基于微焦点CT与数据约束模型的古代家猪牙齿显微结构研究

来源 :CT理论与应用研究 | 被引量 : 0次 | 上传用户:javaname40
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
本文对一例考古发掘出土的古代家猪下颌骨及牙齿进行了微焦点CT成像,通过加置滤波片有效减弱了线束硬化对CT图像的影响。基于数据约束模型(DCM)对样品三维结构进行了定量计算,获取了包含小于CT图像体元尺寸在内的样品跨尺度结构信息。对样品中孔隙及高吸收组分的联通特性进行了跨尺度计算,得到这两种组分的三维团簇分布。与常见的图像阈值分割法相比,DCM模型有效减弱了部分体积效应对图像分析的影响。本文研究结果为考古样品的内部形态测量、结构分析提供了数据基础,为考古样品的数字建模存档提供一种新的方法。
其他文献
稀疏角采样与减小X射线源电流可有效降低多能谱CT低辐射剂量,然而会导致投影数据不足且包含较大噪声,重建图像会严重降质。针对这一问题,本文对传统全核变分(TNV)正则化方法进行推广,利用非局部梯度向量构成的雅克比矩阵的低秩特性,提出非局部全核变分(NLTNV)正则化方法。该方法用单个正则项同时建模能谱CT图像的结构相似性、梯度域稀疏性与非局部自相似性3种先验信息,能恢复稀疏角度投影含较大噪声(剂量较
冠状动脉数字图像造影(CCTA)是一种有效的无创评估冠脉血管狭窄等病变情况的成像技术,对CCTA的自动筛查评估依赖于冠脉管腔的高精度分割。为探索能够分割出高质量的冠脉官腔的算法,本文进行基于深度学习的端到端分割实验以及基于中心线先验信息结合CCTA灰度特征的冠脉管腔分割实验,其中基于深度学习回归方法的Polar1DMLP模型能够结合中心线先验信息得到较好的分割效果。基于公开数据集Coronary
目的:探讨新冠状病毒肺炎疫情期间,肺结节网络影像学图文问诊情况的分析.方法:新冠肺炎疫情期间,开放针对肺部病变的网络公益图文问诊,共收到83例肺部疾患患者中的肺结节患者