计算机自动定量诊断脑萎缩的初步研究

目的研究正常人群脑容积随年龄及性别的变化规律,提出计算机定量诊断脑萎缩的客观标准。方法利用最新提出的脑容积计算机自动定量算法,测量了脑萎缩组487例(男,310例,女,177例)和正常组1901例(男,993例,女,908例)的颅腔容积、脑容积和脑实质分数(BPF),并通过多项式曲线拟合技术,研究正常人BPF随年龄变化的函数关系。结果正常组颅腔容积为(1271322±128699)mm3,脑容积为(1211725±122077)mm3,BPF为(95.3471±2.3453)%;脑萎缩组颅腔容积为(1276900±125180)mm3,脑容积为(1203400±117760)mm3,BPF为(91.8115±2.3035)%。两组之间的颅腔容积和脑容积差异无统计学意义(P>0.05),而BPF差异具有统计学意义(P<0.001);BPF定量与年龄之间的二次多项式函数关系P(x)=-0.0008x2+0.0193x+96.9999能够较为准确表达正常人BPF随年龄变化的函数关系,其95%可信区间下限为y=-0.0008x2+0.0184x+95.1090。结论BPF与年龄之间函数关系的95%可信区间下限,可作为计算机自动定量诊断脑萎缩的客观标准。     

基于薄板样条和形状内容的医学图像非刚性配准方法研究

目的 针对医学图像非刚性点配准的现状,给出一种基于点特征的非刚性配准方法.方法 利用一种新的相似度测量方法--形状内容来解决两幅图像中点的对应关系,并利用点对应关系来估计非刚性映射函数.结果 利用薄板样条实现了医学图像的快速准确非刚性配准.结论 实验结果表明,上述方法获得了很好的配准效果.     

B超图像纹理分析参数的研究

Ｂ超图像纹理分析参数的研究连娟①周康源②姚文俊胡耀辉罗福成①１Ｂ超图像的定量分析Ｂ超图像的定理分析包括组织的定量分析与图像的定量分析。组织的定量分析应当与Ｂ超仪器本身无关，而图像的定量分析则不仅取决于组织的特性，还取决于Ｂ超仪器及其设置。目前常用的体...     

医学超声图像三域滤波去噪算法

针对视频格式的医学超声图像序列,提出了一种同时利用空间域、灰度域和时间域的相关信息的三域滤波算法。首先对每一帧图像,充分利用空间域和灰度域的相关信息构建自适应邻域,接着进行空间域和灰度域加权滤波,最后利用相邻帧之间的时域相关性进行时域加权滤波。三个域的滤波均采用高斯核函数加权,从而减小了滤波结果对阈值选取的敏感度,提高了算法的稳定性。实验结果表明,三域滤波算法能有效地抑制图像中的噪声,并保留边缘细节,有利于图像的特征提取、识别和分析。     

人体胖瘦及探测方位对超声衰减测定的影响

本文就８２例健康人的正常肝脏声衰减斜率测定的问题进行了深入的探讨，结果表明：１．人体的胖瘦程度（本文用人体脂肪层厚度来表示）虽然对３超图像有不同程度的影响，但对声衰减测定的结果没有明显影响（Ｐ＞０．０５），说明肝脏的声衰减并不受脂肪层厚度的影响，这个结论为以后的定量研究提供了依据；２．肋间和肋下测得的结果有显著的差异（Ｐ≤０．０１），虽然它们总的声衰减分布与已发表的文章大致相同，但在肋下测得的数值分布范围比较小，根据这个结果，我们建议今后的声衰减测定应尽可能固定在一个方位，特别是肋下的方位测出的结果将具有更可靠的准确度。     

应用γ变换提高B超图像分辨力

应用γ变换提高Ｂ超图像分辨力连娟①罗福成周康源②陶进绪王敏目前像处理变换技术在临床医学诊断中获得了越来越广泛的应用。在众多的图像处理变换功能中，γ变换实际应用方便，在临床Ｂ超诊断中具有一定效果。本文拟对γ变换的原理，使用方法，临床应用的几个实例做一研...     

肝脏超声衰减特性研究(二)——体内超声衰减系数测定对肝脏疾病诊断价值

本文采用 Kx-l 型体内超声衰减仪对正常和病变肝脏进行肝衰减特性研宄。结果表明脂肪肝衰减系数明显升高,瘀血时则明显下降;发现肝硬化患者肝衰减系数的变化与门静脉高压有明显关系。资料还表明体内衰减系数测定对区别肝内占位性病变如肝血管瘤、原发性肝癌和肝内结石等也有重要意义。     

基于level sets的医学图像分割

医学图像分割是一个非常重要的研究领域.它主要应用于病人诊断、图像引导手术,以及医学数据可视化.解决这个问题的一个常用方法就是利用活动轮廓或"snake"来分割感兴趣的物体.文中给出两种活动轮廓模型,其中一种基于边缘停止函数,而另一种是一个能量最小化算法.两种方法都采用level-sets模型,利用一个Lipschitz函数φ来进行自动拓扑变化.实验表明第一种方法仅仅只能检测边缘梯度较大的物体,而第二种方法没有这样的限制.     

基于配准方法的颅脑CT图像病变信息自动提取算法

医学图像中病变信息的计算机自动提取是实现计算机智能辅助诊断的关键与难点,本研究的目的就是提出一个解决该难题的算法,称之为PATHOINFER。该算法的基本过程是首先选择一幅具有代表性的模板图像帆和一系列与其相应的正常图像样奉Mi,利用非刚性配准分别建立表示“正常图像”灰度变化的灰度均值图谱,表示正常变异的统计概率图谱和反映其解剖结构空间关系的分割模板。以实现对“正常图像”的计算机描述。再通过M0与目标图像S的配准,达到“正常图像”与S在空间关系上的一致,然后通过S与“正常图像”的比较,利用模糊逻辑推理,自动检出S中的病变区域,并实现对其病变特征信息的自动提取。实验结果表明,PATHOINFER算法可自动地检出并分割病变区域,并能够自动地提取包括病变发生部位在内的特征信息。实现了计算机智能辅助诊断研究中病变信息自动提取的难胚。     

联合弹性特征的多特征乳腺肿瘤超声图像识别

计算机辅助诊断技术是提高诊断效率的有效手段,目前常使用肿瘤的形态和灰度纹理特征进行综合分析.而临床研究表明,肿瘤弹性也是判别其良恶性的重要指标.本文使用非刚性配准的方法,分析加压前后两幅灰阶超声肿瘤图像之间的差异,从而提取了形变总量和缩小放大比这两个反映肿瘤弹性的特征参数.随后的分类判决实验证明,这两个弹性参数对肿瘤良恶性具有较好的区分能力,联合使用形态特征后性能更优.