基于医学图像降噪阈值选取的动态优化算法

SIFT算法是提取特征点的常用算法之一，具有良好的健壮性，在医学图像处理领域中广泛应用。然而传统的SIFT算法采用固定的降噪阈值会影响特征点选取的合理性，因此提出了一种动态优化算法(PM-SIFT算法)，即采用PSO算法与互信息结合的方式优化传统SIFT算法，并从特征点有效性与计算时效性两方面对2种算法的特征点提取效果进行定量分析的结果表明，与传统的SIFT算法相比，PM-SIFT算法不但可以动态地选取合适的降噪阈值，而且还能提高图像配准的效果。     

基于互信息和模拟退火算法的多模式医学图像配准

目的 实现CT－MR多模式医学图像配准。方法 提出了一种基于互信息和模拟退火算法的医学图像配准方法,对多模式医学图像,运用信息论的基本概念：互信息（MI）”作为匹配标准,使用改进的模拟退火算法作为优化准则,通过求解两幅图像的最大互信息量搜索最佳匹配参数,对待配准图像进行变换,从而到配准的目的。结果 我们把此方法应用于CT和MR图像的三维刚性配准,取得了较好的配准效果。结论 该方法匹配精度和鲁棒性比较高,其中模拟退火算法克服了其他搜索算法容易陷入局部极大值的弊病,是一种比较有效的配准方法。     

PET/CT胸腹部图像配准算法及系统设计

本文主要从多层次变换和多层次优化策略两个方面对胸腹部联合扫描得到的PET/CT图像进行配准算法研究,重点在于校正因呼吸运动引起的图像形变和误配准,并在此基础上基于医学图像处理软件包（ITK）、可视化工具包（VTK）和面向对象开发框架（QT）设计并实现了一个交互性强、用户界面友好的医学图像配准系统。实验结果表明,本文提出的弹性配准算法能够对PET图像的形变和误配准进行校正,在准确性上比仅使用单一变换和单一优化的方法有较大改进。     

基于改进Demons算法的非刚性配准研究及其在肿瘤放疗中的初步应用

提出一种改进的Demons非刚性配准算法,验证算法的有效性,并将其应用于图像引导放射治疗（image-guidedradiotherapy, IGRT）中治疗图像和计划图像的配准。方法 基于Brox等提出的梯度恒定假设和Malis的高效二阶最小化算法的思想,将图像灰度梯度场的相似性加入原始的能量函数中,推导出更新变形场的公式。利用有限内存的BFGS算法优化能量函数,自动确定迭代次数。分别利用模拟形变图像、变形体模图像和肝癌病人的临床CT图像验证改进算法的配准精度。结果 改进的Demons变形配准算法与原始的“Additive Demons”算法相比,配准精度更高,收敛速度更快。结论 在放射治疗的不同分次扫描过程中,因实际扫描条件的影响,两幅待配准图像像素灰度值范围不同的情况下,改进的Demons算法能够更好地实现快速精确的配准。     

基于面部区域的CT与MRI影像的3D/3D配准

目的 提出基于表面特征点的CT-MRI 3D/3D刚性配准（方法一）和基于表面轮廓点云的CT-MRI 3D/3D刚性配准方法（方法二）,为头部肿瘤靶区勾画等临床所需的图像融合场景提供必要基础。方法 利用开源图形应用函数库Visualization Toolkit(VTK)对CT和MRI图像序列进行三维面绘制重建后,拾取人脸特征点,并基于迭代最近点算法对三维特征点集进行配准。为减少拾取特征点的人为干扰,进一步提出提取2D图像人脸轮廓线后再重建得到人脸特征点云,并对配准区间进行限定,比较两种配准方法的效果。结果 经多个角度进行评估,方法一由于人工拾取特征点的误差,Dice评分低于方法二;与其他配准方法相比,两种配准方法均方根误差值均较低,且方法二表现更突出。两种方法在配准精度、鲁棒性、逆一致性及配准速度等方面均有很好的表现。结论 方法一的优势主要体现在配准速度上,方法二的优势主要体现在配准精度上,在鲁棒性、逆一致性等方面两种方法均有较好的表现,均能得到较好的配准结果,对头部肿瘤准确的诊断或制定出合适的治疗方案有很大的积极价值。     

基于几何特征的点云配准算法

为了有效地解决不存在明确对应关系的点云配准问题,提出了一种基于点云几何特征的配准算法。首先以点云的曲率为联系特征,搜索配准点云的匹配对集合;然后利用邻域特征对各匹配对进行相似性度量,提取有效配准对,并引入刚体变换中向量几何性质剔除其错配对,生成点云初变换;最后采用ICP算法对点云初配结果进行优化,实现点云精确配准。仿真实验结果表明：该算法具有较高的配准精度,且配准时间较短,是一种可行的点云配准算法。     

基于划分强度一致测度的多模医学图像配准

以划分强度一致（PIU）测度，运用刚体变换的方法，结合Powell优化算法实现了MR／CT多模医学图像的配准。本方法较好地解决了多模态医学图像配准中存在的问题，能够快速稳定地实现头部MR／CT医学图像的配准。     

基于改进Demons算法的非刚性配准及其在肿瘤放疗中的应用

目的提出一种改进的Demons非刚性配准算法,验证算法的有效性,并将其应用于图像引导放射治疗(image-guidedradiotherapy,IGRT)中治疗图像和计划图像的配准。方法基于Brox等提出的梯度恒定假设和Malis的高效二阶最小化算法的思想,将图像灰度梯度场的相似性加入原始的能量函数中,推导出更新变形场的公式。利用有限内存的BFGS算法优化能量函数,自动确定迭代次数。分别利用模拟形变图像、变形体模图像和肝癌病人的临床CT图像验证改进算法的配准精度。结果改进的Demons变形配准算法与原始的"Additive Demons"算法相比,配准精度更高,收敛速度更快。结论在放射治疗的不同分次扫描过程中,因实际扫描条件的影响,两幅待配准图像像素灰度值范围不同的情况下,改进的Demons算法能够更好地实现快速精确的配准。     

改进Demons算法的验证及其在4D-CT轮廓线推衍中的应用

目的 研究一种改进的Demons变形配准算法,验证算法的有效性,评价配准算法的精度,并将其应用于4D-CT轮廓线的推衍.方法 为加快收敛的速度和提高配准精度,将Demons算法的双向作用力进行重分配,并提出一个能量函数作为相似性测度,利用BFGS优化算法对能量函数进行优化,避免了经典算法中需指定迭代次数的缺陷.分别利用模拟形变CT图像与变形模体,分析和测量了配准算法的精度,并对该算法在4D-CT轮廓线推衍中的应用进行了评价.结果 改进后的Demons算法与经典的Demons算法以及类似的变形配准算法相比,有较高的配准精度,推衍生成的轮廓线与人工勾画的轮廓线匹配程度高.结论 变形配准是4D-CT中的一项关键技术,改进后的Demons算法应用于轮廓线的推衍有望大大治疗计划设计的轮廓勾画工作量,其配准精度能满足实际临床的需要.     

基于骨架特征的超声图像帧间弹性配准

为了在三维超声重建的过程中消除相邻帧之间的位移以及弹性变形,本实验采用了了基于骨架特征的弹性配准。本文提出了一种结合形态学骨架和测地距离骨架求取算法的骨架自动跟踪算法,能够提取出体现图像特征的连通骨架。应用多次求取曲率梯度极大点的算法,可自动对该连通骨架进行特征点提取。在根据骨架重心点对二维图像进行初步配准之后,即可根据骨架特征点对二维图像进行基于径向基函数的弹性配准。实验结果证明,这种基于骨架的弹性配准和传统的基于特征的刚性配准相比不但能够消除获取过程中带来的帧间差异,还能保留器官不同位置的自然形状差别,对于三维重建过程中的图像配准具有很大的实用价值。     

基于改进的GHSOM聚类算法的图像检索

传统的图像检索需要顺序比较图像库中的图像与请求图像的相似度,检索速度和检索准确度都很低。针对此问题,提出了一种基于改进的增长型分层自组织映射网络（GHSOM）的图像检索方法。先将图像特征库用改进的GHSOM算法进行聚类,在图像检索时先在GHSOM网络模型上找到相似的类,然后在相似的类上继续进行检索,大大提高了检索效率。并且在搜索相似的类时充分利用GHSOM网络的分层结构,更进一步地提高了检索效率。改进的GHSOM网络根据算法的特点构建了赤迟信息量（AIC）准则,用该准则来选择每个独立的SOM网络的生长参数,使得每个网络都能正确地表达映射到它的数据集的结构,提高GHSOM网络的聚类效果,从而提高检索的准确性。实验结果表明,改进的GHSOM算法得到了更好的聚类效果,基于它的图像检索方法提高了将近3倍的图像匹配速度,同时图像检索准确率也得到了一定程度的提高。     

一种试验筛网孔角度的自动检测方法

根据试验筛网的工业检测标准,针对试验筛网孔的矩形特性,结合现代图像处理方法,提出了一种试验筛网经丝和纬丝夹角的自动检测方法。首先采用改进的Harris角点检测算法检测角点,解决了传统的Harris算法漏检和误检、并对非极大值抑制过程中的阈值设定过度依赖的问题,在保证检测精度的前提下,提高了算法整体的检测效率;然后提出了用亚像素边缘结合Canny算法及多项拟合法进行图像角度边缘的提取及夹角边缘拟合,提高了角度检测的精度。实验证明,该方法能在误差范围内较好地满足工业检测的要求。     

一种基于混合区域分割的特征词袋模型识别算法

数字广告图像识别与数据分析在广告精准推送、收视行为分析、商业网络搜索等各大应用领域有着重要的应用。针对网络图片搜索的实际需求,结合图像特征提取识别技术,本文对数字媒体广告图像的识别和分类方法进行了研究。针对传统的基于空间金字塔匹配的视觉词典模型算法匹配条件较为苛刻、缺乏抗形变能力等局限性,在视觉词典模型算法的基础上,引入视觉特征词典特征点的空间位置信息,使用混合高斯模型实现了自适应的空间区域划分。实验结果表明,识别算法的抗形变能力和识别精度在标准库及本地广告库的测试中均能取得较好的测试结果。     

基于多维度特征融合的深度学习骨龄评估模型

目的 通过基于特征提取的深度卷积神经网络,结合关键区域特征和人口学信息,评估儿童骨龄。方法 自动识别左手X线图像数据,对图像进行预处理,使用基于深度神经网络的X线图像分析方法,实现左手关节骨龄17个关键区域特征的自动提取,再将骨龄影像特征与临床大数据（人口统计、性别）融合训练骨龄评估模型,测试模型的评估效能。结果 使用基于深度学习的特征区域提取方法比传统图像分析方法可以更好地提取特征信息,结合临床信息从另一维度补充了骨龄发育信息。基于多维度数据特征融合的骨龄评估模型检测得到的骨龄平均绝对误差为0.455,优于传统方法和仅端到端的深度学习方法。结论 相较传统的机器学习特征提取方法,基于特征提取的深度卷积神经网络在骨龄回归模型上有更好的表现,结合人口和性别信息可进一步提升基于图像的骨龄预测准确率。     

CT图像特征的自动获取与检索新方法

目的自动获取CT图像特征,提出实现基于内容的CT图像数据库检索新方法。方法本研究针对CT医学图像,提出应用最大期望分割算法来获取其区域特征,并组合感兴趣区域的累积直方图特征、纹理和形状信息构成检索的特征向量,从而把图像表征为特征空间中的一个向量集合。结果当向数据库提交查询图像时,经过特征匹配,最终按相似度由大到小的顺序返回目标图像。结论实验结果表明,本研究提出的基于内容的CT图像检索方案在满足临床需求的同时,获得了较高的查询精度和效率。     

胶囊内窥图像识别系统算法设计及实现

从大量的胶囊内窥图像中人工寻找出病变图片是一件非常费时费力的事情,因此利用计算机进行胶囊内窥病变图像智能识别研究具有重要意义。在对大量胶囊内窥正常图像和肿物图像的分析基础上,本文提出在图像的各个分量上将纹理和颜色相结合提取图像特征向量,分别输入BP(back propagation,后向传播)神经网络进行训练和识别,对不同分量图像的识别结果采用投票原则确定最终识别结果。实验表明该方法可以有效地区分内窥图片中的正常图片和肿物图片,有效减少了医生的判读时间,辅助临床医生快速筛查出病变图片。     

Energy Spectrum CT Image Detection Based Dimensionality Reduction with Phase Congruency

The image feature detection is widely used in image registration, image stitching and object recognition. The feature detection algorithm can be applied to the detection of artificial images, and can be used to detect the energy spectrum CT image. A new algorithm of phase consistency detection based on dimensionality reduction is proposed in this paper. We mainly focus on the phase congruency of the spectral CT images in the paper and try to use dimensionality reduction to integrate the information of phase congruency detected in the image. The experimental results show that the algorithm can detect the energy spectrum CT image with clear edge and contour, which is beneficial to the subsequent processing. Meanwhile, the algorithm presented is more effective in diagnosis of disease for medical professionals.     

基于刚-弹性变换的医学图像塔式配准新算法

提出了利用B样条实现医学图像从刚性到弹性配准的统一的塔式算法。选取图像的四个顶点作为构成变形函数的B样条的节点,合理选择B样条的次数,可以实现图像的仿射变换。沿X和Y方向均匀增加节点数量,逐步增加变形函数的复杂性,通过选择B样条的不同的次数n,可以实现图像的分块仿射变换或n-1阶导数连续的弹性变换。整个匹配算法体现了从整体到细节的匹配思想。实验证明,这种配准方法比单纯的弹性配准方法鲁棒性有很大提高。