目的：研究心肌灌注顯像（MPI）經CT衰減校正（CTAC）后偽影的產生及其對臨床診斷的影響。方法：回顧性分析按Bayesian理論，冠心病患病率＜5%的48例受檢者所行的72例次MPI（負荷41例次，靜息31例次），圖像在未行CTAC時顯示正常者進行研究。將左心室心肌劃分為20個節段，半定量分析（0分=放射性分布正常；1分=放射性分布輕度減低；2分=放射性分布中度降低；3分=放射性分布重度減低；4分=放射性分布缺損）各心肌節段在CTAC后放射性分布變化情況。結果：72例次MPI中，16例次（22.2%）的75個心肌節段（均在左心室心尖、前壁、前間壁區域）在CTAC后出現了放射性分布不同程度的減低。75個受累節段中分別有51、21和3個節段評分增加了1、2和3分，平均每個心肌節段評分增加了1.3分。41例次負荷MPI和31例次靜息MPI中，分別有9例次（21.9%）的39個心肌節段、7例次（22.6%）的36個心肌節段在CTAC后出現了放射性分布減低，負荷與靜息MPI相比，CTAC后發生心肌節段放射性分布減低的概率（χ2＝2.84，P＞0.05）與程度（u＝0.54，P＞0.05）均無顯著統計學差異。10例負荷/靜息MPI都滿足納入標準而納入研究者中，4例的負荷/靜息MPI在CTAC后，出現了相同部位（尖前壁、尖下壁）、相同程度（評分均增加了2分）的灌注降低；3例出現了同一部位，但不同程度的灌注減低；另有3例出現了不同部位心肌節段的灌注減低。CTAC后出現心肌節段灌注減低者與未出現者相比年齡、性別構成無統計學差異。結論：分析SPECT/CT心肌灌注圖像時，應同時分析CTAC前后的灌注圖像。對于只在CTAC后出現的灌注缺損，需要考慮可能存在CT與SPECT圖像配位不準。
目的探討冠狀動脈凍結技術（SSF）在改善較高心率患者64層螺旋CT冠狀動脈圖像質量中的應用價值。 方法回顧性分析2013年8月－2014年2月行CT成像檢查過程中平均心率≥70 次/min的患者98例，排除其中有呼吸運動偽影者38例，最后納入60例患者的冠狀動脈圖像進入分析研究，分析其標準重建圖像及基于SSF平臺的運動校正后圖像。將圖像質量分為4級，按美國心臟協會冠狀動脈分段標準評價冠狀動脈各個節段以及各冠狀動脈分支圖像質量，比較運動校正前后冠狀動脈各分支及各節段出現偽影數及圖像質量評分的差異。 結果共評價180支血管，795個冠狀動脈節段。運動校正前共有133支（73.89%）血管，287個（36.10%）節段出現運動偽影，運動校正后共有89支（49.44%）血管，150個（18.87%）節段出現運動偽影（P＜0.05）；右冠狀動脈出現運動偽影的比率高于左前降支及左旋支，分別是91.67%（55/60）、60.00%（36/60）、70.00%（42/60），運動校正前評分也低于左前降支及左旋支，分別是（3.32±0.40）、（3.69±0.42）、（3.44±0.55）分，特別是右冠狀動脈的S2段，校正前出現偽影的比率是90.00%（54/60），圖像質量評分為（2.45±0.85）分。經運動校正后冠狀動脈各節段及各分支出現偽影數均較前減少，圖像質量評分也高于運動校正前，特別是右冠狀動脈及其各節段圖像質量改善明顯（P＜0.05）。 結論SSF在改善較高心率下冠狀動脈圖像質量中有價值，特別是對右冠狀動脈，圖像質量有明顯提高。
針對傳感器非線性校正存在的不足,提出了基于免疫遺傳算法(IGA)的傳感器非線性校正。該算法是在遺傳算法的基礎上引入生物免疫機制,克服了遺傳算法精度差、收斂速度慢和"早熟"等問題。計算機仿真表明,該算法不僅能夠有效保持種群的多樣性,而且收斂速度、精度和穩定性都有了明顯提高。實驗結果表明了該方法的正確性和有效性。
在患者胸部正電子發射成像(PET)過程中,呼吸運動會造成成像質量下降。本文使用三層網格B-樣條彈性配準的方法修正重組和降噪后的正弦圖來進行呼吸運動校正。使用GATE仿真NCAT呼吸運動體模數據進行實驗,結果顯示圖像質量得到了很大地提高,運動偽影和結構信息得到了修復,表明本文的方法是有效的。
子宮肌瘤超聲造影圖像中的血管灌注分布提供了有用的病理和生理信息,提取出血管灌注區域有助于量化評價子宮肌瘤的血供情況。血管灌注區域像素灰度變化有別于其它區域,本文因此提出一種提取肌瘤中血管灌注區域的方法。首先對圖像序列進行去噪處理,接著采用Brox光流法對相鄰兩幀圖像進行運動估計,根據得出的位移場作warp運動校正,最后根據超聲造影圖像序列中富血供區域與乏血供區域圖像信號的差異,從周圍背景中提取出血管灌注區域。實驗結果表明,本文算法能精確地提取出血管灌注區域,可達到臨床對灌注區域識別的精度,且計算量小,實現簡單。
為獲得大視野高分辨率腎小球圖像, 需對多個小視野高分辨率圖像進行拼接。由于灰度不均勻和幾何形變兩種畸變的影響, 導致圖像拼接的效果不理想, 對病理診斷難以起到實質性的協助, 為此本文提出了腎小球透射電鏡(TEM)圖像的灰度與形變校正方法。本文首先描述了兩種畸變對圖像的影響, 并根據TEM成像系統原理提出TEM圖像獲取模型和畸變校正模型, 其次根據該模型分別利用灰度不均勻校正和幾何形變校正的方法有效減小了兩種畸變的影響。實驗結果表明在拼接前用本文方法進行預處理后, 拼接效果明顯提升, 有效減少了由圖像畸變引起的條紋、模糊、偽影等。本文方法能有效解決腎小球TEM圖像的畸變問題, 有助于提高多個腎小球TEM圖像的拼接效果。
Meta分析中一個較重要的問題是偏倚，它也是導致異質性的原因。當研究存在異質性時，傳統Meta分析通常使用基于倒方差法的隨機效應模型對結果進行合并。盡管隨機效應模型使用基于瞬時估算的量τ2表示研究真實值間偏離程度，以此獲得更“保守”的合并結果。然而這種方式并未對偏倚對每項研究結果的影響進行考慮，且存在低估標準誤的風險，導致合并結果同樣存在偏倚。Doi等提出一種新的加權模型，QE法，能夠很好地解決上述問題。本文對QE加權模型及其軟件的實現進行詳細介紹，并將QE加權模型法與隨機效應模型結果以一示例進行對比。
一體化 TOF-PET/MR 是獲得高精度正電子斷層掃描（PET）圖像同時一并獲得磁共振（MR）圖像的多模態成像設備，具備飛行時間（TOF）功能。其中 PET 系統利用了正電子湮滅產生的兩個方向 180° 的光子被探測器接收的時間差，來縮小響應線上湮滅發生位置的范圍。由于每個探測晶體自身硬件條件不同和外部噪聲影響，不同晶體的時間偏移不同，所以需要對一體化 TOF-PET/MR 進行精確的時間校正來使得系統正常工作。我們采取三種不同原理的方法對系統進行時間校正，第一種為利用幾何方法構建扇形束模型，來擬合時間偏移的高斯分布，從而求晶體時間偏差的迭代方法，簡稱扇形束法；第二種為構建超定方程組的解，并利用 L1 范數最小化求解的方法，簡稱 L1-norm 法；第三種利用大量數據構建直方圖，擬合尋峰后的結果構成超定方程組，利用 L2 范數最小化進行求解，簡稱 L2-norm 法。本文對這三種方法所需數據量和計算時間進行了比較，對時間校正后系統重建圖像進行了分析。為了減小采集數據時放射源位置偏移對校正結果的干擾，我們設計了位置校正算法對采集數據進行預處理，該算法能直接計算出筒源擺放位置，并減少因為偏心產生的圖像偽影。實驗結果證明，L2-norm 法噪聲比較小，但是計算速度慢；L1-norm 法擁有最快的計算速度，但是圖像質量較差；扇形束法較其他兩種方法擁有更高的圖像質量，尤其是對于微小病灶的探查能力更強，因此在一體化 TOF-PET/MR 中使用扇形束法進行時間校正最佳。
光聲成像（PAI）技術是一種發展迅速的新型復合生物醫學成像技術，可實現組織的結構成像和功能成像。在對活體的成像中，目標的呼吸、心跳或眼球轉動等可導致重建圖像中出現運動偽影，降低成像分辨率，增加獲得高質量光聲圖像的難度。本文分別對光聲顯微成像（PAM）和光聲層析成像（PAT）中校正運動偽影的方法進行歸納和總結，討論不同方法的優勢和不足，展望未來可能的發展方向。
本文介紹校正協變量的ROC曲線的原理、相對優勢、應用場景及R軟件實現方法。相較于傳統的單變量ROC曲線，校正協變量的ROC曲線具有明顯的方法學優勢和更廣闊的應用場景，能幫助更科學地評價標志物預測分類結局指標的能力，應在實踐研究中推廣應用。