低剂量CT（LDCT）扫描是减少人群中X射线辐射的一种潜在方法。 有必要提高低剂量CT图像的质量。 在本文中，我们提出了一种有效的算法，用于利用剪切波变换去除LDCT图像中的量子噪声。 因为可以通过泊松过程来模拟量子噪声，所以我们首先使用安斯科姆方差稳定变换（VST）对量子噪声进行变换，从而产生具有单位方差的近似高斯噪声。 其次，通过在小波域中的自适应硬阈值处理获得无噪声的小波系数。 第三，我们使用逆剪切波变换来重建去噪图像。 最后，将anscombe逆变换应用于降噪后的图像，从而可以产生改进的图像。 主要贡献是将anscombe VST与Slicelet变换相结合。 通过这种方式，可以有效地将边缘系数和噪声系数与高频子带分离。 使用所提出的方法对一些LDCT图像进行了许多实验。 定量和视觉结果均表明，该方法可以有效地减少量子噪声，同时增强细微的细节。 在临床应用中具有一定的价值。

肺部CT图像病变区域检测是肺病辅助诊断技术的重要研究内容，其通过自动分析CT图像并输出病变区域的位置和尺寸等信息，帮助放射科医生做出决策，有利于肺病的早期发现与治疗.

心血管疾病与冠状动脉狭窄之间有着密切的联系,对冠状动脉狭窄的检测和量化对心血管疾病的预防、发现和诊断具有重要的意义.随着医学成像手段及图像处理技术的进步,通过在冠状动脉计算机断层扫描造影(CTA)中应用自动冠状动脉树标记、血管追踪以及稳健核回归等技术,自动/半自动狭窄检测及量化已成为重要的医学图像处理发展方向.回顾了近年来在冠状动脉狭窄检测及量化领域的最新进展,总结了狭窄检测及量化的流程,讨论了未来狭窄检测及量化的发展趋势和临床应用前景.

螺旋CT扫描行业调研及趋势

用于锥形束CT重建工具箱RTK2.3安装配置的相关软件包

CT图像重建：使用MATLAB的计算机断层扫描图像重建项目

从69位患者的475个系列中提取出的医疗CT切片影像，以及相对应的患者年龄、形态和比对标签信息。

ct-ng1.24 所需的源文件

目的:探讨鞍上池在中国数字化可视人体(Chinese visible human,CVH)与CT、MRI上的横断面解剖形态学表现。方法:选择做64层螺旋CT和MRI头部检查的健康志愿者各60例,获得5mm层厚横断面图像。从第2例中国数字化可视人体数据集中选取与CT、MRI相对应层面的头部薄层连续横断面标本图像,对照观察鞍上池在CVH、MRI与CT图像上的正常解剖形态、毗邻及内部结构。结果:CVH图像上,鞍上池表现为六角形和五角形两种形状。CVH薄层横断面图像能连续、清晰地显示鞍上池的正常形态、毗邻及内部结构。60例CT及MRI图像上,鞍上池全部显示,但解剖结构均不及CVH清晰。鞍上池在CT、MRI横断面图像上形状变化更大,以六角形最多,五角形次之,四角形最少,相应毗邻及内部结构也有所不同。六角形鞍上池在CVH、CT、MRI上有良好的对应关系,五角形鞍上池部分相匹配,CVH图像上无四角形鞍上池。结论:通过与CT、MRI进行对照研究,中国数字化可视人体能为颅脑疾病的影像识别和诊断提供断层解剖学依据。

yeap16：CT图像骨分割 的3D创新实验室提供的“代码库。 此代码随附标题为： “使用卷积神经网络进行医学增材制造的骨骼的CT图像分割” 目前正在审查中。 目的 CT扫描的骨分割是医疗计划中必不可少的步骤。 骨结构的确切厚度，方向和位置对于制造患者特定的结构（例如手术指南和植入物）是必不可少的。 在骨骼分割期间，医学图像中的每个像素都被分类为“骨骼”或“背景”。 不幸的是，当前的算法要么缺乏鲁棒性和可靠性，要么需要乏味的手动交互（ ）。 因此，该存储库包含一个全自动的卷积神经网络（CNN），以执行CT扫描的骨骼分割。 模型训练 使用3例先前在Vrije大学医学中心接受治疗的患者的CT扫描对CNN进行了培训。 根据经验丰富的医学工程师的知识，CT扫描的每个像素都被标记为“骨头”或“背景”。 随机选择了500,000个像素，以在这些选定像素周围创建33x33的轴向补丁。 这些补丁随后