多断层融合的肺CT肿瘤靶区超分辨率重建

针对由曝光不均、噪声等因素引起的病灶区CT数据漏检、边界模糊等问题,设计了一种多方向神经网络(NN)插值算法。通过融合各断层层内和层间信息,对病灶区进行精确超分辨率重建。首先,将预测网络拓展为多方向三维空间;然后,根据肿瘤特殊灰度分布特征,设计最优初始权值;最后,预测漏检数据,提高病灶区分辨率。将本文算法与当前具有代表性的3种超分辨率重建算法PCGLS法、180°线性插值、单方向神经网络方法进行比较,结果表明:本文方法实时性更好,迭代次数平均减少25.9%,重建图像病灶区定位更精确,空间分辨率更高,质心偏离度平均降低27.1%,中心偏离度平均降低23.0%,病灶面积平均减少21.5%,平均PSNR提高了1.59 dB。本算法不但适用于肺部CT图像,也可以根据具体图像特征推广到其他生物信号和遥感图像等领域中。