论文研究-基于多相位图像相似性的肺4D-CT超分辨率重建.pdf

所需积分/C币:7 2019-09-13 00:51:00 1.1MB .PDF

肺4D-CT为放射治疗提供全面的图像引导,在当今肺癌治疗中起着重要的作用。然而,由于采集时间和人体所能承受辐射剂量的限制,无法得到高分辨率([Z]轴方向)CT图像,因此,通常采集到的肺4D-CT图像[Z]轴方向细节部分往往不够清晰。针对这一问题,提出了一个基于多相位相似性的非局部均值超分辨率重建方法,来提升肺4D-CT图像的质量。该方法利用多相位图像之间的互补信息,以非局部均值滤波为基础,来恢复图像的高分辨率细节结构;另外,由于呼吸运动,肺4D-CT图像中不同相位图像肺区域的灰度会有所差异,为保证重建高分辨率图像的灰度不变性,引入全局约束以修正重建图像的整体灰度。采用一套公共肺4D-CT数据集
陈瑾,张煜:基于多相位图像相似性的肺4D-CT超分辨率重建 2017,53(15)193 demons图像配准得到,模糊矩阵采用均值为0,方差为 1.的高斯模糊。它使重建得到的高分辨率图像立退化 成低分辨率图像,Y是原始低分辨率图像,为初始高 分辨率图像,它由低分辨率图像插值获得,β为梯度下 阵法的步长经过次送代以后,为最后出的高分 辨率图像。 图1低分辨率图像仿真的过程 2.4基于多相位图像相似性的肺4D-CT非局部3.1.1视觉评价 均值超分辨率重建 按照2.4节所介绍的步骤得到的低分辨率图像重建 本文基于多相位图像相似性的肺4DcT非局部均出大小为256×256高分辨率图像,同时与线性插值结 值超分辨率重建步骤如下 果,POCS重建结果作了比较。图2显示了头验结果,从 (1)肺4DCT数据获得不同相位的低分辨率图像生到右分别是:原始的高分辨率图像线性插值图像 序列 POCS重建结果和本文方法的结果。第一行矩形里的内 (2)选取某一相位图像作为待恢复图像y并插值容被放大显示在第二行。由此看出,与线性插值和PoCs 放大,作为高分辨率图像x的初始佔计 结果相比,本文的方法重建出来的结果要更清晰,与真 (3)定多相位图像中的相似块搜索域,选出与待实的图像更接近。 恢复块具有相似性的图像块,并计算各图像块与待恢复 块之间的相似性大小e (4)按照各个图像块的v值进行加权平均(式(3)), 得到重建后的高分辨率图像x。 (5)通过公式(5)进行重建结果的全局约束,更新高 分辨率图像♀。 (6)重复步骤(3)~(5),直到收敛,则停止迭代。 图2横截面币建后结果图 3结果 3.1.2量化评价 本文采用的实验数据来自美国休斯敦安德森肿瘤 采用峰值信噪比( Peak Signal to Noise Ratio, 中心DR实验室(www.dir-lab.com)。该实验室采集了PSNR)来量化评价本文方法。PSNR定义为真实图像 多套肺4D-CT图像数据供公开下载和方法评估用。的最大灰度和干扰噪声的能量(真实图像和重建图之间 该数据集由10组肺4D-CT数据组成。每组数据包含10均方差的和的平均)之间的比。PSNR用对数分贝(dB) 个相位,层间距为2.5mm。对于数捆1-5,图像大小为尺度来表达。PSNR的值越高则说明越接近真实图像。 256×256,层间分辨率在(0.97×0.97)~(116×1.16)mm2用公式(6)简单地表达为 之间变化。数据6~10,图像大小为512×512,层间分辨 率均为(0.97×0.97)mm2 PSNR()-= g mSEa 3.1仿真实验 MSE(x为千扰噪声的能量,d为真实图像的最大 由于放射剂量所限,因此无法得到三维高分辨率的灰度值。 肺4DCI图像,但是横截面是高分辨率的清晰图像。所 图3显示了10组仿真数据的PSNR值,很显然本文 以利用横截面高分辨率图像模拟肺部运动退化效果进方法在每一组数据中都取到了最高的PSNR值说明该 行二维的仿真实验,来量化评价本文的方法 方法是有效的,并且优于其他两种方法。 选取一层清晰的横截面图像(大小为256×256),降 采样至大小为128×128,并对其做高斯模糊后作为待重 建的图像,再选取其他9个相位中与该层对应的横截面 一线性補值 图像,均降采样至大小为128×128后再做高斯模糊,作 34 PoCS算法 为非局部均值搜索时的图像域。这样就得到了包含了 一本文方法 10个相位的低分辨率图像的序列。图1显示了一例图 像仿真结果。其中最左边是降采样的图像,中间是模拟 肺部运动退化的形变场,右边则为仿真得到的待重建的 data 低分辨率图像。 图3不同方法得到10组仿真结果的PSNR值比较 1942017,53(15) Computer Engineering and Applications计算机工程与应用 32实际数据实验结果 32.1视觉评价 冠状面和矢状面的原始低分辨率真实图像大小为 99×256,在Z轴方向上将图像放大2倍,将其重建为大 小为198×256的高分辨率图像。图4显示了组实际数 据的冠状面和矢状面重建结。这些结果进一步证明 了本文方法的优良性能。为了更清楚地观察结果,第 行和第三行中矩形甲的内容被放大显示在第二行和第 图55个边缘区域位置 四行,由此也可以明显观察到本文方法得到了更清晰的 细节结构,边缘也得到了增强。 長线性插值POCS算法和本文方法结果的边缘宽度比较 边缘宽度/mm 边缘区域 线性插值POCS算法本文方法 9.06 7.78 6.01 5.90 5.73 C 8.88 7.93 7.19 5.4 E 7.98 6.94 平均值±标准差7.48±1476.77±1.086.16=0.74 平均梯度反映图像对细节对比的表达能力,能表征 图像的相对清晰度。分别对10组肺4D-CT数据用不同 国C国是 的方法重建出来的高分辨率图像进行平均梯度计算。 结果如表2所示。为了使结果对比得更明显,还列出了 平均梯度的增加百分比。较线性插值和POCS算法,本 文方法重建出来图像的平均梯度显著提高,说明图像愈 清晰,细节保持愈好。 表2重建结果的平均梯度值 图4分辨率增强图像冠状面和矢状而的重建结果 数据线性 s本文平均增度增加百分比 插值算法方法本文方法,/本文方法 线性插值 POCS 322量化评价 数据07.0393210.87 35.33 14.25 因为没有高分辨率的原始图像,所以无法川PSNR 数据169492010.7 34.88 14.17 来做冠矢状面重建的量化评价。本节中,采用图像边缘 数据26.98 10.77 35.19 14.|l 览度和平均梯度作评价方法。 数据37.0293710.99 边缘宽度( edge widths)是衡量空间分辨率的量化 数据47.0294110983606 数据57.01 10.97 36.09 4.12 参数。边缘宽度主要反映所选边缘‘锐利'程度,其计算 数据67.0494411.0 36.00 14.18 公式(7)如下: 数据 6.939.1 10.84 36.07 dthledgel- 4.4 数据86.7589810.23 34.01 12.21 数据96829.1010.41 34.48 其中a由双曲线函数y(x) 1+expi-alI 拟合得 平均值6.959,28 0)77 35.46 l3.83 到。函数中yx)为体素点灰度,x为体素点坐标,为4讨论与总结 采集的体素点中心 本文采用·种基于肺4D-CT多相位图像相似性的 分别在线性插值,POCS算法和文本方法重建出来非局部均值方法重建超分辨率图像。该方法的主要特 的图像上局部选取5个边缘区域,如图5所示 点是利用所有相位图像的冗余信息,采用非局部均值方 根据公式(7),对三幅图像上的5个边缘区城进行法重建新体素,从而可以更好地恢复图像的细节。另外 边缘宽度计算,结果如表1所示。很明显本文方法与线文中引入灰度校正的步骤,以保证重建图像的灰度不变 性插值相比较,边缘宽度有了显者的减少,与POCS算法性,保证了重建得到高分辨率图像的保真性。实验结果 相比较,边缘宽度有了一定的减小边缘细节有所增强。表明,无论是仿真数据还是真实数据,相比于传统的线 陈瑾,张煜:基于多相位图像相似性的肺4D-CT超分辨率重建 2017,53(15)195 性羔值和POCS算法,该方法都能重建出清晰的图像。 reduce lung dose: A dosimetric analysis[J Medical 本方法还有一个优越之处在于:不需要配准,这明 Dosimetry Official Journal of the American Association 显地提高了重建的速度。本文提出的方法重建出高分 r Medical Dosimetrists, 2009, 34(4): 273-278 辨率图像单层的时间是平均57295,而传统的POCS超21帐书,周凌宏,陈光杰,等4DCT重建及其在肺癌放疗中 分辨率重建算法重建岀高分辨率图像的单层时间则需 的应用研究进展[中国辐射卫生,2008,17(3):375-377 要平均1186。厘准是影响重建速度的主要因素,也1 Datsenko d, Elad M Example-based single document image 是影响最后结果的的重要因素。而本文方法避免了这 super-resolution: a global map approach with outlier 处理,使得超分辨率的速度和精度都得到了更多保证。 rejection[]. Multidim System Signal Processing, 2007, 18 103-121 图像块的搜索邻域是算法的一个影响因素,表3给 ]柯丽,林筱,杜强,等.基于反投影的MT动态图像重建方 出了不同的搜索邻域大小对重建精度、重建速度的影 响。结果显示大的搜索范围,精度变化不明显,但速度 法研究[仪器仪表学报,2013,34(2):394-400 ∫肖珊,王婷婷,张煜.基于运动估计的肺4D-CI图像冠矢状 下降。因此木文中选取的搜索邻城大小为6×6×10 面超分辨率重建J中匡生物医学L程学报,2014,33(2) 表3不同的搜索邻域大小对重建结果的影响 170-17 域大小单层平均重建时间平均梯度 [6] Buades A, Coll B, Morel J M. A non-local algurithm for 6×6×10 57.29 1083 image denoising[C]!TEEE Computer Sociely Conference on 8×8×10 137 10.83 Computer Version Pattern RecogniLion, 2005, 2: 60-65 l×10×1 10.82 [7] Manjon J V, Coupe P A, Fonov V, et al. Non-local MRI 12×12x10 8 10.78 upsampling[J]. Medical Image Analysis, 2010, 14(6): 784-792 14×14×10 l8143 10.78 [8]苏衙,周杰,张志浩超分辨率图像重建方法综述[自动 化学报,2013,39(8):1202-1213 本文实验中相似块的选择是一个山粗到精的过程。[91 Baneriee J, Jawahar C V Super-resolution of text 最开始的时候用粗选择的相似进行恢复,当迭代得到 using edge-directed tangent field[]/proceedings of the 的结果与上次迭代的结果之间的平均绝对误差小于设 2008 The Eighth IAPR International Workshop on Doc 定阌值的时候,开始用精选择的相似垬进行恢复,直到 ument Analysis SysLems, 2008: 76-83 达到阈值停止。由粗到精的相似块选择可以更快和更[10] Elad m, Feuer A Restoration of a single superresolution 精准地得到重建图像。本文实验的收敛曲线如图6。 image from several blurred, noisy, and undersampled mea sured images[].IEE Transactions on Image Processing 1997,6(12):1646-1658 [Il1 Castillo R, Castillo E R, Johnson V, et al. A framework or evaluation of deformable image registration spatial 1.0 accuracy using large landmark point sets[J]. Physics in 0.5 Medicine& Biologv,2009,54(7):1849-1870. [12]吴莠秀,肖珊,张煜.基于准的肺4DCT图像超分辨率 重建[J电子学报,2015,2(2):383-386 迭代次数 [13 Wu X, Xiao S, 7.hang YRegistration based super-resolu- 图6迭代收敛曲线 tion reconstruction for lung 4D-CT[C]/Annual Interna- 高分辨率图像数据对图像分析有实际意义。如可 tional Conference of the IeeE Engincering in Medicine 以提高分割精度、改进可视化效果等。当前,联合超分 and Biology Society, 2014: 2444-2450 辨率重建的像分割算法已有一些研究l1。这些研究 114 Xin Li Patch-based image interpolation: algorithms and 表明,基于超分辨率重建的图像分割,可以获得更精准 applications[C]nternational Workshop on Local and Nonl 的分割结果。肺肿瘤放射治疗中,病灶的准确分割对于 local Approximation in Image Processing, 2008 [15] Lin E U, Mclaughlin M, Alshehri AA Medical image seg 放疗意义显著。因此,改进肘4D-CT图像分辨率,将有 mentation using multi-scale and super-resolution method[ c]/ 助于提升肿瘤分割精度,从而引导更精准的放射治疗。 2014 EFE Applied Imagery Pattern Recognition Work- 在下一步工作屮,将评估肺4D-CT图像超分辨率重建对 shop(AIPr)IEEE Computer Society, 2014: 1-5 肿瘤分割精度的影响。 6」 Ibragim B, PrinceL, Murano上∠,etal. Segmentation of tongue muscles from super-resolution magnetic reso 参考文献: nance images [J]. Medical Image Analysis, 2014, 20(1) ll Khan F, Bell G, Antony J, et al. The use of 4DCTto

...展开详情
img
  • 至尊王者

    成功上传501个资源即可获取

关注 私信 TA的资源

上传资源赚积分,得勋章
相关内容推荐