2010cb732500-現(xiàn)代醫(yī)學(xué)成像與高維圖像分析關(guān)鍵科學(xué)問題研究

1、項目名稱：現(xiàn)代醫(yī)學(xué)成像與高維圖像分析關(guān)鍵科學(xué)現(xiàn)代醫(yī)學(xué)成像與高維圖像分析關(guān)鍵科學(xué)問題研究問題研究首席科學(xué)家：陳武凡陳武凡南方醫(yī)科大學(xué)南方醫(yī)科大學(xué)起止年限：20102010年1月20142014年8月依托部門：廣東省科技廳廣東省科技廳持，以滿足我國相關(guān)產(chǎn)業(yè)發(fā)展的重大需求。下面分層次具體列出其研究內(nèi)容。(1).先驗統(tǒng)計模型與非線性優(yōu)化首先本項目以模糊隨機理論與優(yōu)化理論為基礎(chǔ)，建立先驗統(tǒng)計模型的新理論，對新理論中的關(guān)鍵問題提出有效解決辦法。主要

2、內(nèi)容包括：?研究建立有效的先驗統(tǒng)計模型，新模型的構(gòu)建將突破傳統(tǒng)先驗?zāi)Ｐ椭袃H有局部特征信息而無統(tǒng)計信息的局限，建立非局部的先驗信息模型，將非局部鄰域內(nèi)的統(tǒng)計信息與模糊性進(jìn)行優(yōu)化耦合，為模型中的相關(guān)多參數(shù)設(shè)計提供更為有力的信源支持；?研究先驗統(tǒng)計模型與高效優(yōu)化算法的耦合，建立由先驗統(tǒng)計模型導(dǎo)引的新的非線性優(yōu)化算法，旨在解決相關(guān)優(yōu)化算法中的瓶頸問題；?研究先驗統(tǒng)計模型中全局多參數(shù)的自適應(yīng)非線性估計，實現(xiàn)信息的高效魯棒性處理；?研究針對醫(yī)學(xué)成像

3、與醫(yī)學(xué)圖像分析的先驗統(tǒng)計模型的最優(yōu)解的快速收斂算法，以實現(xiàn)醫(yī)學(xué)信息的優(yōu)質(zhì)處理；?針對新模型中解的存在性與穩(wěn)定性等理論進(jìn)行探討與分析；?泛化與凝練前沿科學(xué)問題，并建立復(fù)雜環(huán)境下優(yōu)化問題的一般理論和方法。對上述問題的分析和解決，為后續(xù)的各項技術(shù)研究提供強大的理論支持，是本項目研究的創(chuàng)新性和領(lǐng)先性的重要保證。(2).優(yōu)質(zhì)快速安全的醫(yī)學(xué)成像臨床醫(yī)學(xué)對成像的精度與實時性要求高，同時要求盡可能降低對人的損害程度，故如何快速精確的獲得臨床所需醫(yī)學(xué)圖像

4、需要投入大量的研究，同時可以為臨床診斷與計算機輔助分析提供高質(zhì)量的圖像信息。本項目中相關(guān)研究如下：?優(yōu)質(zhì)的PET成像深入分析PET成像系統(tǒng)的不確定性和測量噪聲對圖像的影響，借助MonteCarlo模擬，優(yōu)化重建條件；研究低計數(shù)率、高時間分辨下的放射性濃度魯棒重構(gòu)算法；研究準(zhǔn)確可靠的動力學(xué)參數(shù)圖像的重建理論與方法；研究從發(fā)射測量數(shù)據(jù)中，同時估計衰減系數(shù)與放射性濃度的理論與方法；研究放射性濃度與動力學(xué)參數(shù)聯(lián)合估計理論與方法；探索加速收斂減小