【基金标书】2010CB732500-现代医学成像与高维图像分析关键科学问题研究

项目名称： 现代医学成像与高维图像分析关键科学问题研究首席科学家： 陈武凡 南方医科大学起止年限： 2010 年 1 月-2014 年 8 月依托部门： 广东省科技厅一、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：(1). 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。(2). 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。(3). 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方法，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。(1). 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。(2). 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；结合具体的临床 3D 成像应用研究随机稀疏降采 样情况下重建中的1 范数约束模型与快速非线性优化算法，提高少量数据 MRI 的成像质量；综合利用并行采集与稀疏采样的思想，结合快速成像序列设计（如全稳态成像、螺旋采集等）与其他提高成像质量的方法（如脂肪抑制、非刚性运动伪影消除、Ghost 伪影消除、磁敏感不均匀性校正等），为临床提供优质快速 MRI 成像解决方案； 安全的 CT 成像 完成低剂量 CT 投影数据的随机 统计特征分析，建立低剂量条件下投影数据的噪声统计量模型，根据噪声模型和具体成像特点设计投影空间噪声抑制方案；在采用解析重建算法中，重点研究各阶段间随机统计噪声特征及其传播方式、研究低剂量条件下重建后图像的噪声统计量模型，及基于该模型的多种伪影消除方法；在采用统计迭代重建算法中，开展相关基于先验统计模型的 CT 迭代重建研究，并应用于多光谱低剂量三维锥形束 CT 的快速重建。(3). 高维医学图像分析与建模医学影像设备的成像模式、速度和分辨率快速发展，使得对人体器官的功能和生理过程的精确、定量 评估成为可能。真三 维 和准四维医学图像给传统可视化理论和方法带来巨大挑战，该部分研究主要包括： 针对高维图像的特点，深入研究广义模糊 Gibbs 随机场模型在不同模态图像中的建模理论，建立了适合高维多模态医学图像的广义模糊优化模型，并在此基础上研究新型医学图像分割、配准和可视化方法；研究高维多模态医学图像在临床诊断、治疗中的应用效果与效率评估； 针对四维(3D+T)心血管图像， 优化完善包括心室形态、心肌应变应力、心脏组织材料特性等心血管诊断关键参数的鲁棒计算方法；深入研究多模态动态心脏影像配准算法和可视化方法； 深入研究大尺寸、动态、高 维医学数据可视化的多核加速算法，设计革新的基于草图的用户操作界面，着重解决多模态信息的精确融合、基于统计学习的信息提炼和表意性可视化等关键难题。 研究基于 GPU 的体数据渲染、分割和配准方法；研究 临床环境下三维视野的精确定位方法以及交互手段、海量数据的三维可视化方法以及多模态数据的真三维融合显示系统。(4). 病灶智能识别与模态映射大多数疾病在不同模态下均有显像，因此利用 CBIR 系统实现病灶的智能识别与模态特征过渡具重要意义，也是一项开创性工作，其研究包括： 利用机器学习实现人体不同部位共约十万个病例的影像资料与正常或其他非正常资料的自动标记和分类，构建医学图像数据库; 针对人体不同器官的正常组织与病灶特性，设计不同的特征描述算子和分类方法；对每个特征赋予模糊隶属度和关联反馈属性参数，保证大范围搜索的有效性与高的检出率; 利用流形子空间方法对图像特征进行降维，有效降低检索所需的时间复杂度；为了解决当前图像检索系统在语义层次上的局限性，建立模糊语义空间，并进行模糊语义空间层次上的图像检索; 由于病灶的复杂性，不能做到精确匹配，所以我们提出模糊相似测度的概念和相关运算规则，使得有足够的冗余度保证高的查全率; 大多数疾病在不同模态下均有显像，因此如何实现模态特征过渡具重要意义也是一项开创性工作，我们提出多模态特征映射基本框架, 求出不同模态下图像的映射关系式。本项目的研究内容涵盖了模糊随机基础先验理论与非线性优化理论的基础创新部分，同时它又包含了 针对医学成像、 图像分析与检索中的关键科学问题展开的应用基础研究部分，所提基础理论研究部分可以为各应用基础研究方向提供理论与方法上的支持，使得各具体应用研究间的方法可以相互支撑，促进项目的总体进展。二、预期目标本项目的总体目标： 本项目在理、工、医结合的基础上，通过在先验统计 模型与优化算法基础研究领域上的源创新，致力于解决当前医学成像与高维多模态图像分析中亟需的关键难题，其成功实施将 为我国自主研制大型影像设备与图像分析软件提供理论与技术支撑；所形成的医学成像与图像分析的新技术新方法，还能为其它类型的信息处理提供理论与方法指导；同时，要培养出一批高素质的理工医结合的研究人才，建立起一支高水平的医学成像与图像分析领域研究团队。五年预期目标: 本项目将通过深入研究，在大型医学影像设备（PET 、CT 与 MRI）的优质成像、高维多模态图像的综 合分析与融合表达、基于内容的医学图像检索等方面提出全新的理论、方法与技 术： 本项目通过对临床医学成像与图像分析中先验统计模型与非线性优化求解方法的创新性基础研究，为快速 MRI 成像、低剂量 CT 成像、 动态 PET成像、高维多模态图像分析等建立起较完整系统的理论基石与方法框架； 本项目将获得术中低剂量条件下 CT 成像中数据的 统计特性规律及噪声传播机制，并建立精确的数据校正与图像重建算法，继而减少成像中噪声与伪影（如金属伪影、运动伪影等）的干扰； 本项目在保证成像质量为临床能接受的前提下，综合并行成像与稀疏采样重建算法将二维 MRI 成像时间缩短为现有方法的 1/3 到 1/4，三维 MRI 与动态 MRI 成像时间缩短为现有方法的 1/5 到 1/10； 本项目显著降低 PET 系统噪声对动力学参数估 计的影响，与传统的间接参数估计方法相比，将动力学参数空间分布图像信噪比提高 30-40%； 本项目建立大型高维多模态医学影像数据库，以此为基础实现基于先验模型指导的自动、鲁棒和精确的三维动态图像分析和量化功能参数估计，实现术中、实时多模态医学配准与适合高维图像的自适应可视化方法；实现基于各种模态间的模糊映射与肿瘤、出血等常见疾病的智能识别，为临床影像学诊断提供重要辅助作用的医用 CBIR 系统。 本项目的实施过程中，要培养出一批学术水平高、研究活力强的学术带头人与中青年学术骨干（将培育国家杰出青年基金获得者 6 名左右，培养博士研究生 90 名左右，硕士生 120 名左右），形成一支专门从事医学成像与图像分析处理研究的高素质人才队伍，推动我国在医学成像与图像分析领域的研究更快更好地发展； 通过本项目的研究，将建立我国第一个“现代数字化医学成像与 图像分析基础研究基地” ，以便为国内相关高校、研究机构与相关 产业之间的长期稳定合作与国际合作研究创造优越条件； 本项目研究成果体现为：发表 300 篇论文（其中国际一流刊物和国际权威学术会议发表约 200 篇），申报约 25 项发明专利（其中被采用或转让发明专利 8 项），获计算机软件版权 3 项，并出版 专著两部。三、研究方案1）学术思路： 以前一期国家 973 计划项目 “重要临床医学信息处理的关键科学问题研究” (2003-2008)提出的模糊随机模型理论为 基础， 进一步深入研究先验统计新理论及其各类非线性最优化算法； 以先验统计模型理论和本项目组主要先行研究为基础，提出具体的医学成像和图像分析先验统计模型及其最优化方法，如低剂量 CT快速成像、优质快速的 PET 成像和动力学参数估计 、少量数据 MRI成像、高维多模态图像分析以及医学图像检索等； 以本项目组主要成员的先行研究为基础，建立低剂量 CT 投影数据的模糊统计特征模型；研究低剂量 CT 成像中各阶段随机 统计噪声特征及其传播机制，建立低剂量 CT 成像中数据处理与 优质成像新理论；研究低剂量 CT 图像伪影消除新方法； 以本项目组主要成员的先行研究为基础，主要针对 CT、PET、MRI成像，在先验统计、正则化准则和优化求解方法方面开展深入的研究，以求取得具有原创性的功能图像重建算法及系统； 以本项目组先行研究为基础，提出高维多模态图像和解剖结构的概率模型；研究快速鲁棒的多模态动态高维图像数据分割与配准算法；提出包括心肌应变应力、材料特性等诊断关键参数的自适应估计新算法，完善三维可视化方法与混合现实增强技术，使其真正应用于临床诊断、术前规划与外科手术导航。 以本项目组主要成员的先行研究为基础，主要针对相关反馈方法，在模糊语义空间层次上的图像检索开展深入的研究，以求取得具有原创性的 CBIR 算法及系统。2）技术途径： 研究医学成像和医学信息处理中的各类反问题及其优化求解中的各阶段数据(如变换域) 的模糊随机及统计性质，研究其对问题求解的影响，为有关医学成像和医学信息处理中的关键科学问题解决作基础准备。 在全部研究工作中，将优先解决先验统计模型理论建立问题，为医学成像和医学信息处理模型的构建提供统一的框架，为具体反问题的最优化求解提供理论支撑，也是解决其他关键算法的先行条件。 在全部最优化方法中，将以本项目提出的自适应先验统计正则化研究方法为基础，研究医学成像和医学图像分析中稳健的快速全局最优化算法，并将其思想方法、论证方式推广至其他最优化方法中去。 以先验统计优化理论和最优化理论为基础，研究高维多模态医学图像的建模和优化方法，并将其延伸到各种模态的医学图像分割、配准与运动估计中。针对心血管影像，提出完备和实用的生理过程的自动、精确和定量评估方法。 研究高维医学影像数据的表意性可视化与敏捷交互方法，并采用可编程图形硬件和并行计算加速分析处理过程。针对外科手术导航中的实时交互和精确定位的需求，完善虚拟增强现实和真三维体显示方法。 在模糊特征的智能识别与模态映射问题研究中，将利用谱图分析法和正则化参数自适应修改的回归模型，建立低层特征空间到高层模糊语义空间的映射函数。模 糊 性 质 分 析 医 学 信 息 数 据 库 MR重建模 糊 吉 波 斯统 计 理 论统 计 性 质 分 析随 机 性 质 分 析 知 识 工 程 反 问 题 的 建 立CT重建 PE重建各 类 优 化 算 法图 像 分 割 图 像 配 准 智 能 识 别 电 磁 计 算CBIR图 像 检 索 高 效 射 频 线 圈产 业 与 临 床 测 试高 维 多 模 态 图 像 分 析本项目技术路线图3) 创新点与特色： 本项目将创建一个全新的临床医学成像和医学图像分析中的先验统计理论体系，结合现代优化理论，提出各 类具体病态反问题的鲁棒非线性求解方法； 本项目将揭示 CT 成像中的数据统计特性及其 传播机制，建立低剂量 CT 的数据校正、图像重建及 伪影抑制算法； 建立基于先验统计理论的 PET 重建与动力学参数估 计模型与面向临床应用的动态 PET 成像算法； 为临床提供基于多线圈并行采集与少量稀疏数据优质重建的快速MRI 成像解决方案； 本项目将建立适合高维多模态医学图像的分割、配准和可视化方法，提出高维多模态医学影像数据的快速可视化与高效分析解决方案，提出高层模糊语义空间层次上图像检索，开创性地开展医学图像模糊特征的智能提取和识别，实现不同模态图像间的映射。以上创新均以先行 937 项目研究成果为基础，故属于源创新，且构成完备创新体系。4）可行性分析： 本项目属理、工、医交叉学科研究，参研单位有多年的合作基础，经先行 973 计划项目的成功合作，已形成一支以中青年为骨干的高水平的具有创新性的研究团队，已具丰富的知识交叉与互渗经验，能营造优良的合作研究氛围。本项目是先行 973 计划项目研究工作的深入和拓展，其全部新理论与新算法均以先行研究成果为坚实支撑，尽管难度大，但理论与技术上能够实现； 主要专家与骨干在医学成像和医学图像处理，随机过程理论、最优化与临床诊断等方面功底扎实，经验丰富， 对当前最新医学信息处理算法的掌握全面深刻； 南方医科大学医学图像处理广东省重点实验室(原第一军医大学全军重点实验室)是全国唯一（省级）专门从事医学图像研究的学术机构；近年来，该室承担国家、省、 军队重点项目与面上 项目 13 项，获国家、军队、省部二等以上成果奖 11 项（含国家技术发明二等奖 1项，教育部国家科技成果提名技术发明一等奖 1 项，国家科技进步二等奖 1 项），发表国内外高水平学术论文 320 多篇，出版专著二部，研究工作积累丰厚。本实验室研制的功能化图像归档与通信系统已安装于多家大型医院，为本项目的临床实践予以有力支持。另外，本实验室的图像数据库已存储了包括CT、MRI、fMRI、PET、SPECT、DSA、X 光、超声等在内的图像数据几十万帧，为本项目开展提供了优越的条件； 其他参研单位均依托国内一流的国家重点或部级重点实验室（北京交通大学数学与应用数学教育部重点实验室、电子科技大学生物医学信息检测与智能信息处理重点实验室、浙江大学生物医学工程教育部重点实验室、浙江大学光学仪器国家重点实验室、浙江大学计算机辅助设计与图形学国家重点实验室、东南大学法国国家健康与医学研究院生物医学信息国际联合实验室），研究实力与科研环境均处于国内领先水平或国际先进水平，为本项目的顺利实施铺平了道路； 原始数据与临床数据来源有充分的保证，MRI 类数据、CT 数据、PET 数据分别由宁波鑫高益磁共振公司、沈阳东软 医疗、GE 公司、西门子公司和日本滨松光子学株式会社提供；各类医学图像实验数据分别由天津医科大学总医院、南方医科大学第一附属医院、华西医院与山西医科大学第一附属医院提供。四、年度计划研究内容 预期目标第一年1. 充分调研国内外最新进展，掌握关于现代医学成像与高维多模态图像分析的最新研究动态，启动本项目研究2. 研究现代医学成像（CT、MRI、PET）与高维医学图像分析中的先验统计模型的构建，及反问题求解算法研究，利用临床数据进行数值实验3. 研究 CT 成像中的运动伪影消除与低剂量重建的有效约束模型4. 研究部分 K 空间数据的重建方法与射频与梯度线圈电磁计算理论及设计方法5. 深入分析 PET 成像系统的不确定性与 PET 测量数据特性6. 研究适合高维医学图像的广义模糊优化模型与大尺寸、动态和高维医学数据可视化的多核加速算法7. 收集大量典型临床影像资料，设计、构建本项目的研究数据库1. 建立医学成像与高维医学图像分析中的不同变换域内的先验统计模型，并提出快速有效的反问题求解算法2. 提出基于有限差分的 MRI 梯度线圈设计新方法；结合边界元方法和正则化技术设计提出梯度线圈设计新方法；实现梯度场的2D 非线性校正3. 完善基于不动点原理的稀疏数据图像重建算法，并进行并行成像算法的初步研究4. 搭建 CT 实验平台，再现部分最新重建算法，供今后算法比较5. 充分掌握 PET 成像不确定性对于图像的影响6. 从高维多模态图像性质出发，建立适合高维医学图像的模糊随机优化模型，实现在真三维显示设备上的动态多模体数据渲染7. 提出基于模糊支持向量机的图像分类方案，对实验样本进行训练，完成临床资信的获取与自动分类，建立比较完善的数据库第二年1. 研究先验统计模型与高效优化算法的耦合及由先验统计模型导引的新的非线性优化算法，研究先验统计模型中全局多参数的自适应非线性估计方法2. 研究快速成像的自屏蔽梯度线圈的设计与 3D 梯度非线性校正的研究；研究磁共振各种序列图像稀疏性质，进而完成相应的先1. 建立由先验统计模型导引的新的非线性优化算法，实现先验统计模型中全局多参数的自适应非线性估计，并提出快速有效的反问题求解算法2. 提出一种适于快速成像的梯度线圈的设计新方法，完成制作测试并实现 3D 梯度场非线性校正；得到最优的序列图像稀疏性质研究内容 预 期目标验模型设计与快速优化算法3. 分析低剂量 CT 观测数据的噪声统计特征，并给出噪声抑制方法；研究 CT 图像伪影的形成并提出相应的伪影消除算法4. 系统分析 PET 示踪剂动力学模型，在成像系统与示踪剂模型研究基础上，针对数据统计特性与成像系统存在双重不确定性的问题，提出动态成像重建算法5. 研究有描述力的底层特征并实现其快速分类和模型到数据的匹配策略，并针对临床影像分割提出具体解决方案；研究临床环境下三维视野的精确定位方法以及交互手段、海量数据的三维可视化方法以及多模态数据的真三维融合显示系统6. 研究适用于高维多模态图像的基于广义模糊相似性的配准测度准则开展医学图像隐式有效特征获取与描述的研究表达方式3. 获得图像空间噪声分布同投影空间噪声分布之间的关系，设计有效的噪声抑制算法；给出金属伪影，射束硬化伪影，部分容积效应伪影，条状伪影等的有效影消除方法4. 建立示踪剂研究的 Monte Carlo平台；构造考虑数据统计特性与成像系统不确定性的重建算法，实现动态 PET 放射性浓度高质量重建5. 提出基于局部不变特征的高维多模态图像和解剖结构的动态轮廓概率模型，并实现快速鲁棒的分割算法，初步实现高精度位置跟踪系统与多模态数据的进行实时交互；初步实现基于 GPU 的快速次表面散射渲染技术6. 提出广义模糊算子法与 Gibbs随机场模型用于纹理特征的模糊提取，利用分割区域之间的空间信息来建立这种情形上的模糊相似度描述，得到任意子集的模糊特征选择系数并用于特征子集的选择，从而得出最能区分和表征不同模式类的特征子集研究内容 预 期目标第三年1. 研究局部最优解和全局最优解的性质与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2. 研究 k 空间中稀疏采样方式与线圈敏感度高精度估计算法；进行乳房梯度线圈与射频线圈设计方法的设计研究3. 研究基于有效约束模型的低剂量 CT 图像重建算法及其快速收敛方案4. 研究新框架下的衰减系数估计并针对 PET/CT 和 PET/MRI, 提出高鲁棒性图像重建算法，提出基于 Sinogram 的动力学参数鲁棒重建算法；设计加工物理Phantom,采集数据进行实验分析，修改完善算法5. 研究高维多模态图像精确、快速分割方法与相似性特征的分割提取方法，并将这些特征结合到图像配准当中；研究高维多模态异构医学信息的可视分析与面向诊断、教育和辅助手术的影像分析的可视化技术6. 开展医学图像模糊相似测度与关联反馈的研究1. 提高模型描述的有效性，解决全局最优解的收敛域问题；建立锥优化的基本理论与方法、矩阵优化的基本理论与方法2. 确定 k 空间稀疏采样的最优方式并提出一种有效实用的线圈敏感度高精度估计方法；针对头部成像，提出一种新的射频线圈设计新方法，针对乳房结构的特殊性，提出乳房梯度线圈设计新方法，并进行制作和相关测试3. 提出非局部先验模型约束下的低剂量 CT 图像重建算法，并确立生理运动伪影消除方案4. 建立一种基于发射数据的衰减校正方案，实现以 CT 或 MR 测量数据为引导的衰减校正与PET 放射性浓度联合优质重建算法，实现动力学参数直接重建5. 构建四维时间序列图像的精确非刚性配准方法，实现基于图像的心血管诊断关键参数的鲁棒估计；实现高维医学影像数据的表意性可视化与敏捷交互方法，并采用可编程图形硬件和并行计算加速分析处理过程6. 考虑从不同模态图像获取人体信息的成像机制出发，实现特征建模，并用模糊测度来描述人的主观反馈研究内容 预 期目标第四年1. 针对医学成像与图像分析的具体问题进行分析，包括CT、MR、PET 成像，医学图像边界、纹理特征的提取、分割、配准、伪影消除与运动跟踪等具体问题建立多先验模型及其非线性优化算法，研究其优化求解快速收敛算法及其稳健性2. 进行乳房射频线圈的设计研究并完成制作和实验测试，进行相关的安全性仿真研究；进行 MR图像重建中的精确约束模型的研究3. 研究基于有效约束模型的低剂量 CT 图像重建与加速收敛算法及其在三维 CT 系统中的应用4. 针对示踪剂非线性动力学方程, 尝试利用粒子滤波器完成动力学参数求解，提出放射性浓度与动力学参数联合重建算法，并进行理论、算法、实验上的深入研究，使得算法达到鲁棒结果5. 研究基于模糊 Gibbs 随机场的新型高维多模态医学图像分割算法与基于图像区域间特性对比度和均匀度的图像分割评价准则；将高精度弹性形变模型和样条函数应用到高维多模态图像的弹性形变过程中，从而提升弹性配准的精度和准确性；6. 开展医学图像多模态特征映射基本框架的研究与建立1. 为其它子课题提供进一步的理论模型和优化算法。利用所讨论的先验统计模型进行建模、参数估计及优化理论，给出快速收敛算法实施步骤及相应收敛速度估计，实现实时处理2. 提出针对乳房结构的特殊性的射频线圈设计新方法，提出射频线圈的去耦合方法，并完成制作与成像测试，完成乳房梯度和射频线圈的生物效应安全性评估，完成所采集数据的优质重建3. 提出特征空间先验约束重建算法，在有效保留图像细节的同时兼顾图像的整体特征，并给出适用于三维 CT 图像重建的快速收敛的序列化重建方案4. 实现一套含有非线性动力学性质的示踪剂的 PET 动态成像方法及放射性浓度与动力学参数联合估计5. 通过 GPU 对术中实时配准方法并行处理与优化，使得配准速度提高 5 倍以上；实现高维医学数据可视化的多核加速算法，完成面向海量医学数据渲染的多核负载划分优化算法6. 借鉴模糊神经网络对于不同维数向量的相似性识别方面的研究成果，通过大量实验，建立起这种经验映射关系，从而完成不同模态间的搜索。研究内容 预 期目标第五年1. 进一步完善针对医学成像与图像分析的基础理论和优化算法2. 对基于负载的射频线圈设计方法进行探索研究3. 实现低剂量 CT 图像重建算法的功能化和模块化4. 研究基于梯度矢量流与粒子群优化算法实现多模态医学图像配准；对各类异构医学信息进行分析推理，着重解决多模态信息的精确融合、基于统计学习的信息提炼和表意性可视化等难题。5. 组织相关临床医学专家，对上述研究成果进行生理学和量化评估，并全面总结、准备结题。1. 形成完整的先验统计理论和优化算法2. 提出基于负载的射频线圈设计新方法3. 将本课题的创新研究成果开发成图像重建软件包；4. 实现多模态医学图象信息融合，解决多模态图像间的多参数融合方法；针对动态功能影像，提出完备和实用的生理过程的自动、精确和定量分析方法；实现异构医学信息的融合实时显示5. 进一步完善原系统提供基于 f-CBIR 技术的大型医学图像数据库的全部技术和软件；