《【基金標書】2010CB732500-現(xiàn)代醫(yī)學成像與高維圖像分析關鍵科學問題研究》由會員分享，可在線閱讀，更多相關《【基金標書】2010CB732500-現(xiàn)代醫(yī)學成像與高維圖像分析關鍵科學問題研究（17頁珍藏版）》請在裝配圖網(wǎng)上搜索。

項目名稱： 現(xiàn)代醫(yī)學成像與高維圖像分析關鍵科學問題研究首席科學家： 陳武凡 南方醫(yī)科大學起止年限： 2010 年 1 月-2014 年 8 月依托部門： 廣東省科技廳一、研究內(nèi)容本項目全部課題以先驗統(tǒng)計模型理論與線性、非線性優(yōu)化理論為基礎，針對醫(yī)學成像與圖像分析中的具體問題展開研究，以求在理論與方法上有新的突破。其有待解決的關鍵科學問題如下：(1). 病態(tài)反問題的先驗統(tǒng)計模型及非線性優(yōu)化從醫(yī)學圖像信息的特點出發(fā)，針對具體的病態(tài)反問題、線性與非線性病態(tài)方程求解問題，探討其解的存在性與穩(wěn)定性，及相應的先驗統(tǒng)計模型，并對模型參數(shù)的性質與估計方法建立理論分析框架；基于新理論的各類醫(yī)學成像與圖像分析算法的收斂性問題、是否全局最優(yōu)解及收斂速度的相關理論證明問題，以確保算法的精確性與實時性；同時解決醫(yī)學成像中的關鍵應用性問題，重點是圖像的高分辨率重建模型、少量數(shù)據(jù)快速優(yōu)質重建模型、噪聲與偽影消除模型等，旨在 為臨床提供高質量的醫(yī)學圖像。(2). 三大成像科學中的優(yōu)質快速與低劑量問題成像的質量、速度及應用的可靠性是考量醫(yī)學影像設備性能的核心指標。關于 MRI 成像，關鍵問題 是保證一定圖像質量的前提下盡可能提高成像速度，主要解決途徑為采用高切 換率梯度線圈和多個射頻接收線圈進行數(shù)據(jù)的并行采集與提出少量成像數(shù)據(jù)下的優(yōu)化重建算法；關于 CT 成像，關鍵問題是在保證一定圖像質量的前提下盡可能降低放射劑量，主要解決途徑依賴于低劑量下噪聲模型的建立，高 質量統(tǒng)計優(yōu)化算法的設計以及偽影消除方法的研究；關于 PET 成像，關鍵問題 是如何提升成像的分辨率與 獲得準確的具有生理意義相關參數(shù)，主要依 賴于基于先驗知識的動態(tài)圖像優(yōu)質重建算法。(3). 臨床高維多模態(tài)圖像分析與智能識別問題真三維和準四維的多模態(tài)醫(yī)學圖像建模方法問題，解決從高維圖像中分割重要臟器，并動態(tài)定量分析其功能的問題；高維多模態(tài)醫(yī)學圖像的術中快速魯棒配準和實時融合顯示問題；外科手術導航系統(tǒng)中的真三維虛擬現(xiàn)實增強問題，高 維多模態(tài)醫(yī)學圖 像在臨床的應用效果與效率問題；基于多核計算的高維多模態(tài)醫(yī)學影像數(shù)據(jù)的快速可視化方法，設計新型敏捷的可視分析用戶界面。有效獲取正常組織 和病灶的先驗統(tǒng)計參數(shù)和模糊特征矢量作為檢索依據(jù)，從圖像特征空間如結 構、 紋理和形狀等中發(fā)現(xiàn)語義結構，建立低 層特征空間到高層語義空間的映射函數(shù)，進行模糊語義空間層次上的圖像檢索。本項目針對上述醫(yī)學成像與圖像分析中關鍵科學問題，從模糊隨機理論與優(yōu)化理論研究出發(fā)，研究具體醫(yī)學成像與圖像分析問題中的數(shù)學模型與相關快速收斂算法，從而既有助于臨床更有效地綜合利用現(xiàn)有高維多模態(tài)圖像信息，又能形成多項發(fā)明專 利， 為自主生產(chǎn)大型醫(yī)療設備提供有力的技術支持，以滿足我國相關產(chǎn)業(yè)發(fā)展的重大需求。下面分 層次具體列出其研究內(nèi)容。(1). 先驗統(tǒng)計模型與非線性優(yōu)化首先本項目以模糊隨機理論與優(yōu)化理論為基礎，建立先驗統(tǒng)計模型的新理論，對 新理論中的關鍵問題 提出有效解決辦法。主要內(nèi)容包括：? 研究建立有效的先驗統(tǒng)計模型，新模型的構建將突破傳統(tǒng)先驗模型中僅有局部特征信息而無統(tǒng)計信息的局限，建立非局部的先驗信息模型，將非局部鄰域內(nèi)的統(tǒng)計信息與模糊性進行優(yōu)化耦合，為模型中的相關多參數(shù)設計提供更為有力的信源支持；? 研究先驗統(tǒng)計模型與高效優(yōu)化算法的耦合，建立由先驗統(tǒng)計模型導引的新的非線性優(yōu)化算法，旨在解決相關優(yōu)化算法中的瓶頸問題；? 研究先驗統(tǒng)計模型中全局多參數(shù)的自適應非線性估計，實現(xiàn)信息的高效魯棒性處理；? 研究針對醫(yī)學成像與醫(yī)學圖像分析的先驗統(tǒng)計模型的最優(yōu)解的快速收斂算法，以實現(xiàn)醫(yī)學信息的優(yōu)質處理；? 針對新模型中解的存在性與穩(wěn)定性等理論進行探討與分析；? 泛化與凝練前沿科學問題，并建立復雜環(huán)境下優(yōu)化問題的一般理論和方法。對上述問題的分析和解決，為后續(xù)的各項技術研究提供強大的理論支持，是本項目研究的創(chuàng)新性和領先性的重要保證。(2). 優(yōu)質快速安全的醫(yī)學成像臨床醫(yī)學對成像的精度與實時性要求高，同時要求盡可能降低對人的損害程度，故如何快速精確的獲得臨床所需醫(yī)學圖像需要投入大量的研究，同時可以為臨床診斷與計算機輔助分析提供高質量的圖像信息。本項目中相關研究如下：? 優(yōu)質的 PET 成像 深入分析 PET 成像系統(tǒng)的不確定性和測量噪聲對圖像的影響，借助 Monte Carlo 模擬， 優(yōu)化重建條件；研究低 計數(shù)率、高 時間分辨下的放射性濃度魯棒重構算法；研究準確可靠的動力學參數(shù)圖像的重建理論與方法；研究從發(fā)射測量數(shù)據(jù)中，同時估計衰減系數(shù)與放射性濃度的理論與方法；研究放射性濃度與動力學參數(shù)聯(lián)合估計理論與方法；探索加速收斂減小計算復雜度的快速重建算法；? 快速的 MRI 成像 重點研究在保證成像質量基本不降的前提下 縮短 MRI成像時間的方法，研究并行 MRI 成像中的電磁場計算、陣列線圈設計、敏感度估計與優(yōu)質重建算法，主要包括線圈陣列設計中電磁場計算中的先驗約束模型與非線性優(yōu)化理論、解決線圈單元間的去偶合、實現(xiàn)線圈共振頻率的自調諧，同時將計算得到的電磁場先驗知識引入敏感度分布的估計以提高估計精度；研發(fā)高切換率的梯度線圈及其渦流補償計算方法；結合具體的臨床 3D 成像應用研究隨機稀疏降采 樣情況下重建中的1 范數(shù)約束模型與快速非線性優(yōu)化算法，提高少量數(shù)據(jù) MRI 的成像質量；綜合利用并行采集與稀疏采樣的思想，結合快速成像序列設計（如全穩(wěn)態(tài)成像、螺旋采集等）與其他提高成像質量的方法（如脂肪抑制、非剛性運動偽影消除、Ghost 偽影消除、磁敏感不均勻性校正等），為臨床提供優(yōu)質快速 MRI 成像解決方案；? 安全的 CT 成像 完成低劑量 CT 投影數(shù)據(jù)的隨機 統(tǒng)計特征分析，建立低劑量條件下投影數(shù)據(jù)的噪聲統(tǒng)計量模型，根據(jù)噪聲模型和具體成像特點設計投影空間噪聲抑制方案；在采用解析重建算法中，重點研究各階段間隨機統(tǒng)計噪聲特征及其傳播方式、研究低劑量條件下重建后圖像的噪聲統(tǒng)計量模型，及基于該模型的多種偽影消除方法；在采用統(tǒng)計迭代重建算法中，開展相關基于先驗統(tǒng)計模型的 CT 迭代重建研究，并應用于多光譜低劑量三維錐形束 CT 的快速重建。(3). 高維醫(yī)學圖像分析與建模醫(yī)學影像設備的成像模式、速度和分辨率快速發(fā)展，使得對人體器官的功能和生理過程的精確、定量 評估成為可能。真三 維 和準四維醫(yī)學圖像給傳統(tǒng)可視化理論和方法帶來巨大挑戰(zhàn)，該部分研究主要包括：? 針對高維圖像的特點，深入研究廣義模糊 Gibbs 隨機場模型在不同模態(tài)圖像中的建模理論，建立了適合高維多模態(tài)醫(yī)學圖像的廣義模糊優(yōu)化模型，并在此基礎上研究新型醫(yī)學圖像分割、配準和可視化方法；研究高維多模態(tài)醫(yī)學圖像在臨床診斷、治療中的應用效果與效率評估；? 針對四維(3D+T)心血管圖像， 優(yōu)化完善包括心室形態(tài)、心肌應變應力、心臟組織材料特性等心血管診斷關鍵參數(shù)的魯棒計算方法；深入研究多模態(tài)動態(tài)心臟影像配準算法和可視化方法；? 深入研究大尺寸、動態(tài)、高 維醫(yī)學數(shù)據(jù)可視化的多核加速算法，設計革新的基于草圖的用戶操作界面，著重解決多模態(tài)信息的精確融合、基于統(tǒng)計學習的信息提煉和表意性可視化等關鍵難題。? 研究基于 GPU 的體數(shù)據(jù)渲染、分割和配準方法；研究 臨床環(huán)境下三維視野的精確定位方法以及交互手段、海量數(shù)據(jù)的三維可視化方法以及多模態(tài)數(shù)據(jù)的真三維融合顯示系統(tǒng)。(4). 病灶智能識別與模態(tài)映射大多數(shù)疾病在不同模態(tài)下均有顯像，因此利用 CBIR 系統(tǒng)實現(xiàn)病灶的智能識別與模態(tài)特征過渡具重要意義，也是一項開創(chuàng)性工作，其研究包括：? 利用機器學習實現(xiàn)人體不同部位共約十萬個病例的影像資料與正?；蚱渌钦ＹY料的自動標記和分類，構建醫(yī)學圖像數(shù)據(jù)庫;? 針對人體不同器官的正常組織與病灶特性，設計不同的特征描述算子和分類方法；對每個特征賦予模糊隸屬度和關聯(lián)反饋屬性參數(shù)，保證大范圍搜索的有效性與高的檢出率;? 利用流形子空間方法對圖像特征進行降維，有效降低檢索所需的時間復雜度；為了解決當前圖像檢索系統(tǒng)在語義層次上的局限性，建立模糊語義空間，并進行模糊語義空間層次上的圖像檢索; ? 由于病灶的復雜性，不能做到精確匹配，所以我們提出模糊相似測度的概念和相關運算規(guī)則，使得有足夠的冗余度保證高的查全率;? 大多數(shù)疾病在不同模態(tài)下均有顯像，因此如何實現(xiàn)模態(tài)特征過渡具重要意義也是一項開創(chuàng)性工作，我們提出多模態(tài)特征映射基本框架, 求出不同模態(tài)下圖像的映射關系式。本項目的研究內(nèi)容涵蓋了模糊隨機基礎先驗理論與非線性優(yōu)化理論的基礎創(chuàng)新部分，同時它又包含了 針對醫(yī)學成像、 圖像分析與檢索中的關鍵科學問題展開的應用基礎研究部分，所提基礎理論研究部分可以為各應用基礎研究方向提供理論與方法上的支持，使得各具體應用研究間的方法可以相互支撐，促進項目的總體進展。二、預期目標本項目的總體目標： 本項目在理、工、醫(yī)結合的基礎上，通過在先驗統(tǒng)計 模型與優(yōu)化算法基礎研究領域上的源創(chuàng)新，致力于解決當前醫(yī)學成像與高維多模態(tài)圖像分析中亟需的關鍵難題，其成功實施將 為我國自主研制大型影像設備與圖像分析軟件提供理論與技術支撐；所形成的醫(yī)學成像與圖像分析的新技術新方法，還能為其它類型的信息處理提供理論與方法指導；同時，要培養(yǎng)出一批高素質的理工醫(yī)結合的研究人才，建立起一支高水平的醫(yī)學成像與圖像分析領域研究團隊。五年預期目標: 本項目將通過深入研究，在大型醫(yī)學影像設備（PET 、CT 與 MRI）的優(yōu)質成像、高維多模態(tài)圖像的綜 合分析與融合表達、基于內(nèi)容的醫(yī)學圖像檢索等方面提出全新的理論、方法與技 術：? 本項目通過對臨床醫(yī)學成像與圖像分析中先驗統(tǒng)計模型與非線性優(yōu)化求解方法的創(chuàng)新性基礎研究，為快速 MRI 成像、低劑量 CT 成像、 動態(tài) PET成像、高維多模態(tài)圖像分析等建立起較完整系統(tǒng)的理論基石與方法框架；? 本項目將獲得術中低劑量條件下 CT 成像中數(shù)據(jù)的 統(tǒng)計特性規(guī)律及噪聲傳播機制，并建立精確的數(shù)據(jù)校正與圖像重建算法，繼而減少成像中噪聲與偽影（如金屬偽影、運動偽影等）的干擾；? 本項目在保證成像質量為臨床能接受的前提下，綜合并行成像與稀疏采樣重建算法將二維 MRI 成像時間縮短為現(xiàn)有方法的 1/3 到 1/4，三維 MRI 與動態(tài) MRI 成像時間縮短為現(xiàn)有方法的 1/5 到 1/10；? 本項目顯著降低 PET 系統(tǒng)噪聲對動力學參數(shù)估 計的影響，與傳統(tǒng)的間接參數(shù)估計方法相比，將動力學參數(shù)空間分布圖像信噪比提高 30-40%；? 本項目建立大型高維多模態(tài)醫(yī)學影像數(shù)據(jù)庫，以此為基礎實現(xiàn)基于先驗模型指導的自動、魯棒和精確的三維動態(tài)圖像分析和量化功能參數(shù)估計，實現(xiàn)術中、實時多模態(tài)醫(yī)學配準與適合高維圖像的自適應可視化方法；實現(xiàn)基于各種模態(tài)間的模糊映射與腫瘤、出血等常見疾病的智能識別，為臨床影像學診斷提供重要輔助作用的醫(yī)用 CBIR 系統(tǒng)。? 本項目的實施過程中，要培養(yǎng)出一批學術水平高、研究活力強的學術帶頭人與中青年學術骨干（將培育國家杰出青年基金獲得者 6 名左右，培養(yǎng)博士研究生 90 名左右，碩士生 120 名左右），形成一支專門從事醫(yī)學成像與圖像分析處理研究的高素質人才隊伍，推動我國在醫(yī)學成像與圖像分析領域的研究更快更好地發(fā)展；? 通過本項目的研究，將建立我國第一個“現(xiàn)代數(shù)字化醫(yī)學成像與 圖像分析基礎研究基地” ，以便為國內(nèi)相關高校、研究機構與相關 產(chǎn)業(yè)之間的長期穩(wěn)定合作與國際合作研究創(chuàng)造優(yōu)越條件；? 本項目研究成果體現(xiàn)為：發(fā)表 300 篇論文（其中國際一流刊物和國際權威學術會議發(fā)表約 200 篇），申報約 25 項發(fā)明專利（其中被采用或轉讓發(fā)明專利 8 項），獲計算機軟件版權 3 項，并出版 專著兩部。三、研究方案1）學術思路： ? 以前一期國家 973 計劃項目 “重要臨床醫(yī)學信息處理的關鍵科學問題研究” (2003-2008)提出的模糊隨機模型理論為 基礎， 進一步深入研究先驗統(tǒng)計新理論及其各類非線性最優(yōu)化算法；? 以先驗統(tǒng)計模型理論和本項目組主要先行研究為基礎，提出具體的醫(yī)學成像和圖像分析先驗統(tǒng)計模型及其最優(yōu)化方法，如低劑量 CT快速成像、優(yōu)質快速的 PET 成像和動力學參數(shù)估計 、少量數(shù)據(jù) MRI成像、高維多模態(tài)圖像分析以及醫(yī)學圖像檢索等；? 以本項目組主要成員的先行研究為基礎，建立低劑量 CT 投影數(shù)據(jù)的模糊統(tǒng)計特征模型；研究低劑量 CT 成像中各階段隨機 統(tǒng)計噪聲特征及其傳播機制，建立低劑量 CT 成像中數(shù)據(jù)處理與 優(yōu)質成像新理論；研究低劑量 CT 圖像偽影消除新方法；? 以本項目組主要成員的先行研究為基礎，主要針對 CT、PET、MRI成像，在先驗統(tǒng)計、正則化準則和優(yōu)化求解方法方面開展深入的研究，以求取得具有原創(chuàng)性的功能圖像重建算法及系統(tǒng)；? 以本項目組先行研究為基礎，提出高維多模態(tài)圖像和解剖結構的概率模型；研究快速魯棒的多模態(tài)動態(tài)高維圖像數(shù)據(jù)分割與配準算法；提出包括心肌應變應力、材料特性等診斷關鍵參數(shù)的自適應估計新算法，完善三維可視化方法與混合現(xiàn)實增強技術，使其真正應用于臨床診斷、術前規(guī)劃與外科手術導航。? 以本項目組主要成員的先行研究為基礎，主要針對相關反饋方法，在模糊語義空間層次上的圖像檢索開展深入的研究，以求取得具有原創(chuàng)性的 CBIR 算法及系統(tǒng)。2）技術途徑： ? 研究醫(yī)學成像和醫(yī)學信息處理中的各類反問題及其優(yōu)化求解中的各階段數(shù)據(jù)(如變換域) 的模糊隨機及統(tǒng)計性質，研究其對問題求解的影響，為有關醫(yī)學成像和醫(yī)學信息處理中的關鍵科學問題解決作基礎準備。? 在全部研究工作中，將優(yōu)先解決先驗統(tǒng)計模型理論建立問題，為醫(yī)學成像和醫(yī)學信息處理模型的構建提供統(tǒng)一的框架，為具體反問題的最優(yōu)化求解提供理論支撐，也是解決其他關鍵算法的先行條件。? 在全部最優(yōu)化方法中，將以本項目提出的自適應先驗統(tǒng)計正則化研究方法為基礎，研究醫(yī)學成像和醫(yī)學圖像分析中穩(wěn)健的快速全局最優(yōu)化算法，并將其思想方法、論證方式推廣至其他最優(yōu)化方法中去。? 以先驗統(tǒng)計優(yōu)化理論和最優(yōu)化理論為基礎，研究高維多模態(tài)醫(yī)學圖像的建模和優(yōu)化方法，并將其延伸到各種模態(tài)的醫(yī)學圖像分割、配準與運動估計中。針對心血管影像，提出完備和實用的生理過程的自動、精確和定量評估方法。? 研究高維醫(yī)學影像數(shù)據(jù)的表意性可視化與敏捷交互方法，并采用可編程圖形硬件和并行計算加速分析處理過程。針對外科手術導航中的實時交互和精確定位的需求，完善虛擬增強現(xiàn)實和真三維體顯示方法。? 在模糊特征的智能識別與模態(tài)映射問題研究中，將利用譜圖分析法和正則化參數(shù)自適應修改的回歸模型，建立低層特征空間到高層模糊語義空間的映射函數(shù)。模 糊 性 質 分 析 醫(yī) 學 信 息 數(shù) 據(jù) 庫 MR重建模 糊 吉 波 斯統(tǒng) 計 理 論統(tǒng) 計 性 質 分 析隨 機 性 質 分 析 知 識 工 程 反 問 題 的 建 立CT重建 PE重建各 類 優(yōu) 化 算 法圖 像 分 割 圖 像 配 準 智 能 識 別 電 磁 計 算CBIR圖 像 檢 索 高 效 射 頻 線 圈產(chǎn) 業(yè) 與 臨 床 測 試高 維 多 模 態(tài) 圖 像 分 析本項目技術路線圖3) 創(chuàng)新點與特色： ? 本項目將創(chuàng)建一個全新的臨床醫(yī)學成像和醫(yī)學圖像分析中的先驗統(tǒng)計理論體系，結合現(xiàn)代優(yōu)化理論，提出各 類具體病態(tài)反問題的魯棒非線性求解方法；? 本項目將揭示 CT 成像中的數(shù)據(jù)統(tǒng)計特性及其 傳播機制，建立低劑量 CT 的數(shù)據(jù)校正、圖像重建及 偽影抑制算法；? 建立基于先驗統(tǒng)計理論的 PET 重建與動力學參數(shù)估 計模型與面向臨床應用的動態(tài) PET 成像算法；? 為臨床提供基于多線圈并行采集與少量稀疏數(shù)據(jù)優(yōu)質重建的快速MRI 成像解決方案；? 本項目將建立適合高維多模態(tài)醫(yī)學圖像的分割、配準和可視化方法，提出高維多模態(tài)醫(yī)學影像數(shù)據(jù)的快速可視化與高效分析解決方案，提出高層模糊語義空間層次上圖像檢索，開創(chuàng)性地開展醫(yī)學圖像模糊特征的智能提取和識別，實現(xiàn)不同模態(tài)圖像間的映射。以上創(chuàng)新均以先行 937 項目研究成果為基礎，故屬于源創(chuàng)新，且構成完備創(chuàng)新體系。4）可行性分析： ? 本項目屬理、工、醫(yī)交叉學科研究，參研單位有多年的合作基礎，經(jīng)先行 973 計劃項目的成功合作，已形成一支以中青年為骨干的高水平的具有創(chuàng)新性的研究團隊，已具豐富的知識交叉與互滲經(jīng)驗，能營造優(yōu)良的合作研究氛圍。本項目是先行 973 計劃項目研究工作的深入和拓展，其全部新理論與新算法均以先行研究成果為堅實支撐，盡管難度大，但理論與技術上能夠實現(xiàn)；? 主要專家與骨干在醫(yī)學成像和醫(yī)學圖像處理，隨機過程理論、最優(yōu)化與臨床診斷等方面功底扎實，經(jīng)驗豐富， 對當前最新醫(yī)學信息處理算法的掌握全面深刻；? 南方醫(yī)科大學醫(yī)學圖像處理廣東省重點實驗室(原第一軍醫(yī)大學全軍重點實驗室)是全國唯一（省級）專門從事醫(yī)學圖像研究的學術機構；近年來，該室承擔國家、省、 軍隊重點項目與面上 項目 13 項，獲國家、軍隊、省部二等以上成果獎 11 項（含國家技術發(fā)明二等獎 1項，教育部國家科技成果提名技術發(fā)明一等獎 1 項，國家科技進步二等獎 1 項），發(fā)表國內(nèi)外高水平學術論文 320 多篇，出版專著二部，研究工作積累豐厚。本實驗室研制的功能化圖像歸檔與通信系統(tǒng)已安裝于多家大型醫(yī)院，為本項目的臨床實踐予以有力支持。另外，本實驗室的圖像數(shù)據(jù)庫已存儲了包括CT、MRI、fMRI、PET、SPECT、DSA、X 光、超聲等在內(nèi)的圖像數(shù)據(jù)幾十萬幀，為本項目開展提供了優(yōu)越的條件；? 其他參研單位均依托國內(nèi)一流的國家重點或部級重點實驗室（北京交通大學數(shù)學與應用數(shù)學教育部重點實驗室、電子科技大學生物醫(yī)學信息檢測與智能信息處理重點實驗室、浙江大學生物醫(yī)學工程教育部重點實驗室、浙江大學光學儀器國家重點實驗室、浙江大學計算機輔助設計與圖形學國家重點實驗室、東南大學法國國家健康與醫(yī)學研究院生物醫(yī)學信息國際聯(lián)合實驗室），研究實力與科研環(huán)境均處于國內(nèi)領先水平或國際先進水平，為本項目的順利實施鋪平了道路；? 原始數(shù)據(jù)與臨床數(shù)據(jù)來源有充分的保證，MRI 類數(shù)據(jù)、CT 數(shù)據(jù)、PET 數(shù)據(jù)分別由寧波鑫高益磁共振公司、沈陽東軟 醫(yī)療、GE 公司、西門子公司和日本濱松光子學株式會社提供；各類醫(yī)學圖像實驗數(shù)據(jù)分別由天津醫(yī)科大學總醫(yī)院、南方醫(yī)科大學第一附屬醫(yī)院、華西醫(yī)院與山西醫(yī)科大學第一附屬醫(yī)院提供。四、年度計劃研究內(nèi)容 預期目標第一年1. 充分調研國內(nèi)外最新進展，掌握關于現(xiàn)代醫(yī)學成像與高維多模態(tài)圖像分析的最新研究動態(tài)，啟動本項目研究2. 研究現(xiàn)代醫(yī)學成像（CT、MRI、PET）與高維醫(yī)學圖像分析中的先驗統(tǒng)計模型的構建，及反問題求解算法研究，利用臨床數(shù)據(jù)進行數(shù)值實驗3. 研究 CT 成像中的運動偽影消除與低劑量重建的有效約束模型4. 研究部分 K 空間數(shù)據(jù)的重建方法與射頻與梯度線圈電磁計算理論及設計方法5. 深入分析 PET 成像系統(tǒng)的不確定性與 PET 測量數(shù)據(jù)特性6. 研究適合高維醫(yī)學圖像的廣義模糊優(yōu)化模型與大尺寸、動態(tài)和高維醫(yī)學數(shù)據(jù)可視化的多核加速算法7. 收集大量典型臨床影像資料，設計、構建本項目的研究數(shù)據(jù)庫1. 建立醫(yī)學成像與高維醫(yī)學圖像分析中的不同變換域內(nèi)的先驗統(tǒng)計模型，并提出快速有效的反問題求解算法2. 提出基于有限差分的 MRI 梯度線圈設計新方法；結合邊界元方法和正則化技術設計提出梯度線圈設計新方法；實現(xiàn)梯度場的2D 非線性校正3. 完善基于不動點原理的稀疏數(shù)據(jù)圖像重建算法，并進行并行成像算法的初步研究4. 搭建 CT 實驗平臺，再現(xiàn)部分最新重建算法，供今后算法比較5. 充分掌握 PET 成像不確定性對于圖像的影響6. 從高維多模態(tài)圖像性質出發(fā)，建立適合高維醫(yī)學圖像的模糊隨機優(yōu)化模型，實現(xiàn)在真三維顯示設備上的動態(tài)多模體數(shù)據(jù)渲染7. 提出基于模糊支持向量機的圖像分類方案，對實驗樣本進行訓練，完成臨床資信的獲取與自動分類，建立比較完善的數(shù)據(jù)庫第二年1. 研究先驗統(tǒng)計模型與高效優(yōu)化算法的耦合及由先驗統(tǒng)計模型導引的新的非線性優(yōu)化算法，研究先驗統(tǒng)計模型中全局多參數(shù)的自適應非線性估計方法2. 研究快速成像的自屏蔽梯度線圈的設計與 3D 梯度非線性校正的研究；研究磁共振各種序列圖像稀疏性質，進而完成相應的先1. 建立由先驗統(tǒng)計模型導引的新的非線性優(yōu)化算法，實現(xiàn)先驗統(tǒng)計模型中全局多參數(shù)的自適應非線性估計，并提出快速有效的反問題求解算法2. 提出一種適于快速成像的梯度線圈的設計新方法，完成制作測試并實現(xiàn) 3D 梯度場非線性校正；得到最優(yōu)的序列圖像稀疏性質研究內(nèi)容 預 期目標驗模型設計與快速優(yōu)化算法3. 分析低劑量 CT 觀測數(shù)據(jù)的噪聲統(tǒng)計特征，并給出噪聲抑制方法；研究 CT 圖像偽影的形成并提出相應的偽影消除算法4. 系統(tǒng)分析 PET 示蹤劑動力學模型，在成像系統(tǒng)與示蹤劑模型研究基礎上，針對數(shù)據(jù)統(tǒng)計特性與成像系統(tǒng)存在雙重不確定性的問題，提出動態(tài)成像重建算法5. 研究有描述力的底層特征并實現(xiàn)其快速分類和模型到數(shù)據(jù)的匹配策略，并針對臨床影像分割提出具體解決方案；研究臨床環(huán)境下三維視野的精確定位方法以及交互手段、海量數(shù)據(jù)的三維可視化方法以及多模態(tài)數(shù)據(jù)的真三維融合顯示系統(tǒng)6. 研究適用于高維多模態(tài)圖像的基于廣義模糊相似性的配準測度準則開展醫(yī)學圖像隱式有效特征獲取與描述的研究表達方式3. 獲得圖像空間噪聲分布同投影空間噪聲分布之間的關系，設計有效的噪聲抑制算法；給出金屬偽影，射束硬化偽影，部分容積效應偽影，條狀偽影等的有效影消除方法4. 建立示蹤劑研究的 Monte Carlo平臺；構造考慮數(shù)據(jù)統(tǒng)計特性與成像系統(tǒng)不確定性的重建算法，實現(xiàn)動態(tài) PET 放射性濃度高質量重建5. 提出基于局部不變特征的高維多模態(tài)圖像和解剖結構的動態(tài)輪廓概率模型，并實現(xiàn)快速魯棒的分割算法，初步實現(xiàn)高精度位置跟蹤系統(tǒng)與多模態(tài)數(shù)據(jù)的進行實時交互；初步實現(xiàn)基于 GPU 的快速次表面散射渲染技術6. 提出廣義模糊算子法與 Gibbs隨機場模型用于紋理特征的模糊提取，利用分割區(qū)域之間的空間信息來建立這種情形上的模糊相似度描述，得到任意子集的模糊特征選擇系數(shù)并用于特征子集的選擇，從而得出最能區(qū)分和表征不同模式類的特征子集研究內(nèi)容 預 期目標第三年1. 研究局部最優(yōu)解和全局最優(yōu)解的性質與針對醫(yī)學成像與醫(yī)學圖像分析的先驗統(tǒng)計模型的最優(yōu)解的快速收斂算法2. 研究 k 空間中稀疏采樣方式與線圈敏感度高精度估計算法；進行乳房梯度線圈與射頻線圈設計方法的設計研究3. 研究基于有效約束模型的低劑量 CT 圖像重建算法及其快速收斂方案4. 研究新框架下的衰減系數(shù)估計并針對 PET/CT 和 PET/MRI, 提出高魯棒性圖像重建算法，提出基于 Sinogram 的動力學參數(shù)魯棒重建算法；設計加工物理Phantom,采集數(shù)據(jù)進行實驗分析，修改完善算法5. 研究高維多模態(tài)圖像精確、快速分割方法與相似性特征的分割提取方法，并將這些特征結合到圖像配準當中；研究高維多模態(tài)異構醫(yī)學信息的可視分析與面向診斷、教育和輔助手術的影像分析的可視化技術6. 開展醫(yī)學圖像模糊相似測度與關聯(lián)反饋的研究1. 提高模型描述的有效性，解決全局最優(yōu)解的收斂域問題；建立錐優(yōu)化的基本理論與方法、矩陣優(yōu)化的基本理論與方法2. 確定 k 空間稀疏采樣的最優(yōu)方式并提出一種有效實用的線圈敏感度高精度估計方法；針對頭部成像，提出一種新的射頻線圈設計新方法，針對乳房結構的特殊性，提出乳房梯度線圈設計新方法，并進行制作和相關測試3. 提出非局部先驗模型約束下的低劑量 CT 圖像重建算法，并確立生理運動偽影消除方案4. 建立一種基于發(fā)射數(shù)據(jù)的衰減校正方案，實現(xiàn)以 CT 或 MR 測量數(shù)據(jù)為引導的衰減校正與PET 放射性濃度聯(lián)合優(yōu)質重建算法，實現(xiàn)動力學參數(shù)直接重建5. 構建四維時間序列圖像的精確非剛性配準方法，實現(xiàn)基于圖像的心血管診斷關鍵參數(shù)的魯棒估計；實現(xiàn)高維醫(yī)學影像數(shù)據(jù)的表意性可視化與敏捷交互方法，并采用可編程圖形硬件和并行計算加速分析處理過程6. 考慮從不同模態(tài)圖像獲取人體信息的成像機制出發(fā)，實現(xiàn)特征建模，并用模糊測度來描述人的主觀反饋研究內(nèi)容 預 期目標第四年1. 針對醫(yī)學成像與圖像分析的具體問題進行分析，包括CT、MR、PET 成像，醫(yī)學圖像邊界、紋理特征的提取、分割、配準、偽影消除與運動跟蹤等具體問題建立多先驗模型及其非線性優(yōu)化算法，研究其優(yōu)化求解快速收斂算法及其穩(wěn)健性2. 進行乳房射頻線圈的設計研究并完成制作和實驗測試，進行相關的安全性仿真研究；進行 MR圖像重建中的精確約束模型的研究3. 研究基于有效約束模型的低劑量 CT 圖像重建與加速收斂算法及其在三維 CT 系統(tǒng)中的應用4. 針對示蹤劑非線性動力學方程, 嘗試利用粒子濾波器完成動力學參數(shù)求解，提出放射性濃度與動力學參數(shù)聯(lián)合重建算法，并進行理論、算法、實驗上的深入研究，使得算法達到魯棒結果5. 研究基于模糊 Gibbs 隨機場的新型高維多模態(tài)醫(yī)學圖像分割算法與基于圖像區(qū)域間特性對比度和均勻度的圖像分割評價準則；將高精度彈性形變模型和樣條函數(shù)應用到高維多模態(tài)圖像的彈性形變過程中，從而提升彈性配準的精度和準確性；6. 開展醫(yī)學圖像多模態(tài)特征映射基本框架的研究與建立1. 為其它子課題提供進一步的理論模型和優(yōu)化算法。利用所討論的先驗統(tǒng)計模型進行建模、參數(shù)估計及優(yōu)化理論，給出快速收斂算法實施步驟及相應收斂速度估計，實現(xiàn)實時處理2. 提出針對乳房結構的特殊性的射頻線圈設計新方法，提出射頻線圈的去耦合方法，并完成制作與成像測試，完成乳房梯度和射頻線圈的生物效應安全性評估，完成所采集數(shù)據(jù)的優(yōu)質重建3. 提出特征空間先驗約束重建算法，在有效保留圖像細節(jié)的同時兼顧圖像的整體特征，并給出適用于三維 CT 圖像重建的快速收斂的序列化重建方案4. 實現(xiàn)一套含有非線性動力學性質的示蹤劑的 PET 動態(tài)成像方法及放射性濃度與動力學參數(shù)聯(lián)合估計5. 通過 GPU 對術中實時配準方法并行處理與優(yōu)化，使得配準速度提高 5 倍以上；實現(xiàn)高維醫(yī)學數(shù)據(jù)可視化的多核加速算法，完成面向海量醫(yī)學數(shù)據(jù)渲染的多核負載劃分優(yōu)化算法6. 借鑒模糊神經(jīng)網(wǎng)絡對于不同維數(shù)向量的相似性識別方面的研究成果，通過大量實驗，建立起這種經(jīng)驗映射關系，從而完成不同模態(tài)間的搜索。研究內(nèi)容 預 期目標第五年1. 進一步完善針對醫(yī)學成像與圖像分析的基礎理論和優(yōu)化算法2. 對基于負載的射頻線圈設計方法進行探索研究3. 實現(xiàn)低劑量 CT 圖像重建算法的功能化和模塊化4. 研究基于梯度矢量流與粒子群優(yōu)化算法實現(xiàn)多模態(tài)醫(yī)學圖像配準；對各類異構醫(yī)學信息進行分析推理，著重解決多模態(tài)信息的精確融合、基于統(tǒng)計學習的信息提煉和表意性可視化等難題。5. 組織相關臨床醫(yī)學專家，對上述研究成果進行生理學和量化評估，并全面總結、準備結題。1. 形成完整的先驗統(tǒng)計理論和優(yōu)化算法2. 提出基于負載的射頻線圈設計新方法3. 將本課題的創(chuàng)新研究成果開發(fā)成圖像重建軟件包；4. 實現(xiàn)多模態(tài)醫(yī)學圖象信息融合，解決多模態(tài)圖像間的多參數(shù)融合方法；針對動態(tài)功能影像，提出完備和實用的生理過程的自動、精確和定量分析方法；實現(xiàn)異構醫(yī)學信息的融合實時顯示5. 進一步完善原系統(tǒng)提供基于 f-CBIR 技術的大型醫(yī)學圖像數(shù)據(jù)庫的全部技術和軟件；