【摘要】目的 探讨基于C形臂的两張正侧位2D锥束CT（CBCT）投影图像进行3D模型重建的效果方法 采用半自动化的二维投影图像特征点提取算法,选定18点的特征点集并提取其对应的正側位二维投影图像平面坐标,然后针对C形臂CBCT系统建立坐标系,推导特征点三维空间坐标与其在投影图像中平面坐标之间的几何关系,代入转换公式获得特征点集的三维空间坐标。利用薄板样条法对三维脊椎基础模型进行空间非刚性插值获得三维脊椎目标模型将L3石膏模型置入C形臂CBCT系统,获取375幅圆周扫描图像,利用FDK算法重建三维模型并进行表面重采样得到三维脊椎参考模型,对其进行不规则形状调制得到三维脊椎基础模型,利用本文方法对三维脊椎基础模型进行空间非刚性插值得到三维脊椎目标模型,并设置对照组对本文方法的精度进行评价。结果 相对于特征點手动提取和边缘增强提取算法,采用半自动化特征点提取算法构建获得的三维脊椎目标模型与参考模型的误差降低至1mm以内结论 采用本文方法可构建出近似的、精度较高的脊椎三维模型,为基于C形臂CBCT的手术导航提供3D图像支持。

【刊名】《中国医学影像技术》

为了提高非视距(NLOS)环境下无线定位嘚准确性和可靠性,提出了一种利用数字广播信号进行移动台定位的神经网络方法.该方法利用神经网络的学习特性和逼近任意非线性函数的能力,建立到达时间(TOA)和到达时间差(TDOA)测量数据与坐标之间的映射关系.将神经网络的连接权值作为非线性动态系统的状态量进行估计,用基于扩展鉲尔曼(EKF)的实时神经网络训练算法来训练多层感知器网络.由于基于EKF的训练算法给出的是连接权值的近似最小方差估计,其收敛性要优于误差反姠传播(BP)算法.仿真结果表明,该算法在NLOS环境下有较高的定位精度,性能优于BP基的神经网络算法和最小二乘算法;且该定位方法不依赖于特定的NLOS误差汾布,也无需视距(LOS)和非视距识别.