项目名称: 基于分数阶统计建模的低剂量CT优质成像新方法研究

项目编号: No.31470048

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 生物科学

项目作者: 廖志武

作者单位: 四川师范大学

项目金额: 30万元

中文摘要: CT的高辐射大大增加了人体罹患癌症的风险。但是CT剂量的降低会导致重建图像产生严重的噪声和伪影。近年来,低剂量CT成像校正算法已经成为医学成像领域的热点问题。由于低剂量CT投影数据、重建图像和噪声统计特性非常复杂,难以用整数阶统计分布和统计量进行描述,因此本项目拟利用分数阶建模拟合低剂量CT数据的复杂统计特性,在此基础上,拟开展以下几方面的研究:(1)分数阶目标函数构建,研究如何引入分数阶先验,并在此基础上构造有效的分数阶混合多先验目标函数;(2)分数阶偏微分方程在投影数据校正和重建图像后处理校正中的研究。

中文关键词: 多先验;分数阶;稀疏表示;边缘先验;堆叠2D矩阵

英文摘要: The high radiation of CT will increase the risk of cancers. However, the reduced dose of CT will leads to serious noises and artifacts in reconstructed images. Therefore, how to improve the performance of low dose CT imaging becomes a hot topic in the medical imaging. But the statistical properities of sinograms, reconstructed images and their noises of low dose CT are very complex, which can not be fitted by integer order statistical distributions and amounts. In this project, we will model sinograms, reconstructed images and their noises by fractional order statistics, which is called fractional order statistical modeling (FOSM). Based on FOSM, we will carry on the follwing studies: (1) designing the target functions based on FOSM, which includes the target functions of sinogrm correction models, iterated reconstruction correction models and reconstructed image correction models. The key problem is how to designing target functions based fractional order mixed multi priors (FOMMPs); (2) studying the theories of adaptively and quickly searching algorithms of optimal resolutions based on fractional order variation theory; (3) studying correction algorithms of sinograms and reconstructed images using fractional order partial differential equations (FOPDEs); (4) modeling between blind evaluations of clinic doctor

英文关键词: multi-prior;fractional-order;sparse representation;edge proir;stacked 2D matrixes

成为VIP会员查看完整内容
0

相关内容

医学图像关键点检测深度学习方法研究与挑战
专知会员服务
50+阅读 · 2022年4月10日
迁移学习方法在医学图像领域的应用综述
专知会员服务
59+阅读 · 2022年1月6日
专知会员服务
27+阅读 · 2021年10月6日
【开放书】《矩阵流形优化算法》,241页pdf
专知会员服务
93+阅读 · 2021年7月3日
专知会员服务
36+阅读 · 2021年4月23日
无参考图像质量评价研究进展
专知会员服务
28+阅读 · 2021年2月14日
专知会员服务
94+阅读 · 2021年2月6日
专知会员服务
18+阅读 · 2020年12月23日
专知会员服务
123+阅读 · 2020年11月15日
【图神经网络(GNN)结构化数据分析】
专知会员服务
115+阅读 · 2020年3月22日
图像分割在医学影像中的应用
极市平台
2+阅读 · 2022年2月16日
普通人CV领域论文创新常见思路与方向总结
极市平台
0+阅读 · 2022年2月5日
迁移学习方法在医学图像领域的应用综述
CT影像肺结节分割研究进展
专知
4+阅读 · 2021年4月23日
基于深度学习的医学图像半监督分割
CVer
14+阅读 · 2020年9月24日
深度学习与医学图像分析
人工智能前沿讲习班
40+阅读 · 2019年6月8日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
64+阅读 · 2021年6月18日
小贴士
相关VIP内容
医学图像关键点检测深度学习方法研究与挑战
专知会员服务
50+阅读 · 2022年4月10日
迁移学习方法在医学图像领域的应用综述
专知会员服务
59+阅读 · 2022年1月6日
专知会员服务
27+阅读 · 2021年10月6日
【开放书】《矩阵流形优化算法》,241页pdf
专知会员服务
93+阅读 · 2021年7月3日
专知会员服务
36+阅读 · 2021年4月23日
无参考图像质量评价研究进展
专知会员服务
28+阅读 · 2021年2月14日
专知会员服务
94+阅读 · 2021年2月6日
专知会员服务
18+阅读 · 2020年12月23日
专知会员服务
123+阅读 · 2020年11月15日
【图神经网络(GNN)结构化数据分析】
专知会员服务
115+阅读 · 2020年3月22日
相关资讯
图像分割在医学影像中的应用
极市平台
2+阅读 · 2022年2月16日
普通人CV领域论文创新常见思路与方向总结
极市平台
0+阅读 · 2022年2月5日
迁移学习方法在医学图像领域的应用综述
CT影像肺结节分割研究进展
专知
4+阅读 · 2021年4月23日
基于深度学习的医学图像半监督分割
CVer
14+阅读 · 2020年9月24日
深度学习与医学图像分析
人工智能前沿讲习班
40+阅读 · 2019年6月8日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员