【参考】现代医学成像与高维图像分析关键科学问题研究.DocVIP

一、研究内容 本项目全部课题以先验统计模型理论与线性、非线性优化理论为基础，针对医学成像与图像分析中的具体问题展开研究，以求在理论与方法上有新的突破。其有待解决的关键科学问题如下： 病态反问题的先验统计模型及非线性优化 从医学图像信息的特点出发，针对具体的病态反问题、线性与非线性病态方程求解问题，探讨其解的存在性与稳定性，及相应的先验统计模型，并对模型参数的性质与估计方法建立理论分析框架；基于新理论的各类医学成像与图像分析算法的收敛性问题、是否全局最优解及收敛速度的相关理论证明问题，以确保算法的精确性与实时性；同时解决医学成像中的关键应用性问题，重点是图像的高分辨率重建模型、少量数据快速优质重建模型、噪声与伪影消除模型等，旨在为临床提供高质量的医学图像。 三大成像科学中的优质快速与低剂量问题 成像的质量、速度及应用的可靠性是考量医学影像设备性能的核心指标。关于MRI成像，关键问题是保证一定图像质量的前提下尽可能提高成像速度，主要解决途径为采用高切换率梯度线圈和多个射频接收线圈进行数据的并行采集与提出少量成像数据下的优化重建算法；关于CT成像，关键问题是在保证一定图像质量的前提下尽可能降低放射剂量，主要解决途径依赖于低剂量下噪声模型的建立，高质量统计优化算法的设计以及伪影消除方法的研究；关于PET成像，关键问题是如何提升成像的分辨率与获得准确的具有生理意义相关参数，主要依赖于基于先验知识的动态图像优质重建算法。 临床高维多模态图像分析与智能识别问题 真三维和准四维的多模态医学图像建模方法问题，解决从高维图像中分割重要脏器，并动态定量分析其功能的问题；高维多模态医学图像的术中快速鲁棒配准和实时融合显示问题；外科手术导航系统中的真三维虚拟现实增强问题，高维多模态医学图像在临床的应用效果与效率问题；基于多核计算的高维多模态医学影像数据的快速可视化，设计新型敏捷的可视分析用户界面。有效获取正常组织和病灶的先验统计参数和模糊特征矢量作为检索依据，从图像特征空间如结构、纹理和形状等中发现语义结构，建立低层特征空间到高层语义空间的映射函数，进行模糊语义空间层次上的图像检索。本项目针对上述医学成像与图像分析中关键科学问题，从模糊随机理论与优化理论研究出发，研究具体医学成像与图像分析问题中的数学模型与相关快速收敛算法，从而既有助于临床更有效地综合利用现有高维多模态图像信息，又能形成多项发明专利，为自主生产大型医疗设备提供有力的技术支持，以满足我国相关产业发展的重大需求。下面分层次具体列出其研究内容。 先验统计模型与非线性优化 首先本项目以模糊随机理论与优化理论为基础，建立先验统计模型的新理论，对新理论中的关键问题提出有效解决办法。主要内容包括： 研究建立有效的先验统计模型，新模型的构建将突破传统先验模型中仅有局部特征信息而无统计信息的局限，建立非局部的先验信息模型，将非局部邻域内的统计信息与模糊性进行优化耦合，为模型中的相关多参数设计提供更为有力的信源支持； 研究先验统计模型与高效优化算法的耦合，建立由先验统计模型导引的新的非线性优化算法，旨在解决相关优化算法中的瓶颈问题； 研究先验统计模型中全局多参数的自适应非线性估计，实现信息的高效鲁棒性处理； 研究针对医学成像与医学图像分析的先验统计模型的最优解的快速收敛算法，以实现医学信息的优质处理； 针对新模型中解的存在性与稳定性等理论进行探讨与分析； 泛化与凝练前沿科学问题，并建立复杂环境下优化问题的一般理论和方法。 对上述问题的分析和解决，为后续的各项技术研究提供强大的理论支持，是本项目研究的创新性和领先性的重要保证。 优质快速安全的医学成像 临床医学对成像的精度与实时性要求高，同时要求尽可能降低对人的损害程度，故如何快速精确的获得临床所需医学图像需要投入大量的研究，同时可以为临床诊断与计算机辅助分析提供高质量的图像信息。本项目中相关研究如下： 优质的PET成像 深入分析PET成像系统的不确定性和测量噪声对图像的影响，借助Monte Carlo模拟，优化重建条件；研究低计数率、高时间分辨下的放射性浓度鲁棒重构算法；研究准确可靠的动力学参数图像的重建理论与方法；研究从发射测量数据中，同时估计衰减系数与放射性浓度的理论与方法；研究放射性浓度与动力学参数联合估计理论与方法；探索加速收敛减小计算复杂度的快速重建算法； 快速的MRI成像 重点研究在保证成像质量基本不降的前提下缩短MRI成像时间的方法，研究并行MRI成像中的电磁场计算、阵列线圈设计、敏感度估计与优质重建算法，主要包括线圈阵列设计中电磁场计算中的先验约束模型与非线性优化理论、解决线圈单元间的去偶合、实现线圈共振频率的自调谐，同时将计算得到的电磁场先验知识引入敏感度分布的估计以提高估计精度；研发高切换率的梯度线圈及其涡流补偿计算方法；结合具体的临