基于图像分块和多尺度学习的上肺4d-ct图像超分辨率重你建研究.docxVIP

基于图像分块和多尺度学习的肺4D．CT图 基于图像分块和多尺度学习的肺4D．CT图 像超分辨率重建研究 硕士研究生：王婷婷 指导老师：张煜 摘要 肺4D．CT在肺癌的治疗中，对于准确定位肿瘤靶区、实现个体化精确放疗 具有重要的应用价值。它动态采集患者呼吸时的CT图像，而后通过图像重建和 重新排序得到患者在不同呼吸相位的3D．CT图像。与传统3D．CT相比，4D．CT 不仅能够明显消除呼吸运动伪影，而且能够真实准确地反映肺部随呼吸运动的 变化规律。医生可以根据4D．CT图像来分析靶区及危及器官在呼吸过程中运动 及变形规律，并依照患者的运动幅度对计划靶区适当外扩以得到个体化的计划 靶区。使得在放射治疗过程中，既能满足靶区的剂量需求，又能降低对正常组织 和器官的毒副作用。然而，由于CT高剂量照射的特性，以及较长的数据采集时 间，无法实现沿纵向(Z轴方向)进行密集采样，这就导致了数据层间分辨率远 低于层内分辨率，造成各项数据异性。因此，在观察数据冠矢状面图像时，需沿 z轴进行插值放大以显示正确比例的图像，但是简单的插值方法，并不引入新的 信息，往往造成图像模糊。 超分辨(Super Resolution，SR)重建是提高图像分辨率的有效方法。本文以提 高肺4D．CT图像分辨率为目标，提出了两种基于肺4D．CT图像数据本征特征的 SR重建算法。 其一，我们提出了一种基于图像分块的SR重建算