空间分辨（精选10篇）
空间分辨 篇1
1 引言
光声成像结合了光学成像和超声成像二者的优点,可对生物组织进行高分辨率和对比度的成像[1,2,3,4]。利用短脉冲激光作为激励源照射生物组织,组织内部的光学吸收区域吸收入射光能量,发生绝热膨胀进而辐射超声波,此即光声效应(photoacoustic effect,PAT),通过对光声信号的检测,可重建样品内部的光学吸收分布图像[5]。对于采用宽带非聚焦超声探头的旋转扫描光声成像系统[6],确定成像系统的空间分辨率及其主要影响因素是提高图像质量的前提。一般情况下,很难得到光声成像系统空间分辨率的解析表达形式[7]。为此,首先给出了生物组织中光声信号的数值模拟方法,并以点扩展函数(poinspread function,PSF)的全峰半宽(full width at half maximum,FWHM)为依据,给出了一种确定光声成像空间分辨率的数值模拟方法,并以实验验证了该模拟方法的有效性,进而讨论了宽带超声探头有效探测面的孔径大小,信号滤波的带宽和截止频率与光声成像空间分辨率的关系,为光声成像系统空间分辨率的计算提供了理论依据。
2 空间分辨率的数值模拟方法
如果激光脉冲的持续时间远小于样品内部的热传导时间,生物组织内吸收入射光能量产生的热传导可被忽略,其内部光学吸收区发生绝热膨胀进而辐射光声信号,样品内光学吸收点产生的点源光声信号可表示为[8,9]:
式中,k为波数,d为点源与探头的距离。上式可进一步表示为:
式中,δ(r軆,t-t0)为时域δ函数。由于整个光学吸收区可认为是由一系列吸收点构成,所以探头在r軆0处,时刻t所得到的光声信号可认为是组织内光学吸收区域所有与探头距离d=c(t-t′)的点源光声信号p0(r軆,t)的积分,t′是激光的触发时刻,则点探头在二维圆周扫描时某位置处的光声信号可根据点源光声信号前向投影积分计算:
式中,“*”表示卷积运算;准0为投影曲线;W(ω)、w(t)为滤波函数,可选择Hanning窗[1]。
实验中所采用的针状宽带超声探头有一定的探测面直径(准=1mm),在模拟计算中可认为其有效探测面是由一系列的探测点构成,每个探测点独立接收样品光声信号,探头得到的光声信号是各探测点光声信号的叠加,在二维情况下,具有一定直径的圆形探测面可由含若干探测点的相应长度的线段表示。
考虑信号滤波带宽、探测面直径等因素,系统的空间分辨率可由PSF的FWHM确定。根据模拟的点源光声信号,利用时域后向投影算法[8]重建点光声源的光学吸收分布图像,可得到系统PSF的FWHM,探头圆周扫描时的坐标投影关系如图1所示。
3 空间分辨率的实验与模拟结果对比
为了验证了空间分辨率模拟算法的有效性,对位于图像中心的PSF的FWHM进行实验测量并与模拟结果进行对比。实验系统组成如图2所示。
图2中,Nd:YAG激光器(quanta-ray PIV,spectrum physics)脉冲重复频率为10 Hz、脉宽为7 ns、波长为532 nm,示波器(TDS5054,Tektronix)延时10μs后采集光声信号,采样频率为250 MHz,PVDF宽带针状水听器探测面直径为准=1 mm,滤波上限截止频率为20MHz。样品由10 g琼脂与100 ml水混合加炭黑染色后制成,激光经透镜聚焦后投射于样品表面形成点光声源,实验与模拟结果对比如图3所示。
在图3(b)中,根据PSF的FWHM得到系统的空间分辨率为0.04mm,PSF决定于圆心峰值处的FWHM,模拟与实验结果较好符合,误差较小,验证了模拟算法的有效性。
4 模拟结果
影响光声成像系统空间分辨率的主要因素包括探头的扫描方式、光声信号的滤波截止频率、探头有效探测面直径的大小等,探头圆周扫描时的模拟计算结果如图4所示。
由图4(a)可见,在圆周扫描情况下,对于探测面直径一定的探头,成像的空间分辨率主要取决于宽带光声信号的高频成分,PSF的FWHM随滤波上限截止频率的增加按指数关系下降。由图4(b)可见,在滤波上限截止频率一定的情况下,成像的空间分辨率与探测面直径准呈线性关系。探头扫描半径的大小对空间分辨率也有一定的影响,但相对上述2个因素可基本忽略。
注:探头扫描半径为50 mm,滤波上限截止频率为25 MHz
5 结论
光声成像的空间分辨率根据PSF的FWHM得到,利用聚焦激光产生的点光声源,实验测量了成像系统的PSF,并通过与数值模拟结果的对比验证了模拟方法的有效性。模拟计算了圆周扫描情况下滤波上限截止频率及探测面直径大小与成像空间分辨率的关系。利用该方法还可对基于线性扫描的光声成像系统[10]的空间分辨率进行模拟计算。在临床上,利用该方法可根据目标病灶的大小对成像参数(如探头的响应频率等)的选择做出估计,以达到最佳的成像效果。
参考文献
[1]Kruger R A,Kiser W L,Miller K D,et al.Thermoacoustic CT:imaging principles[J].Proc SPIE,2000,3916:150-159.
[2]Wang Li-hong.Ultrasound-mediated biophotonic imaging:A review of acousto-optical tomography and photo-acoustic tomography[J].Disease Markers,2004,19:123-128.
[3]Maslov K,Wang Li-hong.Photoacoustic imaging of biological tissue with intensity-modulated continuous-wave laser[J].J Biomed Opt,2008,13(2):024006.
[4]Maslov K,Wang Li-hong.Continuous-wave photoacoustic mi-croscopy[J].Proc SPIE-Int Soc Opt Eng,2007,6437:64370P.
[5]Xu Ming-hua,Wang Li-hong.Time-domain reconstruction algo rithms and numerical simulation for thermoacoustic tomography in various geometries[J].IEEE Trans on biomedical engineering,2003,50(9):1086-1099.
[6]Su Yi-xiong,Wang Rui-kang,Zhang Fan,et al.Two-Dimensional Photoacoustic Imaging of Blood Vessel Networks within Biological Tissues[J].Chinese Phys Lett,2006,23(2):512-515.
[7]Xu Ming-hua,Wang Li-hong.Analytic explanation of spatial resolution related to bandwidth and detector aperture size in thermoacoustic or photoacoustic reconstruction[J].Phys Rev E,2003,67(5):056605.
[8]Xu Ming-hua,Wang Li-hong.Time-domain reconstruction for thermoacoustic tomography in a spherical geometry[J].IEEE Trans onMedical Imaging,2002,21(7):814-822.
[9]Xu Ming-hua,Wang Li-hong.Pulsed-microwave-induced thermoa-coustic tomography:Filtered backprojection in a circular measure-ment configuration[J].Med Phys,2002,29(8):1661-1669.
[10]Yang Di-wu,Xing Da,Gu Huai-min,et al.Fast multielement phase controlled photoacoustic imaging based on limited-field-filtered back-projection algorithm[J].Appl Phys Lett,2005,87:194101-194103.
空间分辨 篇2
介绍了提高采样式光学遥感器图像空间分辨率的国内外发展现状,以任意两维周期采样理论为基础,探索了一种通过把线阵探测器倾斜θ度而非常规线阵推扫的`0°,同时把推扫方向的采样间距缩短为P/m,而非常规线阵推扫的P的新焦平面采样方法.该方法相对于常规线阵推扫采样,可以增加采样密度,提高图像空间分辨率.在原理研究的基础上,设计了一套实验验证系统,通过实验系统对该方法进行了物理及其可行性验证.试验结果表明:如果探测器阵列旋转45°并且推扫方向采样间距减半,相对常规线阵推扫采样,图像的空间分辨率可以提高1.64倍左右.相对于高模式采样技术和超模式采样技术,该方法避开了两排错位排列探测器的难题,因此工程实现上要简单.
作 者：周峰 王怀义 马文坡 刘兆军 ZHOU Feng WANG Huai-yi MA Wen-po LIU Zhao-jun 作者单位：北京空间机电研究所,北京,100076 刊 名：宇航学报 ISTIC PKU英文刊名：JOURNAL OF ASTRONAUTICS 年，卷(期)：2006 27(2) 分类号：V474.2 关键词：采样式光学遥感器 单线阵探测器 高模式采样 超模式采样 倾斜采样 空间分辨率★ 贵州省卫星遥感应用成就介绍
★ 10m级分辨率卫星影像道路语义模型研究
父爱不用分辨 篇3
他满眼温情地看着聪明活泼的儿子，然后与坐在身边的妻子相视一笑。他觉得心里的幸福像电视特技镜头里的花儿开放一样，听得见“噼噼啪啪”的花开声。
他姓金，儿子小名就叫“金豆豆”，这可是名副其实的金豆子，是爷爷奶奶心里的宝贝蛋，是外公外婆手心里开心果。这不，一家三口趁着周末从瑞安家里刚到宁波玩了一天多，爷爷奶奶就受不了啦，电话一个接一个催：“一天没见我大乖孙，想死了，今天晚上就回家，爷爷奶奶做好饭菜等乖孙回家吃饭！”
听得他都“吃醋”了：“是不是只做了大乖孙的那一份，儿子儿媳都没的吃？”说得老人在电话里咯咯咯笑开了。
妻子就坐在他身边，微笑地看着儿子在车厢走道里玩。妻子笑起来的时候，眼角有了细细的鱼尾纹，她是一位刑警，紧张而危险的职业让她显得比同龄女子更多了一份冷静和淡定。记得他第一次看到她的鱼尾纹时，他说：“哎呀，你有鱼尾纹了！”
换作一般女子，会惊慌失措地惊叫起来。而她却说：“叶芝诗里说，当你老了，头白了，睡意昏沉，只有一个人爱你衰老的脸上痛苦的皱纹。只有这样的男人才是真正有品位的男人，你不会是没有品位的男人吧？呵呵。”
他笑，看她的眼神里，更多了一份敬重。
从宁波上车后，这列D3115次動车就一直基本保持着234千米的时速运行，儿子问他：“爸爸，我们什么时候到家？”他说：“晚上8点10分就到家了。”儿子望着窗外飞驰的景色说：“我们向家飞啰！”
19点47分，动车准时到了永嘉站，透过玻璃看到强烈的闪电像蜿蜒的长蛇一样划过夜空，漆黑的夜色一瞬间亮如白昼。正常情况下，动车在永嘉站只停靠1分钟。然而20多分钟过去了， 列车都没有动，20点15分，车上传来了广播声：“前方雷电很大，列车不能正常运行，正在接受上级的调度，希望乘客谅解。”
20点28分，车终于缓缓开动了，他与妻子都长舒了一口气，豆豆爷爷奶奶几次电话来催了。还有大概20分钟就到瑞安站了，他开始从行李架上取下行李整理起来，儿子也伸过小手来帮爸爸整理……
“啊……”在他还没有反应过来的一瞬间，整个车厢发出了惊恐而凄厉的尖叫声！他下意识地一把抓住身边的儿子，将儿子紧紧搂在怀里。
四周突然一片漆黑，他已来不及喊妻子。
他和儿子在翻滚，巨大的力量将他揉面团一样狠狠地砸过来，又狠狠地甩过去。
他感觉到自己的头骨被摔裂了，浑身的骨头都断了，他的面孔不断受到重创，血汩汩地往外淌……其实这时候，他可以本能地抱住自己的头减轻伤害，但他顾不到这些了，他只是蜷紧背脊抱紧孩子，心里只有一个念头：让孩子活下来！
慢慢地，他觉得自己眼皮很沉，他似乎听到了父母的呼唤：儿子，回家吧。他觉得自己走到了家门口，看到了窗户透出来的温暖的灯光……
他们被找到的时候，豆豆的身体完好无损，人们一眼便能认出这是豆豆。豆豆看上去很安静，像睡着了一样。
而紧紧搂着豆豆的那个男人，已经面目全非，根本无法辨认他的身份。
为了确认身份，有人建议DNA采样验证。
“不用了”，豆豆的外公颤抖着一头白发，用嘶哑的声音说：“除了豆豆的亲生父亲，还有谁能用生命守护豆豆？这是父亲的本能。”
生死一线之间，用生命守护儿子的男人，纵使他面目全非，所有的人也能从他模糊的面孔上地看到两个清晰的大字——父爱。
空间分辨 篇4
关键词：64层螺旋CT,空间分辨力,调制传递函数
0 引言
CT机自1972年问世以来,经过多年的发展,已经从普通的CT发展到螺旋CT,并且已经由1层CT发展到640层CT[1]。尽管CT已经发展到640层,但是128层、256层、320层和640层CT仅有个别CT设备生产商在生产,价格比较贵,医院装机量比较少。在医院中装机量比较大的是64层螺旋CT机,国际代表性的CT设备生产商都以64层螺旋CT作为自己的主流产品,同时国产CT也进入了64层CT的行列,因此做好64层螺旋CT的图像性能质量评价非常重要。目前,在CT行业标准中评价CT的图像性能指标主要有图像噪声、CT值均匀性、CT值准确性、CT值线性、空间分辨力、低对比度分辨力、伪影、切片厚度等[2]。本文主要关注64层螺旋CT的空间分辨力的评价指标,提出64层螺旋CT空间分辨力的检测要求和检验方法,同时探讨测试中需要引起关注的问题。
1 空间分辨力
空间分辨力又称高对比度分辨力[3,4],它是衡量CT图像质量的一个重要参数,是指在高对比度的情况下区分相互靠近的细小物体的能力,也就是可以识别相邻物体的最小极限,通常用每毫米黑白条纹对数量的形式来表示,单位lp/mm或lp/cm。其换算关系为:5÷lp/cm=可分辨的最小物体直径(mm)。空间分辨力在临床上体现为对小病灶或结构的成像能力,是CT系统图像性能的重要参数,同时也是CT质量检测的关键因素。
影响空间分辨力的因素主要有:(1)X线管的焦点尺寸:焦点小的X线管产生窄的X线和较清晰的图像,但是热容量受到限制;(2)探测器单元的孔径:孔径越窄,孔径转移函数越宽,越有可能提供较高的分辨力;(3)图像重建算法:选用不同的算法也会得到不同的图像,空间分辨力也会不同;(4)图像矩阵:图像矩阵越大,分辨力越高;(5)X线剂量、层厚[5]:层厚越薄,空间分辨力越高,但层厚越薄,噪声就越大,低对比度分辨力就会降低。
2 空间分辨力的常规检验方法
目前,国家CT机行业标准中用来检测CT空间分辨力的方法有以下2种:
(1)分辨线对法。视觉分辨在适当的试验器件图像中可分辨出重复图案中最小的分离元素(如孔、短棒或者线条)的间隔[6]。CT机常用测试模体Catphan500和Catphan600中的CTP528 lp/cm高分辨力模块(如图1所示)来进行分辨力的测试,可分辨一组黑白相间的线对的间距尺寸。不同线对数的线对卡对应不同的空间分辨力,共有21组,即1~21 lp/cm。
分辨线对法需要依靠人眼来识别可以分辨的线对数,优点是简单快速,缺点是存在主观的因素,依赖于观测者和观测环境,可重现性差 。
( 2 )调制传递函数( modulation transfer function , MTF )的截止频率法,可采用Droege和Morin[7]给出的方法测量。该方法基于测量已知频率的输入方波的输出幅度。因为调制传递函数定义为输出调制和输入调制的比值,周期图案的MTF可测量如下:
式中,M测试物为周期性测试物的调制,由图像中周期性测试物像素的标准偏差计算;N背景为背景的平均噪声(对应于水和短棒测试物的材料);CT材料和CT水为测量得到的短棒测试物的材料和水的CT值,测量应使用和计算噪声一样的感兴趣区,并应包含至少100像素。
MTF曲线图可通过测量所有可分辨的周期性测试物调制点,并对应周期性测试物的空间分辨力作图得到(如图2所示)。
用MTF法进行空间分辨力测试的优点是能够提供所有空间频率的详细信息,避免了测试过程中人眼观察等主观因素带来的影响,而且包含了更多的信息;需要特别仔细的定位和专门的测试软件,通常利用CT机系统自带的软件自动计算其数值。
3 空间分辨力测试要求中存在的不足
目前CT机检验的行业标准YY 0310—2005中规定,要选择典型头部和体部运行条件对空间分辨力进行评价,在试验方法选择上可以选择分辨线对法和MTF法。
现行标准中对空间分辨力测试要求和方法存在不足,线对分辨法存在人眼观察的主观因素,不同的观察者对线对的观察不同,不能客观地评价空间分辨力;MTF法没有规定具体MTF的百分比。在日常的检验中发现,CT设备的生产商给出的空间分辨力评价的条件是不同的,具体见表1。
lp/mm
由表1可以看出,不同CT设备生产商给出不同条件下的分辨力值,有的生产商为了显示较高的空间分辨力,实际给出的是MTF=0%时的空间分辨力数值,看似空间分辨力的值比较高,但是MTF=0%时的线对数是没有实际意义的。同时设备生产商在进行产品市场宣传时仅仅强调分辨力值,不明确说明其测试的具体条件,容易误导CT设备的采购和使用者。为了避免类似问题,有必要对空间分辨力提出非常明确的测试要求和测试方法。
4 64层螺旋CT的空间分辨力测试要求
(1)对64层螺旋CT的空间分辨力测试时,要求采用MTF的截止频率法进行空间分辨力的评价。
(2)64层螺旋CT的空间分辨力测试要求给出MTF=50%和MTF=10%时的空间分辨力值[2]。
为了避免空间分辨力评价条件的不同,要求64层螺旋CT的空间分辨力参照GB/T 19042.5—2006《医用成像部门的评价及例行试验第3-5部分:X射线计算机体层摄影设备成像性能验收试验》标准的要求,给出采用MTF=50%和MTF=10%时的空间分辨力值,在同一测试要求下有利于比较其空间分辨力的优劣。
(3)64层螺旋CT的空间分辨力测试要求X-Y平面和Z轴方向均进行空间分辨力评价[8,9]。目前的64层螺旋CT通常具有32层及以上的探测器,其Z轴方向的扫描覆盖范围比较宽且图像的性能指标也至关重要。因此,在对64层螺旋CT进行空间分辨力评价时,不仅要进行X-Y平面的空间分辨力评价,同时还要进行Z轴方向的空间分辨力评价,通常Z轴方向的空间分辨力要低于X-Y平面的空间分辨力。
(4)空间分辨力的影响因素比较多,同时不同的CT机的技术参数也有区别,很难达到完全一致的技术参数要求。通常要求空间分辨力的测试应在CT设备生产商给出的典型头部和体部运行条件下进行测试,同时要求头部中心剂量不大于40 m Gy,体部中心剂量不大于20 m Gy。
5 空间分辨力测试的注意事项
在进行空间分辨力测试时要注意测试条件的选择,按照标准要求选择典型模式进行测试,为了保证测试结果的重现性,要注意记录测试时的CT运行条件,例如体层切片厚度、螺距系数、峰值、X线管电压、X线管电流、加载时间等。
6 结语
硫磺中药巧分辨 篇5
枸杞花椒看颜色
熏过硫磺的药材，外表会变得非常漂亮，颜色会更洁白或鲜艳，片形也会更好看。比如枸杞在晒干后颜色会呈陈旧的灰暗色，表面像包裹着一层哑光，而熏过硫磺的枸杞颜色会是亮丽的红艳色。正常的银耳根部有浓重的黄色，而用硫磺熏过之后，整体呈白色，茎部的黄色也不深。因此大家在购买菊花、花椒、生姜等本身带有颜色的药材时千万不能拣着卖相好的挑。
贝母金银花闻味道
除颜色异常干净亮白外，闻一闻选购的中药是不是有淡雅的自然香味也是重要的识别方法。一般草本类中药都会有种淡淡的草香味或其特有的药材味，而被硫磺熏过的药材则有一种刺鼻的臭鸡蛋味。比如金银花气清香、味淡、微苦，经硫磺熏蒸后不仅没有清香气，还会产生一股酸味。川贝母闻起来有丝丝的甜腻感，硫磺熏蒸后也会变酸。服用后会刺激喉咙，引起咽喉干燥，影响止咳效果。
菊花生姜捏表皮
一般来讲，硫磺熏蒸后的中药要比未熏蒸的中药材含有的水分高、分量重且质地柔软，用手捏一捏手指上会感到潮湿，并留有水渍。正常的菊花与百合，由于水分低，用手轻轻一捏便会碎开，呈松散状，而熏过硫磺后摸上去触感会比较柔软，有韧性。正常的生姜表面一般都多少會带一点晒干后的泥土，而且皮干燥、厚实，但用硫磺熏过的生姜会水嫩水嫩的，用手一搓表皮就会脱落。
黄芪银耳沸水煮
空间分辨 篇6
关键词：空间分辨率,流域特征,DEM,平均取样,云南省元谋县
随着现代化科学技术的不断发展,尤其是计算机技术以及GIS应用的逐渐广泛,DEM(数字高程模型)成为近年来流域水系分析、地形特征提取等数字地形分析领域的热点[1],DEM作为地形地貌数字化表达方式,具有多形式的显示方式与不易损失精度等优点,使其逐渐取代了传统的存储介质[2]。一般来说,DEM的数据类型有栅格型、不规则三角网(TIN)和矢量型(等高线)3种,其中栅格型DEM数据结构较为简单,在数字地形分析方面采用较多[3]。如郭超颖等[4]基于DEM对马莲河流域数字地形分析,提取流域的基本地形特征以及流域水系、划分小流域等。
DEM对于提取地形特征与流域特征具有诸多优点,因此利用DEM提取流域特征是建立分布式水文模型的基础[5],水文模拟研究和基于空间技术地形特征提取大多是在DEM的基础上进行的[6]。DEM包含的信息会随着分辨率的变化而变化,空间分辨率作为DEM的重要影响因素,是近年来学者们重点研究对象。根据郝振纯等[7]研究得出,DEM空间分辨率的不同,包含的信息量也相应不同;吴险峰等则在大、中型流域内分析了DEM分辨率对流域特征的影响,DEM的分辨率对提取河网的精确性有较大影响,网格的增大增加了平地流向的随意性,网格单元越小,提取结果越精确;根据孙龙等[8]研究以岷江上游为例,基于SWAT模型得出,不同空间分辨率DEM的平均高程变化基本不变,但随着空间分辨率降低,高程范围逐渐缩小;根据陈楠等[9]对不同空间分辨率DEM对坡度不确定性研究,空间分辨率的变化会造成DEM提取坡度的不确定性变化。
以往学者对于流域特征研究主要集中在小、中型流域[2,10],其运用的DEM数据的分辨率较低,因此对于高精度的较大型流域的流域特征提取较少。随着DEM数据的分辨率的不断提高,其所包括的信息量也不断增加,对于计算机的容量以及速度要求也较高,虽然DEM数据分辨率精度的提高对流域特征信息的涵括较多,但尽可能采取高分辨率的DEM数据也较为不现实[11]。本文运用的是10 m×10 m的DEM数据,对于不同空间分辨率的流域特征的变化具有较为实际的意义。由于各个流域对于DEM数据的分辨率要求不同,本文通过对DEM进行重取样,探讨取样后与原始数据下,不同空间分辨率的流域特征参数的变化,通过对比取样前与取样后的流域特征参数变化,更加精确地得出流域中不同空间分辨率DEM的流域特征变化。
1 研究区概况
云南省元谋县,介于101°35′~102°25′E、25°25′~26°07′N,流域面积约2021.47 km2,海拔899~2835 m,地势周围高中间低,四周为山地,中部为元谋盆地,金沙江一级龙川江由南向北纵贯盆地;东部山地高出盆地1200~1400 m,由山顶至盆地间呈梯状下降;西部多山冈和丘陵,山顶海拔1300~1500 m;南部山地海拔1400~2600 m;北部山地海拔1800 m以上。区内热量丰富,降水少且季节分配不均,蒸发量大,气候干热。
2 数据与方法
2.1 数据的获取与预处理
本文以元谋县1∶5万地形图等高线数据为信息源,通过PCI Geomatica 9.0遥感软件的Ortho Engine模块内插生成10 m×10 m的DEM数据。矢量数据来自国家基础地理信息中心下载1∶400万的矢量边界图,在Arc GIS10.2中用已经定义投影的矢量边界裁剪内插数据,得出元谋县县域内的DEM数据。
2.2 研究方法
基于元谋县DEM数据,采用平均取样方法。在Arc GIS10.2中,运用邻域分析对DEM数据进行平均取样,采样窗口依次为3×3,5×5,7×7……19×19。然后通过重采样工具分别对不同窗口进行重采样,生成150 m、250 m、350 m……950 m等9组分辨率的DEM数据。依据得出的9组数据,利用Arc GIS10.2软件的水文分析工具提取该县的流域特征参数,包括高程、流域面积、坡度、河网长度、河网密度。最后对比分析得出在同一取样方法下,不同分辨率的DEM数据的流域特征参数的值的变化。同样地,用3×3,5×5,7×7……19×19的等9组栅格数据,提取未取样下的流域特征参数值,通过对比分析,得出不同空间分辨率下流域特征值的变化。
3 结果与分析
3.1 高程
计算出平均取样与未取样的不同分辨率下的高程最大值、最小值(见表1)。由表1可知,平均取样下与未取样下的高程值变化趋势较为平稳,最大高程在空间分辨率为410 m、710 m时,平均取样最大高程值大于非取样高程值;而最小高程在分辨率在510 m、610 m、710 m时,平均取样最小高程值小于非取样最小高程值。从总体上看,不同空间分辨率下的平均取样高程值与未取样高程值基本上较为接近。
3.2 坡度
根据表2可知,平均取样的坡度最值基本等于未取样的坡度最值,随着空间分辨率的增大,坡度最高值呈匀速下降趋势,起伏较小;而坡度最小值基本接近于0,并且随着空间分辨率的增大逐渐增加,因此坡度的最值差距随着分辨率的变大而逐渐缩小。
3.3 河网长度
河网长度是研究流域特征的重要参数之一,是指河道干支流的总长度[12]。通过水文分析提取不同空间分辨率下的河网长度(见表3),河网长度基本随着分辨率的增大而减小,分辨率小于410 m时,河网长度急剧下降,大于410 m时,河网长度渐趋平缓,并且110 m分辨率下的河网长度与910 m下的河网长度相距较大。可见,平均取样河网长度与非取样河网长度基本一致,分析原因在于由于平均取样下坡度与非取样下坡度基本一致,坡度的一致使汇流速度一致,因此得出的河网长度基本一致。
3.4 流域面积
流域面积是流域的基本特征,其不仅决定流域内的河流流量,同时也直接影响着径流的过程,流域面积包括干流与各支流的流域面积。表4为提取不同分辨率下的流域面积的变化情况。由表4可见,平均取样流域面积随着空间分辨率的增大而增大,但变化幅度不大,基本在2050 km左右;而非取样流域面积相反,其流域面积值随着空间分辨率的增大而减小,均值在2030 km左右。从整体上看,平均取样流域面积大于非取样流域面积,并随着分辨率的增大而差距加大,当分辨率≥810 m时,两者的差距趋于稳定。
3.5 河网密度
河网密度等于干支流的总长度和流域面积之比[13],即表示河流某断面以上流域内单位面积上的河流长度,可以描述水系发育和河流的疏密程度。表5为平均取样与非取样下不同空间分辨率的河网密度值,根据数据可以得出,不同取样下的河网密度随着空间分辨率的增加而减小,并且两者的差距很小。由于河网密度值为河网长度与流域面积的比值,根据上文可知,平均取样与非取样下的河网长度值十分相近,而流域面积值随着分辨率的改变而变化较小,河网密度基本跟随这河网长度的趋势改变。
4 结论与讨论
通过对云南省元谋县流域特征参数值进行对比分析,得出以下结论。
(1)不同空间分辨率下的DEM所包含的流域信息量不同。随着空间分辨率的增大,其流域的坡度、高程、河网长度、流域面积值会逐渐减小。根据9组不同空间分辨率DEM数据,以100 m为差距,各组之间得出的值差距不同,对于高程、流域面积而言,不同空间分辨率得出的结果差距较小,并且变化趋势较为平稳;而坡度、河网长度以及河网密度,不同空间分辨率得出的结果差距较大,其中坡度最值呈匀速递减。
(2)取样方法运用下与未取样下的流域特征参数值也不同。通过对比,平均取样下坡度、河网长度、河网密度值都较为接近未取样下的值;而平均取样高程最值与未取样高程最值基本较为相近,平均取样流域面积与未取样流域面积值差距较大,平均取样下流域面积值随着空间分辨率的增大而增大,未取样流域面积随着空间分辨率的增大而减小。
空间分辨 篇7
平生医疗科技 (昆山) 有限公司于2014年正式推出拥有完全自主知识产权的小动物PET平台——Super Nova小动物PET/CT。
对于小动物PET/CT系统, 空间分辨率 (Spatial Resolution) 是一个核心的指标。影响空间分辨率的因素有很多, 主要有深度效应 (Depth of Interaction, DOI) 、正电子移动范围 (Positron Range) 以及非共线性 (Noncolinearity) 。目前国外的临床PET研究主要集中在将一个物理尺寸很小的点源放置在PET探测视野的不同位置采集空间分辨率信息, 然后通过建模的方法得到探测视野内的空间分辨率的分布情况。由于硬件条件的限制, 这项技术基本由国际大公司所垄断。
空间分辨 篇8
从空间带宽积的角度出发,得到了可以使用傅里叶快速再现待测物体复振幅的系统配置。还有,为了快速高分辨再现物体,分别比较了细分菲涅尔再现算法和细分卷积再现算法在同等条件下的重构质量和速度。具体来说,无论记录距离长短,只要满足待测物体的空间带宽积不大于图像传感器的空间带宽积的条件,就可以用快速傅里叶算法来重构待测物体的全息图。重要的是,文中研究结果拓展了快速傅里叶算法的使用范围,为数字全息的再现提供了一个实用的方法。
1 理论
1.1 数字全息分辨率与记录光路
在数字全息中,系统的成像能力,从阿贝定律或者瑞利判据[1]的观点来看,取决于系统的分辨率,有下式
其中,λ是波长;NA是系统的数值孔径。该定律指出了系统分辨细节的能力与波长成正比,与数值孔径成反比,然而很少研究把注意力放在保证这一分辨率的同时,能对多大的物体进行成像。在数字全息记录再现系统中,一方面,作为记录全息图和数字再现载体的图像传感器,由于其固有的缺陷(如像素大,尺寸小),描述其信息容量的空间带宽积受到限制。因此,在记录和再现的过程中,如何充分利用这个有限的空间带宽积来记录待测物体的信息是关键。另一方面,在再现过程中,由于菲涅尔全息再现算法的数学描述跟傅里叶变换有形式相似的性质,可以借助FFT算法来快速重构物体,解决数字全息再现速度的问题,然而菲涅尔全息再现算法需要满足记录距离比较大的条件,因而阻碍了系统分辨率的提高。在图像传感器不能大幅度提像素高分辨率的情况下,如果需要提高记录系统的分辨率,通常可以采用增加数值孔径的方法来实现:近距离记录[2]和合成孔径[3],然而这种情况下,菲涅尔近似的条件不再满足,所得的全息图只能用卷积再现算法来重构,如基尔霍夫-菲涅尔积分公式[4]或者索末菲积分公式[5]来重构物体复振幅。然而,这种方法会消耗大量的内存,使运算量大大增加,运算速度减慢。因此,如何提高系统分辨率和再现速度,成为研究的热点问题[4,6,7]。
空间带宽积一方面可以用来度量待测物体的信息量,另一方面,对于记录系统来说,也可以衡量系统接收信息量的能力,具体到显微数字全息中,可以用来衡量系统成像能力,即系统可以测量物体的大小和细节的能力。为简单化,仅考虑空间坐标一维的情况,待测物体的空间带宽积NI可以表示为
其中,xo表示待测物体的大小;Δvo为物体最小分辨距离Δxo对应的带宽。在一定程度上表示了需要获取的信息容量。同样,在显微数字全息系统中,对获取信息的图像传感器而言,代表空间带宽积的像素数可以表示为
其中,xH是图像传感器的尺寸大小;ΔvH是像素大小ΔxH对应的带宽。上述空间带宽积用魏格纳表(wigner chart)来描述,它们的wigner chart是具有一定大小的矩形[8],然而物光经过各种干涉光路与参考光干涉作用后,从原来的长方形变为与干涉光路有关的各种形状[8,9],使得其不再是规则的矩形。因此,干涉图的非矩形wigner chart通过矩形的wigner chart时,超出矩形wigner chart部分的信息将被丢失,不能被测量系统所获取。为了最大限度地利用测量系统的空间带宽积,可以通过配置不同的记录光路,来最大限度地匹配图像传感器的空间带宽积。当采用同轴无透镜傅里叶变换光路来记录时,物体的wigner chart可以保持长方形的形状[10],对图像传感器的空间带宽积要求最低[11],也就是说,对于空间带宽积一定的图像传感器,使用此光路能获得最多的信息量,此时,有下式
从得知xo与Δvo成反比,利用图像传感器上获得的NY来重构物体复振幅时,可以通过减小记录物体尺寸来提高分辨率,即减小系统对于记录物体的有效视场范围(FOV)来满足wigner chart的大小不超过图像传感器的wigner chart。当满足采样定理的条件,并且图像传感器像素尺寸一定时,由文献[11]得知,同轴记录光路的FOV(即待测物体大小范围)为
其中,ZOH为待测物体到图像传感器之间的记录距离;λ为测量使用的激光波长。为了获得较小的FOV,必须减小记录距离ZOH。
假设要求系统能够分辨的细节为Δx,根据信号与系统,其对应的带宽为π/Δx,在已知图像传感器的空间带宽积为NY的情况下,根据式(4),在能最大利用图像传感器的空间带宽积的条件下,待测物体最大范围为
在此条件,图像传感器记录到的衍射光场表示为
其中,U0(x0,yo)为物光场;rOH为物面点到记录面任一点的距离,作泰勒级数展开取出第三项后面的高次项后为
记录面上的参考球面波可以表示为
其中,rRH为参考光平面到记录平面的距离,同样,用泰勒级数展开为
此时,在记录平面上记录的全息图包含了物体的再现像、共轭像和背景项,可以使用相移方法将共轭项与背景项去除,得到只包含了物体信息的相移全息图Ips。
1.2 数字全息的再现与再现速度
根据全息原理,当再现光与参考光相同时,即可完整地再现原来记录的物体,其再现光场表示如下
其中,xI,yI为再现像所在平面。
将式(8)、式(10)代入式(11)可得再现光场为
如果直接用卷积再现算法计算式(12),将非常困难。当再现光与参考相同时,再现像与待测物体一样,因此式(12)中的第二个相位因子可以表示为
当物体的尺寸满足式(5)时,式(13)中相位因子的影响可以忽略不计,此时,式(12)中的再现光场表示为
从式(14)中的傅里叶变换形式可以看出,该式可以使用快速傅里叶变换的方式来提高计算速度。
因此,当配置系统光路为同轴无透镜傅里叶变换光路并且缩短记录距离时,在图像传感器上获得的满足上述空间带宽积要求的干涉图就是傅里叶全息图,更为重要的是,物面和图像传感器记录面之间是傅里叶变换关系,在使用菲涅尔再现算法再现物体的过程中,通过数值模拟参考光,可以只用一次快速傅里叶变换,就再现出物体的复振幅,从而避免了使用卷积再现算法带来的计算量巨大和计算速度慢的问题。
2 实验证明
根据空间带宽积要求设计的短记录距离同轴无透镜傅里叶变换光路如图1所示。
其中,xoyo面表示物体所在物平面;xHyH表示图像传感器所在的记录平面。
实验测量了1951 USAF分辨率板,为了获得短的记录距离,设置记录距离ZOH为13.78 mm,所用的图像传感器像素数NY为300×300,像素大小ΔxH为10μm,为了获得较小的FOV,在分辨率板上贴上限制物体大小Δx的直径为0.5 mm的透光圆形掩膜,阻止在此圆孔外的光通过。实验所获得的干涉图之一如图2所示。
在实验中,采集了四幅相移干涉图,通过相移技术[12]消除零级像和共轭像后的再现像如图3所示。
同时采用了细分再现算法[13]来更精细地显示全息图的细节,如图4所示。
从图4可以看到,分辨率板的第七组第三个元素已经清晰地再现出来,其分辨率为161.3 lp/mm,对应的Δx约为3μm,接近根据式(1)定义的极限分辨率。根据式(6),理论上能再现的物体大小Δx为0.573 mm,与实验中使用的0.5 mm直径的圆孔基本符合。
卷积算法由于没有作近似,通常被认为是在近距离记录时的无误差再现算法,因此,为了作对比,用卷积再现的算法再现了分辨率板,如图5所示。
从图4、图5的对比可知,使用FFT快速算法来再现满足空间带宽积要求的物体,其再现效果跟使用卷积再现的方法几乎是一样的。在相同条件下,从计算时间上看,前者只需要1 s,后者需要22 s,只要由于卷积算法至少需要进行4次傅里叶变换运算,直接用傅里叶变换的菲涅耳再现算法则只需要进行一次傅里叶变换运算。因此卷积细分再现算法的运算量和计算机存储资源的占用量都远大于傅里叶细分再现算法。
3 结论
空间分辨 篇9
超分辨率图像重建技术, 是指用图像和信号处理的方法, 由一组描述同一场景但相互间有亚像素偏移的低分辨率图像来构造一幅或多幅高分辨率图像的技术, 目前已被广泛应用于天文、遥感、军事监视和医疗诊断等领域中[1]。
Tsai和Huang首先提出了对多幅欠采样图像进行超分辨率重建的频域方法[2]。虽然之后的一些文献在此基础上对其进行了改进和发展[3,4,5], 但频域方法并没有成为研究的主流;而超分辨率重建技术在空间域却得到了很大的发展, 相继产生了多种方法, 其中比较典型的有凸集投影 (POCS) 法[6,7]、迭代反向投影 (IBP) 法[8]、最大后验概率 (MAP) 法[9,10,11,12]等。其中, MAP法由于其对超分辨率重建这一病态问题进行了正则化以及良好的降噪能力和解唯一等优点, 得到了广泛的关注。
在MAP超分辨率重建算法中, 正则化参数的选择是一个关键问题, 直接影响到重建图像的质量。在最近的几年里, 对这一问题的研究取得了一定的成果[12,13], 提出了自适应的正则化参数选择方法。但是, 目前的这类方法主要是在重建迭代的过程中, 利用图像整体的平滑度与失真度来确定并更新正则化参数, 并没有考虑图像局部的灰度特性, 我们可以称之为整体自适应正则化。本文引入了局部自适应正则化参数, 将图像的空间局部特性引入到正则化参数中, 使得重建图像中的细节信息得到了进一步的增强。
1 观察模型
假设一个场景的p幅低分辨率图像是由一幅高分辨率图像经过一系列的降质过程产生的。设所求的高分辨率图像用N×1矢量z表示, 低分辨率图像用M×1矢量yk (k为图像序号, k=1, 2, …, p) 表示, 则图像的观察模型可以用下式来表示:
yk=DBkMkz+ηk (1)
式中, Mk表示几何运动矩阵;Bk表示模糊矩阵;D表示降采样矩阵;ηk表示加性噪声。为了表示方便, 我们将式 (1) 写成更为紧凑的形式:
yk=Wkz+ηk (2)
由式 (2) 可见, 低分辨率图像的像素灰度值可以看作相应的高分辨率图像像素灰度值的加权平均与加性噪声之和, 权系数由矩阵Wk决定。如果进一步将p幅低分辨率图像的观测方程进行合并, 将得到:
y=Wz+η (3)
2 MAP通用模型
最大后验估计超分辨率重建的目的是在已知低分辨率图像序列的情况下, 使高分辨率图像的后验概率达到最大, 即:
undefined
根据Bayes公式, 有:
undefined
由于式 (5) 右端分母部分与z无关, 可以直接消去得:
undefined
对式 (6) 右端取对数, 并将最大化问题转换为最小化问题得:
undefined
其中, logPr (y|z) 为最大似然函数的对数;logPr (z) 为z的先验概率的对数。假设第k帧图像的噪声是均值为0, 方差为σundefined的高斯噪声, 则z对yk进行估计的整体概率密度函数为:
undefined
假设各低分辨率图像噪声是独立同分布的, 则整个低分辨率图像序列的条件概率密度函数可以表示为:
undefined
一种常用的先验概率估计方法是对图像进行平滑约束, 其概率密度函数可以表示为如下形式:
undefined
其中, λ为控制参数, 用来控制概率密度的尖峰;Q为一线性高通滤波器算子, 本文选择如下的二维拉普拉斯算子:
undefined
其中:
undefined
将式 (9) 、 (10) 代入式 (7) 可得:
undefined
3 空间自适应算法
在本文中, 我们将正则化参数分为两部分:整体正则化参数和局部正则化参数, 将式 (12) 重新写成如下形式:
undefined
其中, αTk, k=1, …, p为整体正则化参数;AL为局部正则化参数矩阵。
整体正则化参数αTk控制着重建图像整体失真度与平滑度之间的关系, 它的选则应该满足以下几点要求:1) 随‖yk-Wkz‖2的增大而减小;2) 随‖Qz‖2增大而增大;3) 取值大于0, 并且为了减小配准误差对重建结果的影响, αTk可取如下形式[13]:
undefined
其中, δk为防止分母为0所取的一个很小的数;尺度因数Tk满足:
undefined
局部正则化参数矩阵为一对角阵, AL=diag (αL1, αL2, …, αLN) , 它控制着重建图像局部细节信息的保存程度, 我们也可以将其理解为对整体正则化参数αTk的微调。因此, ΑL必须能够反映出图像局部的灰度特性, 对于细节比较丰富的区域, αLk的取值应该比较小, 而对于灰度值比较平坦的区域, αLk则应该取较大的值。我们采用窗口化的计算方法, 设窗口大小为 (2P+1) (2Q+1) , 重建图像在第i点处的局部方差为σundefined, 则:
undefined
undefined
其中, Ci表示以像素zi为中心的窗口内的所有像素点的下标所构成的集合。局部正则化参数αLk可由下式计算:
undefined
式中, μ为调整因子, 可选一固定正常数。为了更好地反映图像局部特性, 窗口尺寸不能太大, 但过小则容易受到噪声的影响, 因此, 一般取P=Q=2或P=Q=3。
本文采用梯度下降法对目标函数进行迭代优化, 设第n次迭代的解为undefinedn, 则根据undefinedn求出第n+1次迭代的正则化参数αundefined, k=1, …, p和Αundefined。然后, 采用如下公式对重建图像进行更新:
undefined
undefined
其中, ΔzL (z) 为目标函数在向量z方向上的梯度;εn为迭代步长。当满足条件undefined时, 迭代终止。
4 实验结果及分析
用于试验的2幅分辨率为256×256的原始图像分别为Cameraman和Goldhill。为了产生相应的低分辨率图像, 分别对各原始图像进行倍数为2的亚像素平移、Gaussian模糊 (3×3, 方差0.05) 、降采样和加入零均值Gaussian噪声 (方差10) , 重复该过程直到产生4帧低分辨率图像为止。然后分别使用传统自适应MAP算法[12]与本文算法对低分辨率图像序列进行超分辨率重建。本文采用峰值信噪比PSNR作为对重建结果进行评价的定量依据, 其定义为:
undefined
图1和图2本别给出了Cameraman和Goldhill的原始图像和重建结果。通过对比可以看出, 由于采用了空间自适应的正则化参数计算方法, 使用本文算法重建的图像图1 (c) 和图2 (c) 比使用传统自适应MAP重建算法重建的图像图1 (b) 和图2 (b) 具有更丰富的细节。
表1列出了传统的自适应MAP算法与本文算法的重构图像的PSNR。
从表1中的对比结果可以看出, 本文算法的重建结果在客观评价指标上也要优于传统自适应正则化MAP重建算法。
5 结 论
在传统的自适应MAP超分辨率重建算法中, 往往只利用了图像的整体特性而忽略了图像空间的局部信息。本文在MAP算法的基础上, 提出了一种空间自适应的超分辨率重建算法, 引入了局部自适应正则化参数, 并给出了计算方法。基于新的正则化函数的图像重建, 其重建结果在恢复图像细节上要优于传统自适应算法, 实验结果验证了本文方法的有效性。
摘要：提出一种简单、通用的基于正则化技术的自适应MAP超分辨率重建算法。与以往算法不同, 该方法引入了局部空间自适应正则化参数, 弥补了传统算法对图像自身的局部特性缺乏考虑的不足。算法通过迭代的方式, 利用中间重建结果不断对正则化参数进行更新, 并最终得到重建图像。实验结果表明, 该方法可以根据不同图像序列的特点以及图像的局部灰度特性, 自适应地确定相应的正则化参数, 并找到最优解, 有效地保护了高分辨率图像的细节信息。
空间分辨 篇10
1 材料与方法
1.1 病例选择
选择我院2009-01—2009-06期间因疑似脑梗死行头颅CT检查患者的影像资料,并满足以下条件者:(1)影像表现出一项或一项以上脑梗死早期征象,即:脑实质密度局部减低,脑灰白质分界模糊或消失;大脑中动脉密度增高;局部脑肿胀,脑回增厚、脑沟变浅[5]。(2)在随后的CT复查或MR检查中表现出明显的脑梗死征象,并得到临床确诊者。(3)患者为首次发生脑梗死,未发现其他陈旧缺血灶。(4)影像缺乏早期脑梗死征象,而在随后复查中证实为脑梗死的患者排除在外。本研究共选择早期脑梗死病例20例,其中男性12例,女性8例。此外,选择首次检查及后期复查均为正常的头颅CT影像22例作为对照组,男、女均为11例。
1.2 扫描方法
所有病例均采用西门子64层螺旋CT进行扫描,患者取仰卧位,以听眦线为基线行轴位横断面扫描。扫描参数为120 kV、380 mAs,层厚层距5 mm连续扫描。扫描后图像传至PACS系统服务器。
1.3 影像分析
由3名具有5 a以上工作经验的放射科医师参加阅片。阅片分2次进行,2次阅片时间间隔3周。在2次阅片过程中,分别采用带有专用显卡的医用高空间分辨率显示器(Dome E3,PLANAR,US)和低空间分辨率显示器(Dome E2,PLANAR,US)进行阅片。影像浏览软件采用上海岱嘉公司开发的商用软件Unisight。通过Unisight软件设置,隐藏所有与患者信息相关的标识。3名放射科医师均不了解所有病例的病史、诊断结果等信息。每次读图期间病例样本顺序均为随机排列,医师读图不限时、不限制使用图像后处理工具,尽量与日常实际工作条件相同。每位医师按照5分法判断是否有脑梗死灶:1为肯定有、2为可能有、3为不确定、4为可能无、5为肯定无,并记录所见全部病灶的具体位置以便核对。
1.4 数据处理
阅片结果采用Metz等开发的ROC分析软件LABMRMC10.3 Beta对阅片者的评分结果进行统计学分析。它采用ROC曲线下面积(Az)作为评价胶片和数字化图像诊断性能的指标,并使Jackknifing和方差分析方法来评价2种显示器之间的差异性[6],使用PlotROC软件绘制ROC曲线。取P<0.05有统计学意义。
2 结果
3名放射科医生对全部42例头颅CT的影像资料进行判读及评价。经ROC分析所得Az值见表1。3名放射科医生采用高分辨率显示器阅片的平均Az值为0.880 5,采用低分辨率显示器阅片的平均Az值为0.859 6,二者相差0.021,差异性无统计学意义(P=0.61)。高分辨率显示器与低分辨率显示器进行早期脑梗死阅片时具有相似的诊断效能。3名阅片者采用2种不通显示器阅片结果的平均ROC曲线见图1。
3 讨论
软阅片(soft-copy reading,SCR)是指通过影像工作站来调阅、观察各种数字化医学影像的工作模式,它是以医用显示器为介质进行疾病诊断的方式,是解决数字化放射科实施进程中大量多模态、三维甚至四维图像的显示,提高影像学诊断质量的有效途径,是取代传统胶片———灯箱“硬阅片”模式的必然趋势。显示器是PACS组成中的一个重要部分,其显示性能参数主要包括空间分辨率、对比度、亮度、灰阶度、噪声、伪影、失真和表面清洁度等。其中空间分辨率对“软阅片”诊断质量的影响最为明显。根据空间分辨率的差异,医用显示器可以主要分为1、2、3和5MP等多种类型。显示器空间分辨率的差异,决定了显示图像细节的清晰程度。由于人体不同部位具有不同的密度和对比度,因此对显示器空间分辨率的要求并不相同。当前,国内外学者进行了X线摄影图像的相关研究[7,8]。而空间分辨率对CT影像阅片效能的影响目前尚缺乏进一步的研究。
脑梗死是一种缺血性脑血管疾病,目前发病率在脑血管疾病中居于首位,其主要原因是由于脑动脉闭塞所造成。脑梗死的早期诊断对患者的治疗、预后都具有重要的意义。CT检查是判断早期脑梗死的最为常见的检查方式。但由于发病6 h以内的早期脑梗死CT影像表现较为隐匿,部分患者甚至缺乏特异性表现,因此显示设备性能的高低有可能直接影响该疾病的最终诊断结果。
本研究的结果表明,3名放射科医师分别采用高、低空间分辨率的显示器对早期脑梗死CT影像阅片的结果相似,二者之间没有显著性差异。这表明即使采用较低配置的显示器,也不会影响早期脑梗死CT影像阅片结果的准确性。同时,本研究结果显示,采用高分辨率显示器阅片结果的ROC曲线下面积大于采用低分辨率显示器阅片结果的ROC曲线下面积,这表明采用高分辨率显示器的阅片效能要略优于采用低分辨率显示器。笔者认为,造成上述结果的原因主要包括2个方面:首先,由于CT影像虽然具有较高的信噪比,但其空间分辨率较低,通常为516×516像素点,而在本研究中所采用的2种显示器的空间分辨率均超高CT影像的空间分辨率,因此能够满足显示CT影像显示的要求,不会产生图像细节的丢失或畸变。其次,由于高空间分辨率的显示器在显示图像细节方面具有更大的优势。因此有可能造成二者之间阅片结果的效能仍略有差异。
总之,本研究的结果证实,较低空间分辨率的医用显示器仍然能够满足早期脑梗死CT影像阅片的需求。因此,我们在配置用于CT头颅影像阅片的显示器时,可以选择较低空间分辨率的医用显示器,从而在保证疾病诊断准确性的基础上,进一步降低医疗成本。当然,阅片是阅片者的主观判断过程,阅片者精神状态、疲劳程度、临床经验、观察时间及记忆力等主观因素,以及阅片环境等客观因素也可能影响最终诊断结果,对此,我们还需要进行进一步研究。
参考文献
[1]Bacher K,Smeets P,De Hauwere A,et al.Image quality performance ofliquid crystal display systems:influence of display resolution,magnification and window settings on contrast-detail detection[J].Eur JRadiol,2006,58(3):471-479.
[2]Park C M,Lee H J,Goo J M,et al.Comparison of observer perfor-mance on soft-copy reading of digital chest radiographs:high reso-lution liquid-crystal display monitors versus cathode-ray tube moni-tors[J].Eur J Radiol,2008,66(1):13-18.
[3]Liang Z,Li K,Yang X,et al.ROC analysis for diagnostic accuracy offracture by using different monitors[J].J Digit Imaging,2006,19(3):276-278.
[4]Doyle A J,Le Fevre J,Anderson G D.Personal computer versusworkstation display:observer performance in detection of wrist frac-tures on digital radiographs[J].Radiology,2005,237(3):872-877.
[5]P咬a rtan G,Mayrhofer R,Urban M,et al.Diagnostic performance ofliquid crystal and cathode-ray-tube monitors in brain computed to-mography[J].Eur Radiol,2003,13(10):2 397-2 401.
[6]DorfmanDD,BerbaumKS,Metz C E.Receiver operating characteris-tic rating analysis.Generalization to the population of readers andpatients with the jackknife method[J].Invest Radiol,1992,27(9):723-731.
[7]尹建东,郭启勇,张伟,等.不同分辨率单色液晶显示器对肺小结节检测效能的影响[J].中国医学影像技术,2010,26(1):157-160.