图像复原是从降质图像中利用图像处理技术恢复接近真实图像的方法.维纳滤波在抑制噪声和恢复模糊图像方面具有广泛的应用.然而传统的维纳滤波方法没有充分利用降质图像的信息,在失真图像复原过程中仍存在复原质量不高的问题.本研究将图像的全局方差和噪声功率谱引入维纳滤波,提出了基于全局方差和噪声估计的二次维纳滤波复原方法.实验表明,本研究提出的方法可以增强图像复原算法的稳定性,能够恢复更多的图像细节信息,图像复原质量较高.

全场光学相干层析成像技术(全场OCT)是研究早期胚胎形态发育的最理想成像设备,然而所采集图像难免受噪声干扰.这些噪声可模糊早期胚胎内不同组织结构的边界,从而给基于图像边界的结构划分带来干扰.为解决这一问题,本文运用中值滤波、维纳滤波、各向异性扩散算法处理全场OCT获得的早期胚胎图像,并运用信噪比、均方误差、峰值信噪比和边缘保留等指标评价图像处理效果.结果表明:经各向异性扩散算法处理的早期胚胎图像,可完整地保留原始图像信息,且边界最清晰,视觉效果最好.

目的 提出一种基于人工神经网络模型的肺癌CT图像分割算法.方法 第一步采用维纳滤波器和模糊增强抑制图像噪声和提升图像对比度,第二步提取图像的纹理特征和分形特征,第三步根据网络最佳参数训练和测试人工神经网络模型,第四步提取CT图像中肺癌病灶区域.512个样本和80例图像被用来训练和测试模型.结果 肺癌CT图像包含13个癌症显著区域特征(3个纹理特征和10分形特征).训练和测试数据所得最佳分类函数为列文伯格-马夸尔特反向传播,学习速率R为0.3,动量为0.9,隐藏神经元数量为20.训练阶段灵敏度、特异度和准确度可达98.4％,100％和98.6％,同时测试阶段对应指标分别可达90.9％,100％和95.1％.结论 基于人工神经网络模型的图像分割算法能高效、准确定的提取CT肺癌病灶,可作为影像医师诊断肺癌的有效工具.

随着脑-机接口技术的不断发展,通过优化数据处理算法来提高脑-机接口系统的分类正确率已成为研究热点.近年在多种脑-机接口范式中都发现空间滤波能够提高脑电信号的信噪比并优化特征提取,从而提升脑-机接口系统的分类正确率.空间滤波在基于脑电的脑-机接口中正日趋凸显其重要应用价值.综述脑-机接口中的脑电信号处理常用的空间滤波方法,包括基本空间滤波器、用于脑电预处理及特征降维的空间滤波器,以及基于诱发节律和诱发电位的脑-机接口中用于特征提取的空间滤波器,并阐述各类空间滤波方法的基本原理、构建方法及相关研究成果.最后归纳目前存在的问题并对发展趋势进行展望.

探讨CT影像组学定量特征在预测肺腺癌间变性淋巴瘤激酶(ALK)融合基因表达中的价值.方法 回顾性分析2015年11月至2018年5月北京协和医院有ALK基因检测结果且术前接受本院胸部CT检查的195例肺腺癌患者(其中ALK突变患者60例).使用肺结节自动检测分割算法在CT图像上标注病变的三维容积感兴趣区(VOI).利用PyRadiomics工具对所有VOI区域进行重采样、图像预处理(包括基于小波和拉普拉斯滤波器的预处理方法)和特征提取.在Dr.Wise科研平台上对已提取的特征进行标准化处理,并分别基于不同图像预处理方式及不同特征类型筛选关键特征,用多因素logistic回归建模和10次5折交叉验证法进行验证.采用ROC评价模型对ALK基因突变的预测能力,并使用DeLong比较不同模型的效能.结果 每个病灶共提取1 232个影像组学特征.在特征筛选后共纳入15个组学特征建模,在训练集和验证集中模型预测ALK基因突变的AUC分别是0.88和0.78.分别基于原始CT图像、小波处理后图像和拉普拉斯高斯滤波器处理后图像的组学特征建模时,在验证集中模型的AUC分别为0.76、0.75和0.76.这3组模型与全部特征联合建模模型的效能相比差异均无统计学意义(P>0.05).以不同类型的组学特征建模,一阶特征和灰度共生矩阵(GLCM)纹理特征预测ALK基因突变能力较好,其中GLCM特征模型最优,在验证集中的AUC为0.83,准确率、敏感度和特异度分别为0.74、0.85和0.69;一阶特征模型在验证集中的AUC为0.80.结论 CT影像组学定量特征在预测肺腺癌ALK融合基因表达中有较大的应用价值.

目的 使用三维增强T2*加权血管成像(3D-ESWAN)测量并比较复发缓解型多发性硬化(RRMS)和视神经脊髓炎谱系疾病(NMOSD)中央后回的铁含量,评估其与四肢感觉异常的相关性.方法 纳入30例RRMS患者、21例NMOSD患者及30例健康对照(HCs),均行3D-ESWAN扫描,测量ESWAN滤波相位图上中央后回的平均相位值(MPVs).Kruskal-Wallis秩和检验比较三组间中央后回MPVs的差异;Speaman相关性分析分别评估中央后回MPVs与Fugl-Meyer四肢感觉评分、病程的相关性.结果 (1)RRMS中央后回MPVs显著低于NMOSD组(t=-18.94,P=0.014)和HCs组(t=-26.43,P＜0.01);NMOSD组中央后回MPVs较HCs组有降低趋势,但差异无统计学意义(t=-7.50,P＞0.05).(2)RRMS和NMOSD中央后回铁含量均与四肢感觉评分呈正相关(r=0.390、r=0.446,P＜0.05),但与病程无明显相关性(P＞0.05).结论 RRMS中央后回铁异常沉积较NMOSD更严重;中央后回铁含量与MS和NMOSD患者四肢感觉异常程度均相关,可以作为二者病情监测、疗效评价的良好指标.

目的 比较腹部磁共振序列中常规滤波技术和基于人工智能的滤波和插值(artificial intelligence based filtering and interpolation,AIFI)的重建技术的降噪性能,并探讨AIFI在图像降噪时的最优参数.方法 回顾性纳入我院60例进行上腹部磁共振检查的患者,将其T1加权成像(T1-weighted image,T1WI)、T2加权成像(T2-weighted image,T2WI)和双回波序列的原始图像分别进行常规滤波和不同强度的AIFI技术重建,比较重建图像的客观图像质量指标——图像峰值信噪比(peak signal noise ratio,pSNR)和图像锐利度.两名医生对重建图像噪声、对比度、清晰度、总体图像质量进行评分,比较其评分结果并计算观察者间一致性.结果 相较于原始图像,三序列(T1WI、T2WI和双回波序列)图像经降噪技术重建后图像的pSNR、图像锐利度均有不同程度的提高(P均<0.05),且在T1WI中使用常规滤波和AIFI组合重建时,T2WI和echo1序列中AIFI level≥3及组合重建时,echo2序列中AIFI level≥4及组合重建时的图像客观质量评分高于常规滤波(P均<0.05).对三序列主观评分中常规滤波重建、AIFI重建(除AIFI level=1)、组合重建图像各序列中的图像噪声、对比度、清晰度、整体图像质量的评分均高于原始图像(P均<0.05),AIFI level=5时,图像对比度得分均有所降低(P<0.05).两医生评分具有良好的一致性(r均>0.75,P<0.05).经多维度比较,腹部MRI使用AIFI技术进行降噪时的最优参数T1WI为常规滤波+AIFI level=3;T2WI和双回波序列中为AIFI level=4.结论 AIFI技术在中高level的降噪表现优于常规滤波,是一种具有良好应用前景的降噪技术,其在腹部MRI的最优参数T1WI为常规滤波+AIFI level=3;T2WI和双回波序列中为AIFI level=4.

目的 探究滤波反投影法(FBP)、三维自适应迭代低剂量重组技术(AIDR3D)不同重组等级(AIDR3D-MILD、AIDR 3D-STD、AIDR 3D-STR、AIDR 3D-EN)对640层CT所行胸部低剂量CT(LDCT)图像质量的影响.方法 应用Aquilion One CT机,纳入50例怀疑肺部疾病行胸部CT平扫的患者.管电压100 kVp,自动管电流(固定噪声值 8.8 HU).所得原始数据采用 FBP、AIDR 3D-MILD、AIDR 3D-STD、AIDR 3D-STR、AIDR 3D-EN 算法进行重组,重组层厚1.0 mm,层间距0.8 mm.测量并记录图像噪声、信噪比(SNR)及对比噪声比(CNR).采用5分法分别对肺窗、纵隔窗图像及磨玻璃结节进行主观评估.对比分析5组重组算法的定性及定量指标.结果 FBP组、AIDR 3D-MILD 组、AIDR 3D-STD 组、AIDR 3D-STR 组、AIDR 3D-EN 组肺窗图像噪声值分别为(69.51±7.59)HU、(38.94±4.54)HU、(31.99±3.47)HU、(28.72±3.09)HU、(25.18±4.22)HU;纵隔窗图像噪声值(HU)分别为25.85±4.14、17.71±1.18、14.96±1.20、13.09±1.03、13.95±1.17.与 FBP 组相比,AIDR 3D-MILD 组、AIDR 3D-STD 组、AIDR 3D-STR 组、AIDR 3D-EN 组肺窗图像噪声分别降低了 43.75％、53.72％、58.36％、63.66％(F=122.729,P = 0.000).纵隔窗图像噪声分别降低 30.52％、41.37％、48.67％、45.35％(F=93.089,P = 0.000),SNR较 FBP 组分别升高 45.38％、72.29％、97.02％、88.25％(F =43.485,P =0.000),CNR 较 FBP 组分别升高 40.07％、70.96％、92.50％、69.10％(F = 6.930,P =0.000),差异具有统计学意义.AIDR 3D-EN组肺窗、纵隔窗、磨玻璃结节评分显著高于其他组,差异具有统计学意义(P均＜0.05).结论 640层容积CT联合AIDR 3D重组技术可明显降低图像噪声及提高图像质量,其中AIDR 3D-EN算法降噪及提高图像质量效果最为显著.

目的 通过比较多种重建算法,探讨深度学习重建(DLR)对增强CT上胆道系统图像质量的影响.方法 回顾性纳入30例本院进行增强CT检查并伴有胆总管或肝外胆管扩张的患者,分别采用滤波反投影算法(FBP)、三维自适应迭代(AIDR3D)、全模型迭代算法(FIRST)和DLR对门脉期图像进行重建.比较4组图像信号噪声比(SNR)、对比噪声比(CNR)及噪声,对4组图像质量进行主观评价排序并比较.结果 除AIDR3D肝实质CNR外,DLR图像的CNR(胆管:4.42±0.87,肝实质:3.78±1.47)显著高于 FBP[胆管:2.21±1.02(P＜0.001),肝实质:1.43±1.29(P＜0.001)]、AIDR 3D[胆管:2.81±0.91(P=0.024),肝实质:2.39±1.94(P=0.278)]及 FIRST[胆管:2.51±1.24(P＜0.001),肝实质:2.45±1.81(P=0.003)],DLR 图像的 SNR(胆管:1.39±0.85,肝实质:9.75±1.90)显著高于 FBP[胆管:0.86±0.63(P＜0.001),肝实质:3.31±1.12(P＜0.001)]和 FIRST[胆管:1.01±0.61(P=0.013),肝实质:5.73±1.37(P＜0.001)],DLR 图像的噪声(10.51±3.53)显著低于 FBP[24.10±3.92(P＜0.001)]、AIDR 3D[15.72±2.41(P=0.032)]和 FIRST[17.20±3.82(P＜0.001)].DLR 图像的主观评价排序[4(4,4)分]显著高于 FPB[1(1,1)分](P＜0.001)、AIDR 3D[3(2,3)分](P=0.029)和 FIRST[2(2,3)分](P＜0.001).结论 深度学习重建可提高增强CT图像质量,有助于更好地观察胆道系统.

传统超声动态聚焦通过简单的延时叠加方法成像,分辨率较低、对比度较差.本研究在基于像素的相干波束合成(Coherent PB)的基础上,应用一种计算效率较高的前置维纳滤波器,利用焦点处的脉冲回波对整个阵列信号进行相位矫正,并通过后置维纳滤波器为每次子孔径波束合成结果施加自适应权值,进一步抑制噪声和伪影.通过仿真、仿体和在体实验对本方法的有效性进行验证,与Coherent PB相比,本方法在保持较高横向分辨率和计算效率的基础上,明显改善图像的轴向分辨率和对比度,具有一定临床应用价值.