【摘 要】
：
计算机断层成像技术（Computed Tomography,CT）可以在未经手术的情况下获取病人体内密度信息,是临床图像诊断的重要手段之一。病人体内如果有金属植入物,则会在CT图像中产生金属伪影,此金属伪影会严重干扰临床诊断结果,并影响放射治疗计划中剂量计算的准确性。目前来说,去除金属伪影的传统方法主要集中在对投影数据的处理上,而不能应用于重建后的CT图像,不便于医院、普通研究者等无法获取投影数据
论文部分内容阅读
计算机断层成像技术（Computed Tomography,CT）可以在未经手术的情况下获取病人体内密度信息,是临床图像诊断的重要手段之一。病人体内如果有金属植入物,则会在CT图像中产生金属伪影,此金属伪影会严重干扰临床诊断结果,并影响放射治疗计划中剂量计算的准确性。目前来说,去除金属伪影的传统方法主要集中在对投影数据的处理上,而不能应用于重建后的CT图像,不便于医院、普通研究者等无法获取投影数据的群体使用。在本论文中提出了一种新方法,该方法利用从单能CT图像集生成的虚拟双能CT图像集和双能CT减影技术来去除金属伪影,是面向CT图像的金属伪影去除方法。本论文中使用的CT图像由美国通用电气公司生产的Discovery CT 750HD双能CT机扫描得到。扫描方式为:管电压120 k Vp,层厚2.5 mm。基于改进过的双线性的转换模型,使用初始能量下的CT图像集计算目标能量下的精确线性衰减系数图像,从而获取目标能量下的CT图像集。然后,使用双能减影技术去除图像中的金属伪影。本论文中首先使用CIRS Model 062电子密度仿体的CT图像验证改进的双线性转换模型的转换精度,证明双线性转换模型对脂肪、软组织、肌肉组织、骨骼组织4种人体内常见组织,具有不低于GE双能重建图像的转换精度。其次,使用14组临床图像进行实验,验证双能对数减影对金属伪影的去除具有实用意义,且处理后的图像具有优于极坐标转换法去除金属伪影图像的图像质量。
其他文献
最优控制问题是现代控制理论研究的热点之一,主要目标是选取一个容许的控制律,对被控对象的动态特征进行控制,实现性能指标的最优化。自适应动态规划能够通过函数近似结构逼近系统的代价函数和控制律,很好的规避了一般动态规划方法的“维数灾”问题,是目前有效解决复杂非线性系统最优控制问题的最有效方法之一。因此,将自适应动态规划和最优控制理论相结合具有重要意义,能够解决系统控制中存在的多种问题,从而大大提高控制性
水下图像在获取海洋信息方面具有重要作用,但由于水中不同波长的光衰减速度不同,使得水下图像会产生颜色失真,水下光照强度不足会使得水下图像对比度低,这严重影响了水下图像的进一步利用,因此需要修正色偏、增强图像的对比度以获取清晰的水下图像。基于生成对抗网络的水下图像清晰化方法通过数据驱动的方式训练网络,可处理多种水下图像退化问题,有较好的鲁棒性。本文基于生成对抗网络研究水下图像清晰化问题,主要工作如下:
精神分裂症是一种严重的精神疾病,具有复杂的神经机制,其病发原因至今尚未明确。同时其临床症状涉及到思维、情感和行为等多个方面,且存在明显的个体差异性,使得对于病情的诊断较为困难。由于精神分裂症是一种神经发育异常疾病,研究患者的大脑机制变化,对其病理的揭示以及患者的合理治疗都有重要的意义。静息态功能磁共振成像（fMRI）是一种非侵入式脑影像采集技术,能够记录脑神经在基线状态下的自发活动,被广泛应用在各
电子散斑干涉（Electronic Speckle Pattern Interferometery,ESPI）测量技术作为一种重要的光学无损检测技术,目前已被广泛应用于科学研究及实际工程领域。在电子散斑干涉测量技术中,待测物理量与编码在条纹中的相位信息直接相关。准确地从条纹图中提取相位信息是电子散斑干涉测量技术成功应用的关键。因此本文针对电子散斑干涉条纹图相位准确提取中涉及的一些技术开展了以下研究
在现实环境中,人类的目标语音信号通常会被噪声干扰,这会严重降低语音的可懂度,从而降低语音识别系统的性能。针对噪声干扰,前端语音分离技术是降噪过程中最常用的方法之一。一个好的前端语音分离系统能够极大地提高语音的可懂度和自动语音识别系统的性能。语音分离已在诸多领域展现出很好的前景,但也存在大量的不足与挑战。语音信号的复杂性使得即使是同一类语音信号的声学特征也存在很大的差异,这对语音分离系统的学习能力和
医学图像由于医学成像系统的局限性,不可避免地会出现噪声和模糊等现象,因此,对医学图像进行滤波和增强成为医学分析前重要的预处理步骤。全变分模型和Retinex方法分别在滤波和增强方面有着广泛的应用,本文基于这两种方法,选择了光学相干断层扫描（Optical Coherence tomography,OCT）、超声波及电子计算机断层扫描（Computed Tomography,CT）等多种类型的医学图
随着网络攻击的规模和网络数据量的成倍增长,组织必须开发新的方法来保护其网络和数据不受不断变化的威胁参与者的动态影响。随着在现代企业网络中部署更多的安全工具和传感器,安全事件和警报数据的生成量持续增加,这使得在大海捞针中更难找到针头。组织在监视,预防,检测和响应网络安全事件以及对网络的潜在攻击时,必须依靠新技术来协助和扩充人类分析人员。在这项工作中,重点是将网络流量分类为良性或恶意。首先,前馈完全连
切换系统是混杂系统中的一种典型代表,切换系统由一系列被微分方程和差分方程描述的子系统和一个决定这些子系统切换的切换信号组成。实际物理系统很多具有这种切换特性,这就赋予了切换系统丰富的应用背景,切换系统的研究也备受关注。随着网络技术的发展,控制系统的规模越来越大、控制精度要求越来越高,鉴于传统周期采样控制在信息冗余方面的劣势,一种新的基于事件的控制方式受到广泛关注。动态事件触发作为事件触发控制的一种
面部表情是人类智力的一个非常重要的方面。其中,通过面部表情表达人类情感是最有说服力的证明。近年来,深度学习成为一种趋势,特别是卷积神经网络,由于在人机交互领域的大量应用,在近十年来得到了广泛的研究。在相同条件下或至少相似条件下,研究人员已经能够从在实验室中拍摄的图像中获得良好的结果。然而,在任意的面部图片与各种头部姿势和不同照明条件下,这些模型并不是很好。野生表情是指在真实环境中捕获的,自然的表情
在线教育的蓬勃发展为人们提供了一种新的学习方式,各大在线学习平台的崛起为人们提供了方便的学习途径。在传统模式下,园林植物的教学存在需要改进的地方,同时由于专业和学科的特殊性,园林植物的在线学习本身具有独特性。通过对相关文献的研究,得出目前园林植物学习存在种类繁多、记忆不清、图文描述比较抽象、空间感尺度感不足的问题。本研究探讨通过搭建园林植物学习平台解决这些存在的问题。利用问卷调查的形式,分析了植物