头影图像特征点自动定位

为了提高口腔临床诊断效率,提出一种基于U型生成对抗网络的X线头影测量图像结构特征点自动定位方法。该方法在生成对抗网络框架下构建U型生成器网络,用于学习从当前图像到目标特征点偏移距离图的映射;再构建鉴别器网络以判断预测的偏移距离图是否与真实数据一致。将新采集的X线头影测量图像作为已训练的U型生成器网络输入,得到新图像针对目标特征点的偏移距离图,然后通过回归投票方法从预测出的偏移距离图中获得检测目标特征点坐标。实验结果表明,该方法相较于其他方法具有更高的检测成功率,能较准确地获得X线头影测量图像中结构特征点的位置。      

基于U型生成对抗网络的编码孔径CT成像方法

针对编码孔径CT成像非连续稀疏采样只能通过代数类迭代重建算法的缺点,本文提出一种基于U型生成对抗网络的编码孔径CT成像方法。通过构建基于U型生成对抗网络的非连续稀疏投影的动态博弈模型,结合联合损失函数,预测正弦图的结构性缺失,实现编码孔径CT成像分析类（非迭代）快速重建。实验结果表明,在辐射剂量降低95％ 的条件下,基于U型生成对抗网络的编码孔径CT成像方法实现了峰值信噪比大于30 dB @ 256×256的高质量重建。相比于目前最先进的编码孔径CT成像方法,其重建时间降低了约两个数量级。      

融合信息化边界和多模态特征的室内空间布局估计

为感知室内空间布局,提出一种基于信息化边界和多模态特征的场景布局估计方法.首先,采用VGG-16全卷积神经网络预测蕴含空间布局先验的信息化边界图.其次,采用Canny边缘检测和投票策略估计水平和竖直方向消失点,从消失点等角度间隔引出射线细采样信息化边界能量高的区域.接着,采用VGG空间多尺度卷积神经网络估计几何深度和法向特征.然后,积分几何求和候选布局多边形中多模特征描述一元共生,候选布局的表面法向平滑和位置关系确定二元标记约束.最后,采用结构化支持向量机学习模型,最大布局候选得分以推理布局.实验结果表明,与经典方法相比,本估计方法可以有效改善布局的完整度.     

基于单步神经网络的牙根与下颌管关系自动检测

为了提高曲面体层片中下颌阻生智齿牙根与下颌管位置关系的识别精度和效率，提出一种基于深度卷积神经网络的自动检测方法。该方法将下颌阻生智齿牙根与下颌管位置关系的自动检测视为回归任务与分类任务的结合，以YOLOv5网络为框架构建可同时完成分类和定位任务的深度卷积神经网络，将对应锥形束CT图像中获取的空间位置关系信息作为分类金标准，训练其学习曲面体层片图像特征与接触下颌管的智齿牙根之间的非线性关系。将新获得的曲面体层片输入到训练好的网络模型后，即可获得该曲面体层片下颌阻生智齿牙根与下颌管相互接触的概率值，同时预测出存在牙根与下颌管相互接触情况的区域。实验结果表明，本文方法能准确地判断出下颌阻生智齿牙根与下颌管是否接触，并能预测出存在牙根与下颌管相互接触情况的区域；与人工判读和其他方法相比，能获得更准确的检测结果。