提出三維凸集投影(3D POCS)算法,用于實現三維肺部CT圖像的超分辨率重建;并采用多分辨率混合顯示方式實現肺結節的三維可視化。首先,構建多個有亞像素級位移的低分辨率三維圖像,并生成參考圖像;其次,利用三維運動估計方法,將低分辨率圖像映射到高分辨率參考圖像上;利用一致性約束凸集對三維參考圖像進行修正,迭代重建出高分辨率三維圖像;最后,混合顯示不同分辨率下繪制的圖像。實驗選取5組圖集做性能評價,并與3種插值方法進行比較。主客觀兩方面的評價顯示,3D POCS算法實現三維圖像的超分辨率重建性能優于其他方法;混合顯示方式能夠滿足肺結節的高分辨率三維可視化的需要。
肺部四維計算機斷層掃描（4D-CT）能引導精確放療，然而出于對患者安全性的考慮，4D-CT 掃描間距不能太小，以至于圖像的上下層間分辨率過低，因此圖像冠、矢狀面需要插值才能得到高分辨率圖像。本文提出了一種基于多模型高斯過程回歸的超分辨率重建技術，該方法利用高分辨率的橫截面及對應的低分辨率圖像作為訓練集，通過構造多個高斯過程回歸模型，預測出冠、矢狀面的高分辨率像素點。實驗結果表明，本文方法在邊緣及細節的恢復上都優于雙三次插值、凸集投影算法、稀疏表達方法、多相位相似的方法和基于自學習分塊的高斯過程回歸方法。研究結果表明，本文方法能有效提高肺部 4D-CT 圖像的質量，對實現肺部腫瘤精確的個體化放療有積極意義。
高分辨率磁共振成像（MRI）和計算機斷層掃描（CT）影像能夠提供更清晰的人體解剖細節，有助于疾病的早期診斷。但是，由于成像系統、成像環境和人為等因素限制，清晰的高分辨率圖像難于獲得。本文提出一種非下采樣剪切波變換域（NSST）多尺度信息蒸餾（MSID）網絡的醫學影像超分辨率重建方法（即NSST-MSID網絡）。首先，提出一種MSID網絡，主要由多個級聯的MSID塊構成，充分探取圖像的多尺度特征，有效恢復低分辨率圖像至高分辨率圖像。此外，由于現有方法往往在空間域預測高分辨率圖像，使得輸出過于平滑且丟失了紋理細節，因此將醫學圖像的超分辨率問題描述為NSST系數的預測問題，使得MSID網絡比空間域保持更豐富的結構細節。最后，在建立的醫學影像數據集上對提出的方法進行性能評價。實驗結果表明，與其他現有杰出的方法相比，NSST-MSID網絡可以得到較優的峰值信噪比（PSNR）、結構相似性（SSIM）及均方根誤差（RMSE）值，更好地保留了局部紋理細節與全局拓撲結構，實現了不錯的醫學影像重建效果。