Accelerating Image Reconstruction in Three-Dimensional Optoacoustic Tomography on Graphics Processing Units
目的：光声层析成像（OAT）本质上是一个三维（3D）逆问题。然而，大多数OAT图像重建的研究仍然采用二维（2D）成像模型。一个重要原因是因为3D图像重建在计算上是繁重的。这项工作的目的是加速现有的图像重建算法的三维OAT通过使用并行编程技术。研究方法：提出了加速滤波反投影（FBP）算法和对应于两种不同数值成像模型的两对不同的投影/反投影操作的并行化策略。这些算法旨在充分利用图形处理单元（GPU）的并行计算能力。为了评估投影/反投影对的并行化策略，实现了迭代图像重建算法。计算机模拟和实验研究进行调查的计算效率和数值精度的算法。结果如下：GPU的实现提高了计算效率的因子1000，125，和250的FBP算法和两对投影/反投影算子，分别。通过使用FBP和迭代图像重建算法，从计算机模拟和实验数据中重建准确的图像。结论：首次提出了三维OAT图像重建的并行化策略。这些基于GPU的实现显著减少了3D图像重建的计算时间，补充了我们早期在3D OAT迭代图像重建方面的工作。
2013-04-07 physics.med-ph
Deconvolution-Based Backproject-Filter (BPF) Computed Tomography Image Reconstruction Method Using Deep Learning Technique
对于传统的计算机断层成像（CT）图像重建任务，最流行的方法是所谓的滤波反投影（FBP）算法。在该算法中，Radon投影在反投影生成CT图像之前，通常先通过一个斜坡核进行滤波。相反，在这项工作中，我们首次使用深度学习技术实现了图像域反向投影滤波器（BPF）CT图像重建的想法。利用适当设计的卷积神经网络（CNN），初步结果表明，从高度模糊的反投影图像重建具有保持高空间分辨率和准确像素值的CT图像是可行的，即，层片此外，实验结果还表明，这种基于去卷积的CT图像重建网络具有降低CT图像噪声的潜力（最高可达20%），这表明患者辐射剂量可能会降低。由于这些优点，提出的基于CNN的图像域BPF型CT图像重建方案在生成高空间分辨率、低噪声CT图像方面为未来的临床应用提供了很好的前景。
2018-07-05 physics.med-ph
Gradient-based quantitative image reconstruction in ultrasound-modulated optical tomography: first harmonic measurement type in a linearised diffusion formulation
超声调制光学层析成像是一种新兴的生物医学成像模式，它使用空间定位的相干光的声学驱动调制作为生物组织的结构和光学特性的探针。在这项工作中，我们首先提供了一个概述的正演建模方法，然后推导出一个线性化的扩散式模型，计算一个给定的域的边界上测量的第一谐波调制通量。我们推导和检查的相关测量密度函数的模型描述的敏感性的模态扰动的光学参数的兴趣。最后，我们采用所述功能的伴随辅助的梯度为基础的图像重建方法，改善了传统的牛顿为基础的优化方法的计算负担和内存要求的发展。我们验证我们的工作进行重建的光学吸收和散射在二维和三维使用模拟测量与1%的比例高斯噪声，并证明成功恢复的参数，其真实值的+/-5%时，超声光栅探测域的分辨率足以描绘扰动夹杂物。
2016-03-20 physics.med-ph
Medical image reconstruction: a brief overview of past milestones and future directions
本文简要回顾了医学图像重建领域过去的里程碑，并描述了一些未来的发展方向。这是一篇关于“信号处理中的开放问题”的综述论文的一部分，该论文将出现在IEEE信号处理杂志上，但在这里提供了引用和方程。
2017-07-19 physics.med-ph
Fused Analytical and Iterative Reconstruction (AIR) via modified proximal forward-backward splitting: a FDK-based iterative image reconstruction example for CBCT
本文提出了一种将解析重建（AR）方法与迭代重建（IR）方法相结合的方法，即解析迭代重建（AIR）方法，以提高CT图像的质量和重建效率。具体地说，AIR是建立在改进的近端前后向分裂（PFBS）算法的基础上，并讨论了它与稀疏正则化滤波数据保真度的关系。因此，AIR使用两步迭代方案来简化数据保真度和图像正则化，在此期间，AR投影步骤更新过滤后的数据保真度项，而去噪求解器更新稀疏正则化项。在AR投影步骤中，将图像投影到数据域以形成数据残差，然后通过一定的AR重建为残差图像，然后将残差图像与前一图像残差一起加权以形成下一图像残差。直观地说，由于AR投影算子的特征值接近于1，基于PFBS的AIR具有快速收敛性。这种优势是严格建立通过收敛性分析和数值计算的收敛速度。在圆形锥束CT中，采用AR为FDK，全变稀疏正则化，改进了AR和IR的图像质量，提高了对比度和分辨率，减少了轴向伪影和半扇形伪影。
2016-08-09 physics.med-ph
Directional-TV Algorithm for Image Reconstruction from Limited-Angular-Range Data
在X射线CT中，从有限角度范围内收集的数据进行图像重建的调查仍然是一个活跃的研究课题，因为它可以深入了解具有实际意义的成像工作流程的发展。然而，这个重建问题是众所周知的挑战，因为它是高度病态的。在这项工作中，我们研究了基于优化的图像重建数据采集在一个有限的角度范围内，这是远远小于短扫描CT的角度范围。我们首先制定的重建问题作为一个凸优化计划与方向全变差（TV）的约束应用于图像，然后开发一个迭代算法，称为方向TV（DTV）算法的图像重建，通过解决优化程序。我们使用的DTV算法重建图像的数据收集在各种有限的角度范围内的乳房和酒吧幻影的临床和工业应用的相关性。该研究表明，DTV算法准确地恢复幻影从产生的数据在一个显着减少的角度范围内，它大大减少了文物观察，否则在现有的算法重建。我们还获得了经验条件的最小角度范围内足够的数字精确的图像重建与DTV算法。
2021-03-01 physics.med-ph
Parallel MRI Reconstruction by Convex Optimization
在并行磁共振成像（pMRI）中，图像和线圈灵敏度函数的联合求解是一个非线性、非凸的问题。一类算法首先重建线圈的灵敏度编码图像，然后是仅幅度图像重建，例如GRAPPA。本文证明了，如果只重构幅度图像，则幅度图像和灵敏度编码图像存在凸解空间。该解空间使得能够制定正则化凸优化问题，并导致幅度图像重建的全局最优和唯一的解决方案。它的应用程序在体内MRI数据集的结果优于其他算法的重建性能。
2014-08-04 physics.med-ph
A Convex Optimization Approach to pMRI Reconstruction
在不使用线圈灵敏度函数的估计的并行磁共振成像（pMRI）重建中，一组算法首先重建线圈的灵敏度编码图像，随后是仅幅度图像重建，例如GRAPPA，而另一组算法通过正则化优化联合计算图像和灵敏度函数，正则化优化是具有仅局部解的非凸问题。对于只有幅度的图像重建，本文推导出一个重建公式，这是线性的幅度图像，并在制定的方程的解空间包含图像的幅度相关联的凸包。因此，pMRI的幅度只有图像重建被制定为一个两步凸优化问题，它具有全局最优解。提出了一种基于split-bregman和核范数正则化优化的算法来实现两步凸优化，并将其应用于体模和活体MRI数据集，与其他算法相比，其重建性能优越。
2013-11-11 physics.med-ph
Investigation of iterative image reconstruction in three-dimensional optoacoustic tomography
用于光声层析成像（OAT）（也称为光声层析成像）的迭代图像重建算法具有优于分析算法的提高图像质量的能力，这是由于它们能够结合成像物理、仪器响应和测量噪声的精确模型。然而，迄今为止，很少有报道尝试采用先进的迭代图像重建算法来改善三维（3D）OAT中的图像质量。在这项工作中，我们实现和研究两个迭代图像重建方法与3D OAT小动物成像仪使用：即，惩罚最小二乘（PLS）方法采用二次平滑惩罚和PLS方法采用全变差范数惩罚。重建算法采用超声换能器冲激响应的精确模型。实验数据集的迭代重建算法的性能进行比较的3D滤波反投影（FBP）算法。通过使用图像质量的定量测量，我们证明了迭代重建算法可以减轻图像伪影，并保持空间分辨率比FBP算法更有效。这些功能表明，使用先进的图像重建算法可以提高3D OAT的有效性，同时减少生物医学应用所需的数据量。
2012-07-16 math.AP physics.med-ph
Optical Tomographic Imaging for Breast Cancer Detection
漫射光学乳房成像利用近红外（NIR）光传播通过组织来评估组织的光学性质以识别异常组织。这种光学成像方法是敏感的，具有成本效益的，并且不涉及任何电离辐射。然而，扩散光学层析成像（DOT）的图像重建是一个非线性逆问题，存在严重的不适定性，特别是在强噪声和数据不完整的情况下。本文提出了一种新的图像重建方法用于乳腺癌的检测。该方法将图像重建问题分为异常组织的定位和吸收变化的量化。异常组织的定位是基于一个新的适定优化模型，可以通过差分进化优化方法求解，以实现稳定的图像重建。然后在相对小范围的局部区域中确定异常吸收变化的定量，所述局部区域可能是肿瘤。因此，可以大大减少未知吸收变量的数量，以克服漫射光学断层扫描（DOT）的欠定性质，从而允许准确和稳定地重建乳房中的异常吸收变化。数值仿真实验表明，该方法对异常组织的识别稳定、准确，对数据的测量噪声具有较强的鲁棒性。
2017-04-16 physics.med-ph physics.optics
Direct PET Image Reconstruction Incorporating Deep Image Prior and a Forward Projection Model
针对直接PET重建依赖大量高质量训练数据的问题，提出融合深度图像先验与前向投影损失的无监督方法，并在脑部[¹⁸F]FDG蒙特卡罗模拟中证明其优于FBP和ML-EM。
2021-09-02 cs.CV cs.LG physics.med-ph
CT Image Reconstruction in a Low Dimensional Manifold
GE Healthcare Technologies（通用电气医疗技术公司）
正则化方法是X射线CT图像重建中常用的方法。不同的正则化方法反映了图像不同先验知识的特征。在最近的工作中，一种新的正则化方法称为低维流形模型（LDMM）的研究，以表征低维补丁流形结构的自然图像，其中流形维数表征图像的结构信息。本文提出了一种基于CT图像低维流形先验知识的CT图像重建方法。使用GE诊所的临床原始投影数据，我们进行了CT图像重建之间的比较，所提出的方法，同时代数重建技术（SART）与全变差（TV）正则化，和滤波反投影（FBP）方法。实验结果表明，该方法能够成功地恢复出目标的结构细节，并获得比电视的FBP和SART更高的空间分辨率和对比度分辨率。
2017-04-16 cs.CV physics.med-ph
3D Image Reconstruction from X-Ray Measurements with Overlap
Mathematical Institute（数学研究所）；University of Oxford（牛津大学）
由一组X射线投影重建三维图像是一个重要的图像重建问题，在医学成像、工业检测和机场安检等领域有着广泛的应用。X射线发射器阵列的创新允许具有多个同时发射源的新型X射线扫描器。然而，两个或多个同时发射的光源可以从重叠的射线中产生测量结果，从而带来了一种基于非线性约束的新型图像重建问题。使用传统的线性重建方法，必须实现相应的扫描器几何形状，使得没有射线重叠，这严重限制了扫描器设计。我们推导出一种新型的三维图像重建模型的非线性约束，重叠X射线测量的基础上。此外，我们证明了所产生的优化问题是部分凸的，并提出了一种算法来解决它。实验表明，从模拟和真实世界的测量大大改善了图像重建结果。
2016-11-22 cs.CV physics.med-ph
Image Reconstruction Image reconstruction by using local inverse for full field of view
Northwestern Poly Technical University（西北工业大学）
本文提出子区域迭代细化方法(SIRM)，通过局部反演减少图像重建中的伪影和噪声，提升诊断图像质量。
2015-12-20 cs.NA math.NA physics.med-ph
Image reconstruction without prior information
提出了一种设计线性正问题图像重建算法的新框架。该框架是基于新的概念，保存在图像重建过程中的数据中的信息，而不是补充它与先验信息。该框架提供了一个解释，为什么流行的重建算法的MRI，CT和卷积通常表示为左可逆矩阵。此外，该框架可以用于改进线性反卷积和解决诸如拉普拉斯变换之类的顽固线性逆问题。
2003-10-14 physics.data-an physics.ins-det physics.med-ph
Algorithms for Least-Squares Noncartesian MR Image Reconstruction
迭代最小二乘MR重建通常使用共轭梯度算法，尽管存在已知的数值问题。本文表明，最近的LSMR算法具有良好的数值性能，是首选的Toeplitz嵌入不能用来加速共轭梯度法的情况下。
2022-12-13 eess.IV physics.med-ph
End-to-End AI-based MRI Reconstruction and Lesion Detection Pipeline for Evaluation of Deep Learning Image Reconstruction
Microsoft Research（微软研究院）；University of Wisconsin-Madison（威斯康星大学麦迪逊分校）；University of Minnesota（明尼苏达大学）；Stanford University（斯坦福大学）
深度学习技术已经成为一种有前途的高加速MRI方法。然而，最近的重建挑战已经显示出当前深度学习方法中的几个缺点，包括即使使用在全局质量度量方面表现良好的模型也会丢失精细图像细节。在这项研究中，我们提出了一个用于图像重建和病理检测的端到端深度学习框架，它可以对深度学习重建质量进行临床感知评估。该解决方案在膝关节MRI研究中检测膝关节撕裂的用例中得到了证明，最终发现普通重建方法丢失了精细图像细节，表现为检测膝关节撕裂等重要病理的能力降低。尽管使用SSIM等指标进行定量重建方法学评价的常见做法，但受损病理检测作为基于病理学的自动重建评价方法表明，现有定量方法无法捕获临床重要的重建结果。
2021-09-23 cs.CV cs.LG eess.IV
Meta-QSM: An Image-Resolution-Arbitrary Network for QSM Reconstruction
定量磁化率成像（QSM）可以估计潜在的组织磁化率并揭示病理。目前解决QSM逆问题的基于深度学习的方法受到固定图像分辨率的限制。他们为每个图像分辨率训练了一个特定的模型，这在计算中是低效的。在这项工作中，我们提出了一种新的方法称为Meta-QSM首次解决QSM重建的任意图像分辨率与一个单一的模型。在Meta-QSM算法中，以图像分辨率为输入，采用权值预测的方法来预测核函数的权值。与现有的QSM重建方法相比，所提出的方法进行了评估的合成数据和临床数据。实验结果表明，Meta-QSM可以有效地重建不同分辨率的图像的磁化率图，通过一个神经网络的训练。
2019-08-01 eess.IV physics.med-ph
A signal detection model for quantifying over-regularization in non-linear image reconstruction
目的：用于评估线性图像重建技术的许多有用的图像质量度量不适用于或难以解释非线性图像重建。用于评估非线性图像重建的绝大多数度量是基于某种形式的全局图像保真度，例如图像均方根误差（RMSE）。使用这样的度量可能会导致过度正则化，因为它们可能有利于去除图像中的细微细节。为了解决这一缺点，我们开发了一种基于信号检测的图像质量度量，该信号检测可以替代精细图像细节的定性损失。方法：在乳腺CT模拟的背景下，其中考虑不同的等剂量配置的度量证明。配置在所获取的投影的数量上不同。图像重建采用基于全变分约束最小二乘（TV-LSQ）的非线性算法。的图像进行评估，图像的RMSE，并与建议的信号检测为基础的度量。后者使用小信号，并计算正弦图和重建图像中的可检测性。通过图像重建过程的信号可检测性的损失被认为是图像中精细细节损失的定量度量。结果如下：信号可检测性的损失被认为与由于TV-LSQ的过度正则化而导致的块状或片状外观很好地相关，并且这种趋势与图像RMSE度量背道而驰，其倾向于支持过度正则化的图像。结论：建议的信号检测为基础的度量提供了一个图像质量评估，是互补的图像RMSE。当使用非线性图像重建时，一致地使用这两个度量可以产生用于确定CT算法和配置参数的有用处方。
2020-12-09 eess.IV physics.med-ph
Deep-neural-network based sinogram synthesis for sparse-view CT image reconstruction
Asan Medical Center（峨山医学中心）
最近，已经开发了许多低剂量计算机断层成像（CT）的方法，并将其部署在商业化的CT扫描仪中。降低管电流可能是最积极探索的先进图像重建算法的技术。稀疏数据采样是低剂量CT的另一个可行的选择，稀疏视图CT一直是CT界研究人员的兴趣所在。由于解析图像重建算法会导致严重的图像伪影，已经开发了各种迭代算法用于从稀疏视图采样投影数据重建图像。然而，迭代算法比解析算法需要更长的计算时间，并且图像通常容易出现严重依赖于重建参数的不同类型的图像伪影。插值方法也被用来填补稀疏视图CT的正弦图中的缺失数据，从而为分析图像重建提供综合完整的数据。在这项工作中，我们介绍了一种用于稀疏视图CT的深度神经网络正弦图合成方法，并展示了其优于现有插值方法和迭代图像重建方法的性能。
2018-03-06 cs.CV eess.IV physics.med-ph
Alignment Solution for CT Image Reconstruction by Fixed Point and Virtual Rotation Axis
由于X射线层析成像现在被广泛采用在许多不同的领域，它变得更加重要，找到一个强大的程序处理层析成像数据，以获得高质量的重建图像。虽然有几种现有的技术，它似乎有助于有一个更自动化的方法来消除可能的错误，阻碍更清晰的图像重建。在这里，我们提出了一种替代方法和新的算法使用正弦图和固定点。引入了衰减中心（CA）的新物理概念，研究了如何将此不动点应用于图像重建，并对误差进行了进一步分类。我们的技术在恢复具有平移和垂直倾斜误差的图像方面表现出了良好的性能。
2016-05-26 physics.med-ph physics.optics
SANTIS: Sampling-Augmented Neural neTwork with Incoherent Structure for MR image reconstruction
University of Wisconsin-Madison（威斯康星大学麦迪逊分校）；Southwest Hospital（西南医院）；Memorial Sloan Kettering Cancer Center（纪念斯隆凯特琳癌症中心）
深度学习在欠采样磁共振成像（MRI）数据的重建方面前景广阔，为提升快速MRI的性能提供了新的机会。在现有的基于深度学习的重建方法中，使用无伪影的参考图像及其对应的欠采样对来执行监督训练。在训练过程中，采用固定的欠采样模式生成欠采样图像，然后将训练好的网络应用于重构推理过程中采用相同模式获取的新图像。虽然这样的训练策略可以针对预先选择的欠采样模式保持有利的重构，但是经训练的网络针对欠采样方案的任何差异的鲁棒性通常很差。我们开发了一种新的基于深度学习的重建框架，称为SANTIS，用于高效的MR图像重建，并提高了对采样模式差异的鲁棒性。SANTIS使用数据周期一致的对抗网络，结合高效的端到端卷积神经网络映射、数据保真度增强和对抗训练，更忠实地重建加速MR图像。为了提高网络的鲁棒性，还引入了一种训练策略，该策略采用采样增强和欠采样模式的广泛变化。与传统重建和标准深度学习方法相比，SANTIS实现了一致的更好重建性能，具有更低的误差，更高的图像清晰度和更高的参考相似性，无论推理过程中的欠采样模式如何。SANTIS背后的这个新概念对于提高基于深度学习的图像重建对训练和评估之间差异的鲁棒性特别有用，这是目前一个重要但研究较少的开放问题。
2018-12-08 cs.CV eess.IV physics.med-ph
SPULTRA: Low-Dose CT Image Reconstruction with Joint Statistical and Learned Image Models
低剂量CT图像重建是近年来的研究热点。一种典型的重建方法是基于后日志测量被称为惩罚加权最小二乘（PWLS）。由于对数后统计模型的潜在局限性，PWLS重建质量在低剂量扫描中通常会降低。本文研究了一种基于移位泊松（SP）模型的似然函数，该函数使用前对数原始测量值，更好地表示测量统计数据，以及数据驱动的正则化器，利用学习TRAnsforms联盟（SPULTRA）。SP诱导的数据保真度项和所提出的框架中的正则化是非凸的。建议SPULTRA算法使用二次代理函数的SP诱导的数据保真度项。每次迭代都涉及一个更新图像的二次子问题，以及一个具有封闭形式解的稀疏编码和聚类子问题。SPULTRA算法的每次迭代计算成本与最近使用日志后测量的PWLS-ULTRA算法相似，并且SPULTRA算法提供了比PWLS-ULTRA更好的图像重建质量，尤其是在低剂量扫描中。
2019-08-12 eess.IV eess.SP math.OC
