首页 > 文献资料
-
CHO数字观察器在PET图像滤波方法评估中的应用
在临床应用中需要限制扫描时间和药物剂量,这往往会使正电子发射断层扫描(PET)的图像的分辨率变低,噪声变多.为提供可供临床诊断的图像,去噪是一个必须的手段,而在重建后增加一个滤波器是目前常用的去噪方法.因此对不同滤波器滤波效果的比较是PET图像重建中的重要环节,其中关键的是滤波参数的选取.目前采用的信噪比(SNR)以及恢复系数(RC)等评估方法可以用来非定量地选取参数,研究者们只能凭经验选取优参数.而通道化霍特林观察器(CHO)作为一个比较通用的数字观察器,已被用于与PET图像质量相关的各种参数的选择,如重建算法参数、系统设计参数、临床协议参数等,然而其在评估不同滤波方法对图像重建质量的影响中的应用研究还比较少.通过比较CHO计算得到的ROC(receiver operating characteristic)曲线下面积(area under the ROC curve,AUC),选择两种常用的滤波器(即高斯滤波器和非局部均值(Non-Local Mean,NLM)滤波器)的优参数,并评估它们在PET中的滤波效果.结果表明,对于13 mm球体,σ为1.1 ～1.4的高斯滤波器和f为0.5 ～0.9的NLM滤波器可以达到大的检测能力值,而对于10 mm球体,σ为1.4～2.0的高斯滤波器和f为0.5～0.9的NLM滤波器可以达到大的检测能力值.虽然两个滤波器所对应的AUC值都能高达0.9,但是NLM滤波器的AUC值高于高斯滤波器.通过IEC图像和病人图像也能发现,NLM滤波后的PET图像中的亮点比高斯滤波的更加清晰,噪声更少.该结论和传统滤波器评估方法得到的结论一致,这说明在PET的病灶检测任务中,CHO能够准确地比较这两种滤波器的性能.
-
基于向量场卷积和神经网络的MR肝脏自动分割算法研究
目的:提出一种新颖的腹部MR图像自动分割算法.方法:首先采用预处理降低图像噪声和增强图像边缘;然后,采用三层神经网络获得活动轮廓模型的初始点;后,采用向量场卷积作为活动轮廓模型的外力,勾画出肝脏边界.结果:选用不同层面的MR肝脏图像进行仿真实验.基于自动分割算法能降低图像噪声,精确分割出肝脏轮廓,且与手工分割参考结果相关系数分别为0.9283和0.9124,阳性率TP=(96.32±6.12)%,阴性率FP=(0.14±0.07)%,运行时间Time=(75±8)s.结论:提出的自动分割算法能精确分割MR肝脏图像,具有很强的稳定性、优越性和普适性,具有较高的临床应用价值.
