基于K(?)hler投影的快速CT迭代图像重建研究

来源 :西北大学 | 被引量 : 0次 | 上传用户:skljgsdklj
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近年来,数字化技术在文物的研究、保护上取得了飞速发展和应用。传统的三维扫描建模,不能了解文物内部的损毁情况、结构等。计算机断层成像即CT(Computed Tomography)技术,可以通过无损检测技术重构文物的内部构造。CT技术的核心是图像重建算法,代数重建算法(Algebraic Reconstruction Techniques,ART)是一种迭代算法,适合于不完备投影情况下的图像重建,其投影系数的计算方式对重建速度有很大的影响。ART算法常用Siddon算法计算投影系数,由于Siddon投影使用近邻插值,重建质量不高。而K(?)hler投影方法采用线性插值和辛普森积分计算系数,重建精度高,但K(?)hler算法计算量大,计算速度慢。针对该问题,通过改进投影算法和多核并行加速来实现基于K(?)hler投影的快速图像重建,论文的主要工作如下:(1)提出一种基于K(?)hler投影的二维扇形束快速迭代CT图像重建方法。通过减少无效交点的计算,以及合并数组的耗时,利用射线与像素的位置关系,快速计算穿过下一个网格的交点坐标,利用线性插值计算出交点和中点像素值,然后通过辛普森积分公式计算分离出投影系数。实验结果表明在保持重建精度不变情况下,快速K(?)hler方法比传统K(?)hler算法提高约3倍的加速比,同时K(?)hler方法相比Siddon、Joseph、DDM方法取得了更高的重建质量。(2)在二维交点计算优化的基础上,实现二维到三维的扩展,提出一种基于K(?)hler投影的三维锥束快速迭代CT图像重建方法。三维需要通过双线性插值计算与射线相交的两个平面交点处像素值,使用三线性插值计算出中点像素值,最后通过辛普森积分公式计算分离出投影系数。实验结果表明在保持重建精度不变情况下,三维快速K(?)hler方法比传统K(?)hler方法提高约3倍的加速比。(3)提出一种基于多核加速的并行快速迭代CT图像重建方法。通过使用pThreads线程库,在同一角度同层下,按照探测器平面的射线数划分任务,实现多线程并行编程技术,提高重建速度。并且为了均衡各线程的计算任务,提前计算当前角度同层下与射线相交的体素个数,按照总共相交体素的个数来平均划分计算任务。实验结果表明,相较于串行ART算法,四核并行达到3.1倍的加速效果,在六核并行下,达到4.4倍的加速效果。
其他文献
在对兵马俑模型进行三维重建建立完整仿真模型,使用计算机辅助进行虚拟修复等过程中,由于兵马俑本身的特性以及3D激光扫描仪的限制,需要使用多个站点获取不同坐标角度下的点云模型,对模型进行配准使其构成一个完整兵马俑仿真模型。兵马俑模型配准的结果将直接影响三维重建以及后续应用的效果。本文研究基于三维点云的兵马俑配准,主要研究内容如下:(1)针对点云规模过大以及搜索配准点对费时的问题,提出一种基于内部形状描
兵马俑是我国优秀历史文化的重要载体。随着光学感知和计算能力的提升,基于三维扫描的数字化建模广泛应用于兵马俑的保护和展示中。三维扫描构建的兵马俑稠密点云冗余数据多,数据量大,降低了处理、传输和展示的效率,现有点云简化方法往往强调执行效率而忽视了点云特征的保持。本文针对兵马俑点云在应用和展示中对特征保持的要求,提出了一种基于深度学习的三维点云简化方法,通过二维图像特征线提取三维点云的特征点,对非特征点
源代码漏洞检测是确保软件系统免受网络安全攻击的关键。构建深度学习模型进行漏洞检测是目前重要的研究方向,但已有的工作在模型训练时大多将程序视为顺序序列或无类型代码属性图,由于忽略了代码本身的结构信息,因而导致产生大量的误报情况。为了改进上述问题,本文提出一个新型漏洞检测模型框架FUNDED,利用图神经网络(GNNs)构建基于图关系的漏洞模式匹配方法,用以捕获程序的控制,数据,调用和依赖等代码间的关系
基于内容的图像检索作为信息检索领域重要的研究技术之一,可以在海量的图像数据中检索出所需要的数据,在大数据时代背景下具有重要的作用。社交媒体图像检索作为一个重要的应用场景,在长期的发展过程中,主流的方法都将图像使用单个特征进行表示,其内在的缺陷导致检索形式单一、检索效果欠佳。在实际的检索应用中,人工标签缺乏导致训练不佳、维度灾难导致检索响应慢等问题也会同时出现。在本文中为了解决社交媒体图像检索在实际
口腔白斑(OLK)是一种有癌变风险的慢性疾病,但由于其癌变潜伏期长,人们容易对其忽视从而导致严重后果。目前对于口腔白斑的诊断主要依靠专业口腔医生视觉判断,但由于口腔白斑的病变组织与口腔内其他健康组织极为相似,疾病的误诊率较高。利用图像分割进行口腔白斑辅助诊断能够在一定程度上降低疾病误诊率,但由于口腔白斑病灶形状复杂、质地不够均匀、病变区域特征信息丰富等原因,传统的Mask Scoring R-CN
临床诊断和定量分析通常需要高分辨率的磁共振(Magnetic Resonance,MR)图像。然而由于新生儿大脑体积小、大脑发育不成熟和缺乏专用成像设备等因素,磁共振扫描仪采集的新生儿图像存在分辨率不高、信噪比偏低和部分容积效应等失真现象。为了提高新生儿磁共振图像的质量,超分辨率(Super Resolution,SR)技术是一种有效并且可行的方法。与传统的图像超分辨方法相比较,基于深度学习的方法
移动增强现实应用近年来发展十分迅猛,它新奇的交互方式带给了使用者独特的沉浸式体验,目前已经被广泛应用于娱乐,医疗,教育等领域。但是由于移动增强现实应用存在大量计算密集型任务(目标识别、检测及渲染),能耗开销较大,从而给计算资源和电池资源有限的移动端设备带来很大的能耗负担。由此,通常将移动增强现实计算密集型任务卸载到云端进行处理,并给移动端返回处理结果。但针对高清移动增强现实图像内容,有限的上行带宽
自适应软件能够在不断变化的软件操作环境下自主动态的改变软件行为以提高软件鲁棒性,软件资源配置是软件的重要组成部分,针对目前应用软件的资源配置不能根据软件状态动态调整的问题。本文研究在软件资源配置中自适应软件的应用。结合资源配置场景,本文给出了自适应软件较为通用的解决方案——和普。本文首先提出了和普系统模型,该模型结合了强化学习技术的智能体-环境架构,解决了传统自适应软件耦合度高的问题。第二,针对不
病理组织的精准分割为癌症的临床诊断与分级的提供重要依据,然而精准的分割依旧面临着多种阻碍。目前对病理组织的分割任务主要分为两方面,一是对组织区域进行分割,这部分存在组织区域中异常区域和正常区域相似,难以准确分割的问题,和组织切片中其他结构的影响导致分割出的组织区域内部连通性差的问题。二是对组织中的以腺体为代表的个体水平的分割,这部分存在不同癌变程度下腺体形态多变,同一网络难以同时高精度、高形状准确
随着移动互联网应用的迅猛发展,数据信息呈井喷式增长,同时也带来了“信息过载”问题。在此背景下,推荐系统应运而生。个性化推荐系统可以根据用户的兴趣特征和历史行为,为用户推荐其感兴趣的信息。尽管推荐系统被广泛使用于各个领域,但在实际的应用中也存在着以下不足:(1)就优化目标而言,许多推荐算法的研究往往集中在提高推荐结果的准确性,而缺乏一定程度的意外性、偶然性和多样性推荐,因而产生的推荐结果不能满足用户