ZhangPY Blog

不骄不躁!不屈不挠!严于律己!宽以待人!

【医学图像处理】X射线成像之与物质的相互作用

与物质的相互作用

【医学图像处理】X-ray成像之与物质的相互作用 X射线束可能是: 透射:通过不受影响或能量较低的 吸收:将所有能量转移到物质上,而不穿过患者到达胶片 分散:有或无能量转移 衰减 衰减的X射线是被吸收,以较低能量透射或散射的X射线。这是一个指数过程,因此,光束强度永远不会达到零。发生衰减的主要方法有两种: 康普...

【医学图像处理】X射线成像之X射线的产生

X射线的产生

【医学图像处理】X-ray成像之X射线的产生 概述 电流流过钨丝,并将其加热。 随着加热,增加的能量使电子能够通过热电子发射从灯丝中释放出来。 电子被吸引到带正电的阳极,并以由管电位(电压)确定的最大能量撞击钨靶。 当电子轰击目标时,它们通过轫致辐射和特有的相互作用将能量转换为热量(99%)和X射线光子(1%)。 X射线光子以一束能量(X射线光...

【医学图像处理】CT成像技术之CT剂量

CT剂量

【医学图像处理】CT成像技术之CT剂量 剂量单位 我们可以将不同的剂量测量视为逐步进行,每次将额外的变量添加到方程式中。 CT剂量指数(CTDI) 首先,我们通过单机架旋转来测量检测器的剂量,以得出CTDI。 |CT剂量指数| | |—|—|–| |定义|从单机架旋转到幻影的剂量| |单位|mGy| |受次影响|准直器/聚焦等距距离| 加权CTDI(C...

【医学图像处理】CT成像技术之CT伪影

CT成像技术之CT伪影

【医学图像处理】CT成像技术之CT伪影 导致CT图像伪影的因素可以分类为: 物理因素 病人属性 扫描器因素 螺旋和多层切片因素 物理因素 光束硬化 X射线束具有不同能量的光子,这些能量在平均“束能量”附近变化。当光束通过密集区域时,较低能量的光子更有可能被吸收,而较高能量的光子则更有可能保留。这导致更高的平均束能量。聚焦增加的平均光束能量被...

【医学图像处理】CT成像技术之图像质量

CT成像技术之图像质量

【医学图像处理】CT成像技术之图像质量 CT图像质量主要由以下三个因素决定: 分辨率 噪声 对比度 分辨率 分辨率是两个对象必须分开多远的度量,然后才能将它们视为图像中的单独细节。为了使两个物体分开看,探测器必须能够识别它们之间的间隙。 分辨率以每厘米 line pairs(lp / cm)进行测量,即可以在1厘米内成像为单独结构的line...

【医学图像处理】CT成像技术之图像获取(2)

获取图像的处理

【医学图像处理】CT成像技术之图像获取(2):获取图像的处理 本系列重点介绍CT成像技术,并将介绍用于获取图像的设备,如何形成和显示图像,影响图像质量的因素以及如何测量剂量。 本章节重点介绍`CT成像技术之图像获取(2):获取图像的处理 摘要 图像由不同灰度的像素组成,其阴影被指定为“ Hounsfield单位”(也称为“ CT编号”),将其与查...

【医学图像处理】CT成像技术之图像获取(1)

物理设备(机架和检测器)在获取图像中的作用

【医学图像处理】CT成像技术之图像获取(1):物理设备(机架和检测器)在获取图像中的作用 本系列重点介绍CT成像技术,并将介绍用于获取图像的设备,如何形成和显示图像,影响图像质量的因素以及如何测量剂量。 本章节重点介绍CT成像技术之图像获取(1):物理设备(机架和检测器)在获取图像中的作用 轴向与螺旋扫描 轴向扫描 “一步一步射击” 台架...

【医学图像处理】CT成像技术之CT设备

CT成像技术之CT设备

【医学图像处理】CT成像技术之CT设备 本系列重点介绍CT成像技术,并将介绍用于获取图像的设备,如何形成和显示图像,影响图像质量的因素以及如何测量剂量。 本章节重点介绍CT成像技术之CT设备 摘要 CT扫描仪的组件: 过滤器: 放置在X射线源和患者之间 去除低能X射线 产生更多的单色光束 可能是领结形的,一旦穿过身体就可以减弱衰减 准直...

【医学图像处理】MRI T1, T2 PD-加权成像

MRI T1, T2 PD-加权成像

【医学图像处理】MRI T1, T2 PD-加权成像 与辐射成像不同,在对比度成像中,对比度取决于所成像结构的衰减率。MR图像中,对比度取决于所成像区域中的磁性和氢核数。通过运行具有不同权重的不同序列,可以选择要成像区域中的不同对比度。主要有一下三个序列: T1加权:最大化T1对比度显示 T2加权:最大化T2对比度显示 质子密度PD加权:氢质子密度显示...

【计算机视觉】多示例学习

多示例学习

【计算机视觉】多示例学习 问题描述 有这样的训练数据,给定的标签是按照包 bag 来组织的,也就是说 positive 的包至少含有一个正样本,而 negative 的包中都是负样本。如何训练模型实现良好的分类效果?这正是多示例学习所研究的问题设定。 在应用中的对照 特别是目标检测、跟踪中,负样本很好选取,而最优正样本则很难。通常正样本的选取是在标记的矩形框附近...