基于血管内超声图像时空相关性的血流斑点去噪方法

血管内超声成像的优越成像方式使得它越来越广泛地被应用到冠心病的诊断和介入治疗中。但随着超声频率的提高，血流分子回波信号（即血流斑点噪声）也显著增强，这会降低管腔和管壁的对比度，加大医生辨别、测量管腔和斑块几何参数及物理参数的难度。我们提出了一种新颖的去噪方法，它利用血管内超声图像在时间、空间上的相关信息，即组织在时间、空间上的变化比血流小这一事实。实验结果表明该方法能显著地去除斑点噪声，增强管腔和管壁的对比度，更好地帮助医生区别血管壁和周围组织。     

医学设备远程监控图像变换尺度精准去噪方法

目的 为了提高医学设备远程监控图像的去噪效果,针对去噪准确度较差和去噪时间较长的问题,设计一种医学设备远程监控图像变换尺度精准去噪方法。方法 首先建立噪声的变化曲线模型,评估出噪声高等级区域进行针对性的降噪;然后采用小波算法去除图像冗余像素点,引入变换尺度阈值,优化医学设备远程监控图像去噪过程;最后采用去除模糊边缘法分割未成像图片,二次提取模糊图像中的主要像素,实现医学设备远程监控图像变换尺度精准去噪。结果 信息熵值高于21 H,处理过的图像较为清晰,图像信噪比高于21 dB,去噪时间低于4 min。结论 针对医学设备远程监控图像中具有多尺度特征的噪声,采用图像变换尺度精准去噪方法可以有效去除噪声,满足医学领域的实际去噪需求。     

基于小波变换的脉搏波信号去噪

人体脉象信号是一种信噪比较低的非平稳随机信号,在分析脉象信号之前去噪是一项十分重要的工作。针对小波变换中的阈值法进行公式上的改进,并利用ZM—ⅢC型智能化中医脉象仪采集到的亚健康人群左关外桡动脉脉搏信号进行去噪处理,实验结果表明,改进后的阈值法可以取得更好的去噪效果。     

基于显微图像序列的细胞形态变化分析

目的细胞的形态变化与细胞的生理特性密切相关,其定量的描述和分析对探究生命的生理或病理状态过程有重要意义。本文基于显微图像序列提取细胞形态的动态变化信息,以实现对细胞不同形态变化的定量描述及分类。方法采用运动历史图像和局部二值模式分别提取细胞轮廓和内部运动信息,并使用一系列不同尺度的时间窗口将上述特征映射为多时间尺度的特征矢量,再采用支持向量机对细胞的不同形态变化进行分类。通过对4组不同形态变化等级的小鼠淋巴细胞图像序列进行分类实验,以验证本方法的分类效果。结果对形态变化由缓慢到剧烈的4组淋巴细胞视频,分类精确度达到75%,能有效区分不同程度的细胞形态变化。结论与径向距离、Zernike矩、傅里叶描述子等常用的形状描述方法相比,本文方法更加全面地描述了细胞形态变化的动态信息,对细胞的多样性运动具有更好的适应性和稳定性。对细胞形态变化的分类,可用于异常细胞形态变化的检测,为疾病的早期诊断提供了客观依据。     

大规模医学序列图像体视化研究与实现

为了解决PC机上难以实现大规模数据的体视化问题,考虑到PC机内存小,显卡性能低的情况,提出了一种单片读取图像数据的体视化解决方案。采用光线投射体绘制法,实现了三维体视化所需的缩放、平移、旋转、剖切等操作,解决了因单片读取数据而出现的高角度失真问题。绘制过程中,充分利用序列图像的颜色信息,真实地再现了人体的内、外部结构。还与VolView、3Dmed软件进行了对比试验。在VC＋＋．net平台下初步完成了面向PC的医学图像体视化原型系统的开发工作。     

基于正则化的磁共振相控阵线圈图像均匀性校正算法

由于能提供更大的扫描视野,更高的信噪比和缩短扫描时间,相控阵线圈已经被广泛使用在磁共振成像(MRI)设备中。相控阵线圈的图像重建合成最常用的是SOS算法,但是SOS算法通常会造成图像的灰度不均匀。这样不仅会直接影响医生诊断的准确性,同时对图像自动分割等后处理技术的使用也会产生不良影响。本文提出一种改进的基于正则化的最小二乘化方法,用于MRI相控阵图像的合成。在该方法中利用均匀的大体线圈和相控阵线圈进行预扫描获得线圈敏感图,通过引入正则函数来控制重建图像的噪声。此外,在正则函数中还使用大体线圈的预扫描图像作为参考图像。使用水模和志愿者成像数据验证,该方法能够有效提高相控阵线圈重建图像的均匀性。     

基于平移不变小波变换的颈肩肌电信号去噪方法研究

在采用肌电信号进行颈肩肌肉疲劳特性分析中,为提高非平稳表面肌电信号(surface electromyography,SEMG)的信噪比,抑制传统强制去噪时在信号奇异点处产生的伪吉布斯(Gibbs)现象,采用平移不变(translation invariance,TI)小波新阈值去噪的方法对肌电信号进行去噪。实验表明,该方法在保留颈肩肌电信号主要特征的前提下,与传统强制去噪方法比较,信号的信噪比(signal-noise ratio,SNR)提高了7倍,均方根误差(root mean square error)降低为原来的四分之一,故该方法更适合在充分保留肌电信号细节特征的前提下,去除颈肩肌电信号中的白噪声和50 Hz工频谐波干扰。     

基于小波熵的心电信号去噪处理

实测的心电信号不可避免地存在一些强干扰和噪声,如何在强背景干扰和噪声下准确提取出有用的心电信号,是心脏病智能诊断的一个重要内容。提出一种新的基于小波熵的弱心电信号去噪方法,先将信号小波分解,再对不同分解尺度上的高频系数进行小波熵阈值的量化处理,然后利用最高一层小波分解的低频系数分量和经过阈值处理的不同尺度的高频小波系数分量,组成进行信号重构所需要的系数分量进行重构,将严重的干扰和噪声去掉,实现有效信号的提取。最后分别利用临床的实测心电数据和M IT/B IH心电数据库信号进行验证,并针对不同噪声类型和不同信噪比情况进行分析。结果表明,该方法简单有效,尤其对于高频噪声效果更优,且适于实际应用。     

基于小波变换的颜色视觉诱发电位检测去噪研究

为了提高检测的效率，将基于小波变换的信号分析方法引入到颜色视觉诱发电位（Visual evoked potential，VEP）的检测中，提出了基于多尺度条件下小波变换模极大值分布图的重建VEP信号的方法。该方法对初始采集信号采用Mallat快速算法进行离散小波变换得到模极大值分布图。根据信号噪声的Lipschitz指数特性进行去噪。最后按照POCS（Projections onto convex sets）方法进行信号的重建。仿真实验结果表明该方法对VEP信号的去噪效果比较理想。同时该方法极大地降低了测试次数。因此该方法与现有临床的叠加方法相比有明显的优披件．     

基于Hilbert-Huang变换的医学超声信号去噪

目的:探求一种基于Hilbert-Huang变换的医学超声信号去噪方法。方法:提出了一种基于Hilbert-Huang变换的医学超声信号去噪方法。首先对含噪超声信号进行经验模式分解,得到各阶IMF分量,然后对高频的IMF分量用阈值方法进行处理,把经过阈值处理的高频的IMF分量和低频IMF分量进行叠加,得到重构的去噪信号。结果:仿真实验表明,基于Hilbert-Huang变换的医学超声信号去噪方法可以有效地降噪。结论:Hilbert-Huang变换的医学超声信号去噪方法在自适应性和先验性方面优于基于小波的去噪方法。     

基于深度学习的低剂量CT图像去噪

目的:提出一种基于深度学习的方法用于低剂量CT（LDCT）图像的噪声去除。方法:首先进行滤波反投影重建,然后利用多尺度并行残差U-net（MPR U-net）的深度学习模型对重建后的LDCT图像进行去噪。实验数据采用LoDoPaB-CT挑战赛的医学CT数据集,其中训练集35 820张图像,验证集3 522张图像,测试集3 553张图像,并采用峰值信噪比（PSNR）与结构相似性系数（SSIM）来评估模型的去噪效果。结果:LDCT图像处理前后PSNR分别为28.80、38.22 dB,SSIM分别为0.786、0.966,平均处理时间为0.03 s。结论:MPR U-net深度学习模型能较好地去除LDCT图像噪声,提升PSNR,保留更多图像细节。     

基于比率距离的自适应超声图像去噪方法

针对超声图像噪声的瑞利分布特性,使用一种新的自适应超声图像去噪方法,改进固定窗口包含边缘时无法做到沿边缘方向滤波的不足。采用可自由伸缩的自适应滤波窗口,首先针对瑞利分布的噪声引入比率距离,得到超声图像像素间的相似度距离,然后考虑像素的邻域图像块均值,解决相似度距离之间比较的问题,最后像素根据新的相似度距离进行八方向伸展,得到不规则形状的滤波窗口进行去噪。用仿真超声图像和临床超声图像进行实验,图像评价指标结果表明该算法优于经典算法,更适用于去除超声图像的斑点噪声,在去除噪声的同时能够较好地保留细节边缘。     

轮廓波及曲波和小波变换用于显微图像消噪的比较

背景：小波变换只能反映信号的零维奇异性,无法最优表示图像中的线奇异;而且小波变换只存在3个方向,这些都显著影响了它在图像处理领域的应用效果。针对小波变换的缺点,多尺度几何分析理论正在逐步发展,轮廓波变换和曲波变换就是其中的典型代表。 目的：定性、定量地比较轮廓波、曲波和小波变换在图像消噪处理中的效果。 方法：在简要介绍3种变换基本原理的基础上,比较它们在图像消噪领域的应用,以均方误差和峰值信噪比作为定量指标评价消噪效果,并将其应用于显微镜图像的消噪处理。 结果与结论：综合定量评价指标和人眼视觉感受,曲波变换的消噪结果最佳,轮廓波变换效果次之,小波变换效果则不够理想。     

基于局部与非局部医学图像降噪技术的研究进展

医学图像对临床诊断具有重要的参考价值,为了获得高质量的医学图像,达到清晰辨识病理区域特征的目的,降噪技术成为重要的研究领域。首先,简要介绍医用设备成像原理及产生的噪声类型。然后,以局部、非局部为分类阐述几种常用的降噪方法,重点介绍非局部均值滤波算法的原理、优缺点、改进方式及应用范围。最后,总结上述降噪技术存在的主要问题,展望今后的研究方向,非局部与局部滤波技术结合运用可能为一种通用的医学图像降噪技术带来新思路。     

Analytic regularization for landmark-based image registration

Landmark-based registration using radial basis functions (RBF) is an efficient and mathematically transparent method for the registration of medical images. To ensure invertibility and diffeomorphism of the RBF-based vector field, various regularization schemes have been suggested. Here, we report a novel analytic method of RBF regularization and demonstrate its power for Gaussian RBF. Our analytic formula can be used to obtain a regularized vector field from the solution of a system of linear equations, exactly as in traditional RBF, and can be generalized to any RBF with infinite support. We statistically validate the method on global registration of synthetic and pulmonary images. Furthermore, we present several clinical examples of multistage intensity/landmark-based registrations, where regularized Gaussian RBF are successful in correcting locally misregistered areas resulting from automatic B-spline registration. The intended ultimate application of our method is rapid, interactive local correction of deformable registration with a small number of mouse clicks.     

EIT image reconstruction with four dimensional regularization

Electrical impedance tomography (EIT) reconstructs internal impedance images of the body from electrical measurements on body surface. The temporal resolution of EIT data can be very high, although the spatial resolution of the images is relatively low. Most EIT reconstruction algorithms calculate images from data frames independently, although data are actually highly correlated especially in high speed EIT systems. This paper proposes a 4-D EIT image reconstruction for functional EIT. The new approach is developed to directly use prior models of the temporal correlations among images and 3-D spatial correlations among image elements. A fast algorithm is also developed to reconstruct the regularized images. Image reconstruction is posed in terms of an augmented image and measurement vector which are concatenated from a specific number of previous and future frames. The reconstruction is then based on an augmented regularization matrix which reflects the a priori constraints on temporal and 3-D spatial correlations of image elements. A temporal factor reflecting the relative strength of the image correlation is objectively calculated from measurement data. Results show that image reconstruction models which account for inter-element correlations, in both space and time, show improved resolution and noise performance, in comparison to simpler image models.     

Dedicated breast computed tomography: volume image denoising via a partial-diffusion equation based technique

Dedicated breast computed tomography (CT) imaging possesses the potential for improved lesion detection over conventional mammograms, especially for women with dense breasts. The breast CT images are acquired with a glandular dose comparable to that of standard two-view mammography for a single breast. Due to dose constraints, the reconstructed volume has a non-negligible quantum noise when thin section CT slices are visualized. It is thus desirable to reduce noise in the reconstructed breast volume without loss of spatial resolution. In this study, partial diffusion equation (PDE) based denoising techniques specifically for breast CT were applied at different steps along the reconstruction process and it was found that denoising performed better when applied to the projection data rather than reconstructed data. Simulation results from the contrast detail phantom show that the PDE technique outperforms Wiener denoising as well as adaptive trimmed mean filter. The PDE technique increases its performance advantage relative to Wiener techniques when the photon fluence is reduced. With the PDE technique, the sensitivity for lesion detection using the contrast detail phantom drops by less than 7% when the dose is cut down to 40% of the two-view mammography. For subjective evaluation, the PDE technique was applied to two human subject breast data sets acquired on a prototype breast CT system. The denoised images had appealing visual characteristics with much lower noise levels and improved tissue textures while maintaining sharpness of the original reconstructed volume.     

FastICA在心电信号降噪中的应用

目的研究基于峭度和负熵的Fast ICA的模型特点,分析两种算法在心电信号去噪中的应用,对ICA在信噪分离中的特点加以分析研究。方法首先利用心电数据库MIH-BIT中单独的心电信号和噪声混合对Fast ICA进行降噪测试,通过降噪后心电信号和原信号对比测试基于峭度和负熵的Fast ICA的降噪效果,然后对Da ISy数据库中的真实含噪心电信号进行降噪,分析其在真实环境中的降噪效果。结果通过多组合成混合含噪心电信号和真实含噪心电信号对两种Fast ICA进行分离测试,发现两种Fast ICA都可成功地分离心电信号和噪声,其中基于峭度的Fast ICA的降噪速度较快,而基于负熵的Fast ICA的精确度较高。结论基于峭度和负熵的Fast ICA可以应用于心电信号的降噪中,并且能够有效降低信号噪声。     

Bayesian algorithms for PET image reconstruction with mean curvature and Gauss curvature diffusion regularizations

The basic mathematical problem behind PET is an inverse problem. Due to the inherent ill-posedness of this inverse problem, the reconstructed images will have noise and edge artifacts. A roughness penalty is often imposed on the solution to control noise and stabilize the solution, but the difficulty is to avoid the smoothing of edges. In this paper, we propose two new types of Bayesian one-step-late reconstruction approaches which utilize two different prior regularizations: the mean curvature (MC) diffusion function and the Gauss curvature (GC) diffusion function. As they have been studied in image processing for removing noise, these two prior regularizations encourage preserving the edge while the reconstructed images are smoothed. Moreover, the GC constraint can preserve smaller structures which cannot be preserved by MC. The simulation results show that the proposed algorithms outperform the quadratic function and total variation approaches in terms of preserving the edges during emission reconstruction.