肺4D-CT在肺癌放射治疗中发挥着重要的作用,但肺4D-CT数据层间的分辨率低,导致每个相位3D数据的肺冠矢状面均为低分辨率图像。本研究提出一种基于运动估计的超分辨率重建技术,以提高3D数据的冠矢状面图像分辨率。首先,分析图像退化模型...肺4D-CT在肺癌放射治疗中发挥着重要的作用,但肺4D-CT数据层间的分辨率低,导致每个相位3D数据的肺冠矢状面均为低分辨率图像。本研究提出一种基于运动估计的超分辨率重建技术,以提高3D数据的冠矢状面图像分辨率。首先,分析图像退化模型;然后,采用基于完全搜索块匹配的运动估计法,估计出不同"帧"肺冠矢状面图像之间的运动场;最后,以此运动场为基础,采用迭代反投影法(IBP),重建高分辨率的肺部冠矢状面图像。使用一个公共可用的数据集来评价所提出的算法,该数据集由10组肺4D-CT数据组成,每组数据包含10个相位。在每组图像中,选取不同相位的冠矢状面图像进行实验。结果表明,与传统的插值方法(如最近邻插值、双线性插值法)相比,图像边缘宽度均显著降低(最近邻插值9.93±0.59,双线性插值8.04±0.69,新算法5.41±0.60,P<0.001);较双线性插值,图像平均梯度显著提高(5.41±0.59 vs 7.49±0.75,P<0.001),新方法不仅能获得视觉上清晰的图像,而且量化评价指标也有明显提高。主观和客观实验结果表明,所提出的新方法能有效提高肺4D-CT冠矢状面图像的分辨率。展开更多
文摘肺4D-CT在肺癌放射治疗中发挥着重要的作用,但肺4D-CT数据层间的分辨率低,导致每个相位3D数据的肺冠矢状面均为低分辨率图像。本研究提出一种基于运动估计的超分辨率重建技术,以提高3D数据的冠矢状面图像分辨率。首先,分析图像退化模型;然后,采用基于完全搜索块匹配的运动估计法,估计出不同"帧"肺冠矢状面图像之间的运动场;最后,以此运动场为基础,采用迭代反投影法(IBP),重建高分辨率的肺部冠矢状面图像。使用一个公共可用的数据集来评价所提出的算法,该数据集由10组肺4D-CT数据组成,每组数据包含10个相位。在每组图像中,选取不同相位的冠矢状面图像进行实验。结果表明,与传统的插值方法(如最近邻插值、双线性插值法)相比,图像边缘宽度均显著降低(最近邻插值9.93±0.59,双线性插值8.04±0.69,新算法5.41±0.60,P<0.001);较双线性插值,图像平均梯度显著提高(5.41±0.59 vs 7.49±0.75,P<0.001),新方法不仅能获得视觉上清晰的图像,而且量化评价指标也有明显提高。主观和客观实验结果表明,所提出的新方法能有效提高肺4D-CT冠矢状面图像的分辨率。
