|
| 內容簡介： |
本书旨在系统地介绍CT图像环形伪影去除、超分辨率重建等若干问题的算法研究和典型应用，共分为7章内容。首先，阐述了CT图像重建原理，分析了CT图像中环形伪影产生原因，讨论了环形伪影去除的前处理与后处理方法。然后，提出了多种CT图像中环形伪影去除的新方法：基于L0范数滤波；基于单向变分和相对变分；基于L0约束单向变分模型；基于变分和低秩矩阵分解。进一步从深度学习的角度，研究了基于变分和生成对抗网络相结合的方法。后，针对CT图像分辨率各向异性和硬件对分辨率提升的限制，提出了利用超分辨率增强来提升CT图像质量的方法。
本书可以作为信息技术、生物医学工程等专业科研人员和工程技术人员的参考用书，亦可作为相关专业研究生的参考教材。
|
| 關於作者： |
李建武，博士，副教授，任教于北京理工大学计算机学院，计算机学会高级会员，自动化学会会员，IEEE会员。研究兴趣包括机器学习、图像与视频处理；在CVPR、AAAI、ACMMM、IEEE TIP、PR、自动化学报等国内外重要会议或期刊上发表论文50余篇；主持或参与国家重点研发计划、国家自然科学基金、北京市自然科学基金等项目10余项；主讲“程序设计方法与实践”“人工智能”“离散数学”等课程。
霍其润，博士，副教授，任教于首都师范大学信息工程学院，计算机学会会员。研究兴趣包括图像处理、机器学习；在国内外重要会议或期刊上发表论文10余篇；主持北京市教委科研计划项目，参与国家自然科学基金、北京市自然科学基金、首都师范大学交叉科学研究院引导课题等；主讲“操作系统”“操作系统实验”“C语言程序设计”等课程。
颜子夜，博士，高级工程师。研究兴趣包括人工智能、医疗影像设备；发表文章10余篇；作为主任设计师参与多排螺旋CT、DR探测器、C型臂等设备的研发；参与国家重点研发计划、国家自然科学基金6项。
|
| 目錄：
|
第1章绪论001
11研究背景及意义001
111CT技术的发展001
112CT系统图像的重建原理003
113CT系统的性能指标006
114CT伪影007
115环形伪影去除问题的研究意义009
12研究现状009
121基于数据采集时的去除方法009
122基于投影正弦图的前处理方法010
123基于重建图像的后处理方法011
124主流算法分析012
13环形伪影问题分析015
131环形伪影产生机理015
132环形伪影表现016
133笛卡儿坐标和极坐标018
134变分方法在图像处理中的应用020
14环形伪影去除的性能定量分析指标024
参考文献026
第2章基于L0范数滤波的环形伪影去除方法033
21引言033
22环形伪影的幅值特性分析033
23基于L0范数的滤波方法034
24基于L0范数的环形伪影去除方法039
241处理流程039
242平滑伪影039
243伪影提取方法042
244实验结果046
25本章小结050
参考文献050
第3章基于单向变分和相对变分的环形伪影去除算法053
31引言053
32基于相对单向变分的去除算法053
321环形伪影的边缘特性分析053
322相对全变分055
323去除算法实现057
324实验结果分析062
33基于单向变分和单向相对变分的去除算法071
331环形伪影的几何特性分析072
332结合RTV的单向变分模型设计073
333实验结果分析076
34本章小结082
参考文献083
第4章基于L0约束单向变分模型的环形伪影去除算法085
41引言085
42模型设计085
43模型求解086
44算法步骤088
45实验结果分析089
451模拟数据实验089
452真实数据实验094
453实验参数分析097
46本章小结098
参考文献098
第5章基于变分和低秩矩阵分解的环形伪影去除算法100
51引言100
52TV-Stokes去噪模型介绍100
53基于变分和TV-Stokes方程的去除模型102
531模型第1步：去除伪影信息102
532模型第2步：恢复无伪影图像103
533求解模型104
534算法流程104
535实验结果与参数分析106
54引入低秩矩阵分解110
541低秩矩阵分解理论110
542低秩矩阵分解的应用113
543算法描述114
544实验结果分析116
55基于相对变分和低秩矩阵分解的去除模型119
551模型设计和求解119
552实验结果121
56本章小结123
参考文献124
第6章基于变分和生成对抗网络的环形伪影去除算法128
61引言128
62深度学习128
621深度学习的发展过程128
622经典的深度学习模型131
63生成对抗网络140
631生成对抗网络的特点141
632生成对抗网络的基本模型141
633生成对抗网络的衍生模型145
64超分辨率模型SRGAN149
641SRGAN模型及损失函数分析149
642SRGAN的网络结构150
65基于生成对抗网络和单向相对变分的伪影去除算法151
651网络结构151
652损失函数分析153
653算法流程153
654实验结果与分析154
66基于平滑性生成对抗网络的环形伪影去除算法158
661环形伪影特性分析158
662模型损失整合159
663网络架构159
664实验结果分析160
67本章小结164
参考文献165
第7章CT图像超分辨率研究169
71引言169
72图像超分辨率背景介绍170
721图像超分辨率170
722图像超分辨率理论基础172
723图像超分辨率研究现状173
724图像超分辨率算法分类175
725超分辨率国内研究进展和研究趋势176
726图像超分辨率研究意义177
73医学图像超分辨率178
731医学图像的主要特点178
732医学图像超分辨率研究概况179
74超分辨率算法179
75医学图像平面内超分辨率处理182
751超分辨率算法及数据采集模型182
752实验结果184
76平行投影正弦图的超分辨率处理185
761低分辨率数据的获取方法185
762超分辨率算法187
763CT正弦图的超分辨率处理189
764SPECT正弦图的超分辨率处理189
77临床图像序列中超分辨率技术研究194
771医学图像序列的获取模型194
772超分辨率方法降低螺旋CT图像的层厚198
773超分辨率方法降低MRI图像的层厚204
78医学图像超分辨率方法比较209
79本章小结210
参考文献211
|
| 內容試閱：
|
探究事物的本源以及获取物体内部的结构信息，一直是人类认知世界的重要手段，如何在不进行剖解的前提下从外部透视物体内部，这曾经是古人的梦想，尤其是在医学领域，而在当代由于X射线的发现这已经不再是什么难题。电子计算机断层扫描(Computed Tomography，CT)，是继1895年伦琴发现X射线以来医学影像学发展史上一次历史性的革命，其首次实现了从外部获得人体内部结构的影像。时至今日，尽管有磁共振、B超、X光等方法可用于获取人体内部影像，但CT技术凭借其扫描速度快、成像质量高、全身适用、对骨骼和内脏敏感等优点，在医学检查、工业检测、安保检测等领域处于不可取代的地位。
因CT系统软硬件和成像算法等原因，重建形成的图像会有与物体真实衰减系数之间的差异，这称为伪影。伪影在一定程度上会影响图像质量和干扰对图像的判读。在各种伪影中，环形伪影常见，也是在视觉上干扰较严重的一种伪影。长期以来，如何有效去除CT图像中的环形伪影一直是重要问题。
本书旨在从成像后处理的角度，分析环形伪影的表现特征并设计去除伪影的算法。首先，阐述了CT图像重建原理，分析了CT图像中环形伪影的产生原理，讨论了环形伪影去除的前处理与后处理方法，给出了CT图像分别在笛卡儿坐标系和极坐标系下的表示与对应关系。然后，提出了几种CT图像中环形伪影去除新方法——基于L0范数滤波、基于单向变分和相对变分、基于L0约束单向变分模型、基于变分和低秩矩阵分解，并进一步从深度学习的角度研究了基于变分和生成对抗网络相结合的方法。后，针对CT图像分辨率各向异性和硬件对分辨率提升的限制，提出了利用超分辨增强来提升CT图像质量的方法。
本书的研究工作得到了国家自然科学基金面上项目(项目批准号：61271374)、北京市自然科学基金项目(项目批准号：L191004)、北京市教委科研计划(项目批准号：KM201810028016)、首都师范大学交叉科学研究院、国家重点研发计划(课题批准号：2019YFB404805)的资助。本书的有关成果系十余年来课题组全体成员努力工作和协同攻关的结果，特别感谢毛欣蓓、赵树阳、吴焕堂、王政、怀丽敏等学生所付出的辛勤劳动。本书还得到了陆耀、董振超、王宏等专家、学者的指导和帮助，谨对此表达诚挚的谢意。
医学图像处理算法的分析与设计具有重要的理论研究意义和实际应用价值，当前正处于快速发展和临床应用推广时期，其理论和应用方面均存在大量问题，尚待进一步深入研究。由于笔者学识水平和可获得资料有限，书中难免存在不妥之处，敬请同行专家和诸位读者批评指正。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
