三维医学图象及其应用

三维医学图象的特点及其图象获取图象作为诊断和治疗规划的工具,在现代医学临床中已必不可少。从X线透视到核磁共振层析图象(MRI),为医生提供了各种不同的诊断信息。X线透视、X-CT、超声图象等人体组织器官的形态信息,而核医学图象(包括单光子发射式CT和正子发射式CT)以及核磁共振图象不但提供人体组织器官的形态信息,而且还可以提供有关化学元素的分布及其生物功能活动信息。     

医学图象的边界处理

医学图象质量的好坏直接影响医务人员对疾病的诊断与治疗。由于有时候医学图象的边界不清晰，甚至很模糊，人眼难以判断，因此需要一种特殊的算法来实现边界点的检测，边界点检测的方法很多，作者讨论用微分法借助于计算机来处理医学图象的边界问题。利用微分运算获得的梯度算子。根据区域边界处灰度呈现不连续的特点，通过对图象函数ｆ（ｘ，ｒ）（灰度特性函数）进行必要的运算，来达到检测边界元素的目的，进而实现边界点的连接，     

医学图象匹配的遗传算法方法

本文用变形轮廓线的方法实现医学图象匹配过程中的对应标记点问题,并用遗传算法进行最佳匹配结果的搜索。遗传算法用变形轮廓的能量函数作为适应度函数,并通过动态映射方法实现搜索空间尺度的自适应变化。实验结果表明,本文的方法能有效地用于建立医学图谱和图象之间的一一对应关系,是对以往人工交互标注方法的重要改进。     

医学超声图象的处理与拼接

医学超声图象在临床上得到了广泛的应用，但由于超声图象存在着动态范围小，对比度差，而且噪声大和观察范围有限等缺点，影响了超声图象的临床诊断效果。本文提出了Ｂ超图象的自动匹配与拼接方法，实现了表现更大观察范围的Ｂ超图象，从而弥补了手工拼接中的精度低，误差大的缺陷。为提高图象的匹配与拼接精度，文中还讨论了图象的噪声抑制与灰度增强处理方法，提高了Ｂ超图象的再现质量     

医学图象位面行程编码实时压缩策略

本文研究了医学图象的位面行程编码及其硬件实现方案，用于动态图象（２５帧／秒）的不失真实时压缩和恢复，以熵为指标对几种图象信源的描述形式进行评价后表明，采用位面结构描述信源更有利于提高压缩效率。利用我们提出的一种定长行程码方法对ＣＴ图象进行位面行程编码压缩，其压缩比显著提高。并研制了基于此方法的编码器和恢复器。     

计算机在超声医学图像处理中的应用

介绍了计算机在超声医学图像处理领域的应用,着重讨论了超声医学成像和超声医学图像管理的方法与应用,具体分析了医院医学图像存档及通信系统(PACS)中B超影像工作站的结构与功能。     

一种基于提取轮廓的医学图象数据压缩编码方法

本文提出了一种对医学图象进行轮廓编码和采用二维快速离散余弦变换（2D－FDCT）对其背景图象数据压缩编码相结合的方法。首先对2^t*2^t（t=9)，点的原始医学数字图象采用可变阈值的Sobel算子提出其边缘图象，原始图象与边缘图象之差为背景图象，利用5＊5点邻域窗函数对此背景图象2：1内抽成2t^-1*2^t-1点的数字图象，利用上述方法对此2t-1*2t-1点的数字图象进行分解……直到剩下64＊64点的背景图象，本文对几级轮廓图象采用等值线编码压缩，对64＊64点的背景图象通过采用快速多项式变换（FPT）计算2D－FDCT来进行数据压缩编码，在接收端，在接收端，对恢复的各级背景图象再叠加上相应的[边缘图象可减少重建图象产生的边缘模糊效应，我们在IBM－PC／XT微机组成的小型图象处理系统上进行了医学的编码压缩实验，图象数据压缩比可达20：1以上。     

食道细胞图象的计算机分类识别

作为图象处理技术在医学图象处理中的应用,本文在微机IBM-Pc/XT上对黑白食道细胞图象进行分类识别,根据细胞图象对细胞进行分类,初步判断食道细胞是属正常还是属癌细胞。     

计算机与医学图像处理

随着医学成像技术的发展,以及计算机和通讯技术与医学影像科学的相互渗透,使医学影像在现代医学诊断中的作用越来越重要。医学研究和临床诊断所需要的医学影像是多种多样的,主要分为结构影像技术和功能影像技术两大类。前者主要用于获取人体各器官解剖结构图像,清晰的人体结构图像和详尽的病理信息为临床医学的诊疗和医学科学的研究提供了直观可靠的手段。CT及MRI便属于此类结构影     

医学超声图像分割的一种新方法

有效地实现超声图像的分割依然是临床疾病诊断亟待解决的一个难题。本研究将图像树型框架小波变换、尺度共生矩阵、KL变换主分量分析和自组织神经网络聚类相结合应用于医学超声图像，提出一种分割新方法。实验表明，对于不同的医学超声图像，应用本研究方法均可得到比较清晰的分割结果，且显著地提高了分割图像的对比度，这对于固有对比度较低的医学超声图像来说不啻一种很有效的图像分割新方法，为临床诊断提供新的借鉴。     

超声医学图像滤波和对比度增强新方法

较低的对比度和独有的speckle噪声是影响超声医学图像质量的主要原因,本研究利用各向异性扩散滤波,在去除图像中大量噪声的同时,计算滤波过程中图像信息的丢失,从而得到对比度增强模型中的对比度函数,并利用对比度增强模型达到图像对比度增强的目的。实验结果表明,与滤波后的直方图均衡化后结果相比,不仅能够有效地去除图像中的噪声,也能明显提高图像对比度。因此,本文方法是提高超声医学图像质量的一种有效途径。     

基于形态学重构的超声医学图像滤波方法

Speckle噪声是造成超声医学图像质量下降的最主要原因。我们通过修改形态学重构算法-Downhill算法的初始条件,使其适用于超声医学图像的去噪处理。首先在掩模图像中确定标记图像作为算法的初始化和开始区域,再使用改进的Downhill算法对超声医学图像进行滤波处理。实验结果表明,与其他3种传统滤波方法相比,该方法能快速有效地去除心脏腔室内的Speckle噪声同时保留图像的轮廓细节信息。     

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.     

原子力显微镜(AFM)图像的计算机辅助分析

对DNA结合蛋白的AFM图像的分析方法进行了研究 ,通过分析DNA及其与蛋白质结合的AFM图像 ,我们可以计算出已知序列DNA的长度及其未知DNA结合蛋白质在DNA链上的位置信息 ,从而可以估计该蛋白的DNA结合位点。该研究对于寻找新的DNA结合蛋白 ,研究生物体中遗传信息的复制、转录、修复和重组的分子生物学机制具有重要意义     

基于对称区域生长算法的超声医学图像分割方法

提出了一种基于对称区域生长算法的超声医学图像的分割方法。该方法分为三步。首先,通过采用自适应加权中值滤波抑制超声医学图像本身固有的Speckle噪声,然后从图像的第一行开始扫描整个图像,并应用生长准则进行区域的生长与合并,生长完成之后应用种子准则标定感兴趣区域,从而得到最后的分割结果。通过图像的分割实验确定了一套对于超声医学图像适用的生长和合并准则。对心脏B型超声医学图像分割的实验结果显示,该方法具有良好的性能。     

超声图象纹理分析的新方法：—纹理深度法及其实验

本文提出了一种用于B超图象纹理分析的新方法。用此方法可定量计算出有关B超图象纹理的深浅,陡平,疏密或粗细等方面的12个参数,计算机模拟实验结果证实了该方法的可靠性,临床B超图象分析结果表明,该方法有实用价值。     

基于CUDA的快速三维医学图像分割

目的:三维分割是医学图像分析和可视化中的重要组成部分,也是医学图像分割中的一个难点。水平集方法在三维医学图像分割中有很广阔的应用前景,但是该算法的计算量大,不能达到实时处理的要求。针对这个问题,提出了一种基于CUDA的并行加速方法。方法:采用NVIDIA公司的GPGPU模型CUDA,利用图像像素的独立性和偏微分方程求解的并发性,提高C-V水平集算法的分割速度。给出了并行计算的流程图,并对C-V水平集算法在CUDA上的实现进行了详细介绍。结果:实现了C-V水平集并行加速算法,该方法在保证分割效果的前提下,具有更快的分割速度。结论:所提出的方法是切实可行的,实现了快速的三维医学图像分割。     

医用超声内窥镜的研究现状与发展趋势

在临床医学的诊断和治疗中,超声内窥镜的使用已经格外重要。医用超声内窥镜以电子内窥镜系统为基础,将超声换能器经由电子内窥镜活检通道伸入体腔,接近目标器官,既可以直接观察粘膜表面的病变,还可以通过超声扫描获得器官管壁断层的组织特征,不但扩大了普通内窥镜的诊断范围,而且提高了普通内窥镜的诊断能力。医用超声内窥镜是电子内窥镜技术与超声传感技术,微机电技术,现代计算机技术等高新技术的不断发展和融合的产物,是当前应用前景非常广阔的医疗仪器之一。本文介绍了超声内窥镜的发展过程,分析了其工作原理及研究现状,并且根据目前的研究形式预计了超声内窥镜的发展趋势。随着我国科学技术和医疗技术的不断发展,更加现代化,合理化,人性化,智能化的内窥镜设计与制造将成为现实,短时间内我国超声内窥镜的研制将赶上国际先进水平。     

基于非参数自适应密度估计理论的医学超声图像去噪方法

在小波变换域中去除图像中的噪声是近年来的研究热点之一。目前在小波域中对加性噪声的去除已经有了许多研究结果,比如Donoho等的处理方法都得到了很好的应用。但是由于超声图像噪声情况的复杂性,其对去噪的方法提出了更高的要求。为了在去除噪声的同时能够更好的保护边缘及有用的细节信息,本研究结合Birg-éMassart等提出的非参数自适应估计理论,提出一种在平稳小波变换域中对超声图像去噪的方法。实验证明,这种基于非参数自适应估计理论的超声图像去噪方法,与Donoho阈值去噪方法相比,去噪效果有所提高。