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...     

低剂量CT心脏成像

采用CT进行心脏成像是CT临床应用中最前沿的进展,心脏扫描中采用较低的螺距使得病人的辐照剂量较高,我们提出一种不同的数据采集和图像重建技术,使病人的辐照剂量减少了50%～89%。该方法的使能技术是64排CT的大容积覆盖范围（40mm）,相对于心脏的平均尺寸是120～140mm,新的容积CT在3～4步就能够覆盖整个器官。伴随新的数据采集方式,我们也提出了对应的重建算法,克服了不完全投影采样的问题,还进行了广泛的模体和临床实验来阐明所提出方法的有效性。     

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。      

基于深度能量模型的低剂量CT重建

降低计算机断层扫描（CT）的剂量对于降低临床应用中的辐射风险至关重要,深度学习的快速发展和广泛应用为低剂量CT成像算法的发展带来了新的方向。与大多数受益于手动设计的先验函数或有监督学习方案的现有先验驱动算法不同,本文使用基于深度能量模型来学习正常剂量CT的先验知识,然后在迭代重建阶段,将数据一致性作为条件项集成到低剂量CT的迭代生成模型中,通过郎之万动力学迭代更新训练的先验,实现低剂量CT重建。实验比较,证明所提方法的降噪和细节保留能力优良。      

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WDCT网络的混凝土CT图像增强算法

原位加载CT扫描可以研究混凝土在不同实验条件下的损伤演化过程,对于混凝土材料研究具有重要意义。在混凝土原位加载的过程中,原位加载设备的遮挡和采样时间的限制导致了有限角度和稀疏角度CT重建问题,传统算法在数据不完备的情况下会导致严重的图像伪影。本文提出WDCT网络增强ART-TV重建图像方法,构建混凝土模拟数据集验证该方法并与经典U-Net增强FBP重建图像方法进行比较。研究结果表明本文的方法在有效降低图像伪影的同时,能够对混凝土内部的石料和裂缝比较准确地成像,图像的客观指标得到大幅提升。     

基于投影域数据恢复的低剂量CT稀疏角度重建

针对目前CT的X射线电离辐射危害,提出了一种基于低剂量CT投影数据进行稀疏角度重建的方法来降低辐射剂量。本方法首先对低剂量CT的投影数据采用惩罚加权最小二乘(PWLS)方法进行去噪处理,然后对去噪后的投影数据进行稀疏角度的CT图像重建。对Shepp-Logan模体仿真实验及真实实验数据重建结果表明:本文提出的基于低剂量CT的稀疏重建方法可有效地抑制重建图像噪声和条形伪影,实现稀疏角度的低剂量CT图像重建。     

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.     

基于相对TV最小的CT图像重建算法

总变差（TV）最小算法是一种有效的CT图像重建算法,可以对稀疏或含噪投影数据进行高精度重建。然而,在某些情况下,TV算法会产生阶梯状伪影。在图像去噪领域,相对TV算法展现了优于TV算法的性能。鉴于此,将相对TV模型引入图像重建,提出相对TV最小优化模型,并在自适应梯度下降-投影到凸集（ASD-POCS）框架下设计对应的求解算法,以进一步提升重建精度。以Shepp-Logan、FORBILD及真实CT图像仿真模体进行重建实验,验证了该算法的正确性并评估了算法的稀疏重建能力和抗噪能力。实验结果表明,相对TV算法可以实现逆犯罪,可以对稀疏或含噪投影数据进行高精度重建,与TV算法相比,该算法可以取得更高的重建精度。      

稀疏信号恢复理论在CT图像重建中的应用

新的图像重建算法一直是CT成像前沿研究中的热点问题之一,而实际中常常遇到的有限角度重建问题则是其中的难点.Terence Tao和他的同事提出了一种稀疏信号恢复理论,为解决这个问题提出了可能的应用策略.我们在本文中介绍了这个理论并给出了在锥束CT重建中应用的初步结果.这种理论和策略的实现对很多应用情况都有重要的意义,为该领域的发展开辟了新的方向,也必将对该领域的发展产生重大影响.     

CT成像质量影响因素综述

自1972年第一台临床CT机应用以来,CT技术得到了迅速发展,其扫描范围、速率、成像质量都大大提高,已广泛应用于医学诊断的诸多领域。然而无论是单排还是多排CT扫描成像系统,影响成像质量的繁杂因素依然存在,研究这些因素及相应解决办法仍是目前许多著名CT制造商研发的重点和热点之一。本文从物理和系统角度出发,介绍影响CT成像质量的因素及相应解决方案,为CT系统开发提供参考依据。     

工业X射线CT中基于深度学习的射束硬化伪影抑制方法

利用工业CT进行无损检测时,由于实际X射线源的宽能谱特性,目前现有的大部分重建算法得到的图像含有射束硬化伪影。射束硬化伪影降低了图像的质量,影响了CT图像应用,如CT图像诊断等。本文提出一种基于深度学习的减少硬化伪影的方法,用大量含有硬化伪影的断层图像作为输入,用相应的在固定能量下重建的不含硬化伪影的图像作为输出来训练卷积神经网络。通过建立含有硬化伪影的断层图像与不含硬化伪影的断层图像之间的映射关系,来抑制硬化伪影。实验结果证明了本文所提方法在降低CT图像硬化伪影上的有效性。     

胰腺CT灌注成像的研究进展

摘要：作为新兴的功能学成像方法,胰腺CT灌注成像可以定量测量血容量、血流量、毛细血管表面通透性和平均通过时间等灌注参数,进而反映胰腺局部组织病理变化而引起的血流灌注改变。目前胰腺CT灌注成像的研究主要集中在正常胰腺组织、胰腺癌、胰腺炎及胰腺神经内分泌肿瘤等方面,部分灌注参数的研究结果在不同研究中差异较大。但随着多排螺旋CT软硬件技术的发展,胰腺CT灌注成像研究有加速趋势,全面临床应用将成为可能。关键词：胰腺疾病;体层摄影术;x线计算机;CT灌注成像文章编号：l004-4140（2014）Ol-0183-09中图分类号：R814．42;R445．3文献标志码：A     

全景PET/CT的研究进展及轴向视场的新突破

正电子发射计算机断层成像技术（PET）是一种基于功能改变的显像技术,能够通过特定的示踪剂在体内的分布特点来反映体内某方面的功能代谢水平。近年来,PET诊断得到了越来越多的临床认可,其显像系统也发展迅速,多种功能PET仪器相继推出,2017年国内推出了全球首台全景动态扫描PET/CT（轴向视场为196.6 cm）。本文将对近年来PET/CT的技术发展和全景动态扫描PET/CT研究突破进行相关综述。     

基于参考组分的双能CT成像方法

双能CT材料分解对了解物质内部材料分布有重要作用,常规CT所使用的X射线能谱分布未知,无法根据能量信息获得材料衰减系数,并且连续能谱投影与单能重建算法不匹配,导致重建图像衰减系数和材料理论衰减系数之间存在误差,分解结果不准确。针对上述问题,本文引入参考组分获得等效能量信息,进而获得材料的单能衰减系数,并且引入邻域空间欧式距离容差对材料分解模型中的材料组成进行约束,欧氏距离容差根据参考组分重建图像获取。实验结果表明,本文方法能够在常规CT投影系统的基础上,对检测物体中各材料进行准确分解。

     

基于注意力机制和迁移学习的COVID-19深度学习诊断方法

目的：结合2019新型冠状病毒（COVID-19）肺炎患者肺CT影像学特征,提出一种多级空间注意力机制（ML-SAM）下的肺CT图像自动诊断模型,探讨该模型在COVID-19辅助诊断上的价值。方法：收集目前公开的COVID-19患者肺CT数据样本,在深度迁移学习框架下引入空间注意力多级聚焦策略,将数据样本、注意力机制与深度迁移学习卷积神经网络相结合,构建可在肺CT图像上自动诊断COVID-19肺炎的融合模型。结果：本文建立的融合模型对肺CT图像具有较好的分类性能,模型对COVID-19的正确识别率可达95%,同时实现了弱监督条件下肺CT图像关键特征的有效聚焦和提取。结论：本文建立的融合模型可被放射科医生或医疗保健专业人员作为COVID-19爆发期间快速、有效筛查COVID-19病例的智能辅助工具。     

能谱CT多参数成像在胰岛素瘤定位中的比较研究

目的：比较能谱CT多参数联合诊断与常规CT图像、最佳keV能量图、70 ke V单能量图像、碘基图在胰岛素瘤定位诊断中的应用价值。方法：回顾性分析病理证实的42例胰岛素瘤患者资料,通过能谱分析软件,选择70 ke V单能量值、最佳ke V能量图像和碘基图进行重建,观察能谱CT多参数联合诊断与常规CT图像、最佳keV能量图、70 keV单能量图像、碘基图的检出率。分析病例能谱CT进行腹部双期增强扫描。结果：动脉期和静脉期常规CT图像、70 keV能量、最佳keV能量图像、碘基图、能谱多参数图像的检出率分别为,69%（29）、71.4%（30/42）、90.5%（38/42）、90.5%（38/42）、92.9%（39/42）和47.6%（20）、47.6%（20）、64.3%（27）、69%（29）、76.2%（32）（表1）。动脉期能谱多参数图像检出率（92.9%）大于最佳keV图像检出率（90.5%）等于碘基图病灶检出率（90.5%）大于70 ke V图像（71.4%）大于常规CT图像（69.0%）,卡方检验Fisher精确概率法结果χ²=14.191,P=0.004,认为动脉期五组检出率具有统计学差异,其中以能谱多参数图像检出效能最高,常规CT图像最低;静脉期常规CT图像、70 keV能量、最佳keV能量图像、碘基图、能谱多参数图像的检出率比较,Pearson卡方结果χ²=11.724,P=0.02,认为静脉期五组检出率具有统计学差异。虽然动脉期检出率高于门静脉期,但部分胰岛素瘤仅在静脉期显影,因此能谱CT需要对动脉期和静脉期结合观察才能减少漏诊。