搜索
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MonteCarlo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