基于3D Shepp-Logan头部模型的三维医学图像重建仿真

Shepp-Logan头部模型是计算机断层图像重建(CT)领域仿真计算普遍采用的经典模型。我们提出一种新思路—以3D Shepp-Logan头部模型作为三维医学图像重建领域进行仿真实验和算法性能评测的基本参考模型。首先介绍了3D Shepp-Logan头部模型的设计与实现以及仿真投影数据的计算,进而描述了所设计的三维医学图像重建仿真计算过程。数值实验部分给出了基于3D Shepp-Logan头部模型的三维医学图像重建仿真实验。实验结果表明了新思路的可行性和模型计算的准确性。     

基于Contourlet变换和非线性扩散的IVUS图像去噪

血管内超声(IVUS)图像的分割对于动脉粥样硬化疾病的研究和介入治疗具有重要的意义,但由于其自身存在斑点噪声,从而严重影响图像自动分割的准确性和速度.提出一种基于Contourlet变换和非线性扩散的斑点去除算法(CTND);利用自适应的对比度因子,在Contourlet域直接对IVUS图像各方向子带进行非线性扩散滤波,而不需要同态处理.实验结果表明,这种算法在保持IVUS图像强、弱边缘的同时,能有效地去除斑点噪声,并为图像外膜的提取奠定良好的基础.     

基于活动轮廓模型和边缘对比度特征量的血管内超声图像边缘提取

血管内超声（IVUS）图像冠状动脉血管壁的边缘提取对冠状动脉疾病的诊断和治疗有着重要意义。本研究提出了一种用于自动提取IVUS序列图像冠状动脉血管壁内、外膜边缘的方法。该方法基于活动轮廓模型以及本研究所定义的边缘对比度特征量，利用Hopfield神经网络并结合模拟退火算法自动提取IVUS序列图像冠状动脉血管壁的内、外膜边缘。实验结果表明，本研究方法易于实现，而且准确性和可靠性较高，对IVUS序列图像处理的可重复性和鲁棒性较好，是一种较好的全局最优化算法。     

一种改进的自适应形变模型及其血管内超声图像边缘提取应用

血管内超声（IVUS）图像冠状动脉血管壁内膜的边缘提取对冠状动脉疾病的诊断和治疗有着重要意义。提出一种改进的自适应形变模型（T-Snake），该模型能够解决基本T-Snake模型中的自交（Self-collisions）问题，并有着更高的数值计算精度。同时，基于改进的T-Snake模型，给出一种用于自动提取IVUS序列图像冠状动脉血管壁内膜边缘的方法。实验结果表明，所提出方法准确性和可靠性较高，对IVUS序列图像处理的可重复性和鲁棒性较好；表明了改进T-Snake模型的有效性和可实现性。