基于多小波变换的医学图像融合算法研究

目的:研究一种基于多小波变换的医学影像融合的算法。方法:对已配准的PET图像和CT图像进行预滤波后进行多小波分解,对分解后的图像低频分量采用平均梯度法及高频分量采用自适应加权法的融合规则进行图像融合,经过多小波重构及后滤波得到融合图像。结果:融合图像通过结合源图像的信息,增加了更多的细节和纹理信息,从而得到了良好的融合效果。结论:实验证明,基于该算法,可以得到图像的最佳融合结果。     

一种医学图像几何特征的自动检测

医学图像配准的方法有许多种,它的原理都是选取合适的图像特征量,根据特征量再来确定配准变换,因此特征量的选取是图像配准的第一步。目前用于配准的图像特征量有多种,如图像边界、图像外标记点等。本文提供了一种提取图像脊特征,作为用于配准的特征量的方法,取得了良好效果。     

医学图像的小波变换融合算法研究

针对不同分辨率的PET和MRI图像,探讨医学图像中功能成像和解剖成像的融合问题.提出一种基于小波变换的多尺度分解对人脑PET和MRI图像的融合算法,选取测量活跃性等级-系数分组-系数合并的融合规则,对多尺度小波变换的图像融合方法和普通像素加权平均融合方法进行仿真,并运用熵和交叉熵两种方法评价仿真结果.结果表明,该方法能有效融合功能信息和解剖信息,避免虚假信息引入.得到最佳分辨率的融合图像,提高医学图像的可信度,对临床诊断和治疗有一定参考价值.     

基于Contourlet变换的CT和锥形束CT图像配准算法

目的提出一种基于Contourlet变换,用于放射治疗定位的CT与锥形束CT（cone beam CT,CBCT）图像配准的方法。方法利用Contourlet变换多尺度多方向的分辨特性,将待配准图像进行Contourlet变换分解,分解后的高频方向子带合成梯度图像,采用归一化互信息作为相似性测度,把梯度图像与低频方向子带以加权函数结合,进行临床医学图像的刚性配准,有效弥补了互信息配准中缺少空间信息的不足。结果通过已知空间变换参数图像的配准结果验证了算法的准确性。配准后lO幅图像变换参数的误差极小,且均方根误差接近于0。结论该图像配准算法精确度高,并具有很好的鲁棒性,有助于提高图像引导放射治疗（image guid edradiation therapy,IGRT）中解剖组织结构和靶区的定位精度。     

眼底图像畸变的校正及多幅图像的特征点拼接算法

对于眼底图像 ,由于不在正视点取像造成的几何畸变和由于荧光素从血管壁渗漏等造成的灰度畸变 ,几乎是不可避免的。为临床诊断提供丰富信息的需要出发 ,进行多幅眼底图像的拼接是必要的。本文为此提出了几个新的处理方法 ,如基于大窗口的滤波灰度校正方法、基于透视投影原理的几何校正方法与基于小波子空间上的拼接算法 ,均具有效果好和耗时少的优点。     

基于互信息的多光谱图像配准

研究了多模态医学图像配准的一种，即多光谱图像的配准，分析了该配准存在的困难：运算量巨大，速度较慢，占用内存多，提出了用parzen窗口函数来估计概率密度，以及用样本平均来估计熵；在搜索策略上采用了快速有效的模拟退火算法。实验证明，本文的方法很好地解决了多模态配准中存在的问题，能够快速稳定地实现多光谱图像的配准。     

基于互信息的多光谱图像配准

研究了多模态医学图像配准的一种，即多光谱图像的配准，分析了该配准存在的困难：运算量巨大，速度较慢，占用内存多，提出了用Parzen窗口函数来估计概率密度，以及用样本平均来估计熵；在搜索策略上采用了快速有效的模拟退火算法。实验证明，本文的方法很好地解决了多模态配准中存在的问题，能够快速稳定地实现多光谱图像的配准。     

基于非冗余平移不变小波变换的医学图像配准

配准是图像处理中一个非常重要的过程,但其运算量通常非常大。离散小波变换(discrete wavelet transform,DWT)已成为减小运算量的有效工具,然而,它对平移的敏感意味着原图像特征的微小位移在其小波分解子图中可能产生不可预料的变化。本文根据分析认为平移敏感性是由DWT中降采样过程引入的混叠造成的,并以此提出了设计小波滤波器的新方法。该方法通过减小混叠影响,从而减小了DWT的平移敏感性。设计结果表明此方法使DWT的平移敏感性得到了有效抑制,同时保持了非冗余性。最后,两个医学图像的配准过程表明了该小波的有效性和设计方法的合理性。     

基于多尺度特征感知的胸腔图像危及器官分割

医学图像危及器官自动分割是计算机辅助诊断中的重要组成部分,对辅助医生高质高效完成放射治疗有着极其重要的作用.胸腔CT图像对比度低,且各器官之间重叠交错、边界模糊,使得危及器官的精确分割具有较大的挑战性.提出一种多尺度特征感知的编码-解码网络模型(FA-Unet),实现胸腔CT图像危及器官的分割.针对胸腔中四类器官大小差...     

一种基于面结构特征的病理切片图像拼接算法

本研究是对“基于相关性的病理切片图像的配准算法”的一种改进算法 ,以面结构特征作为模板 ,采用求配准度的方法寻求图像匹配。算法的速度较快 ,稳定性更高 ,在实验中取得了更为满意的配准效果。     

Multi-view 3D echocardiography compounding based on feature consistency

Echocardiography (echo) is a widely available method to obtain images of the heart; however, echo can suffer due to the presence of artefacts, high noise and a restricted field of view. One method to overcome these limitations is to use multiple images, using the 'best' parts from each image to produce a higher quality 'compounded' image. This paper describes our compounding algorithm which specifically aims to reduce the effect of echo artefacts as well as improving the signal-to-noise ratio, contrast and extending the field of view. Our method weights image information based on a local feature coherence/consistency between all the overlapping images. Validation has been carried out using phantom, volunteer and patient datasets consisting of up to ten multi-view 3D images. Multiple sets of phantom images were acquired, some directly from the phantom surface, and others by imaging through hard and soft tissue mimicking material to degrade the image quality. Our compounding method is compared to the original, uncompounded echocardiography images, and to two basic statistical compounding methods (mean and maximum). Results show that our method is able to take a set of ten images, degraded by soft and hard tissue artefacts, and produce a compounded image of equivalent quality to images acquired directly from the phantom. Our method on phantom, volunteer and patient data achieves almost the same signal-to-noise improvement as the mean method, while simultaneously almost achieving the same contrast improvement as the maximum method. We show a statistically significant improvement in image quality by using an increased number of images (ten compared to five), and visual inspection studies by three clinicians showed very strong preference for our compounded volumes in terms of overall high image quality, large field of view, high endocardial border definition and low cavity noise.     

基于改进SUSAN算法的医学图像边缘检测

背景：医学图像的边缘检测是医学图像处理中的一项重要的技术,也是医学图像进一步处理的基础。 目的：运用改进的SUSAN算法对医学图像进行边缘检测,取得更丰富的医学图像边缘信息,以便于医学图像的进一步处理。 方法：运用Sobel算子对SUSAN算法进行了改进,采用C++语言编程,并在VC++6.0开发平台上实现了改进算法。 结果与结论：实验结果表明,该算法能实现阈值的自适应选取,对医学图像中的低对比度的图像边缘有较好的检测效果。      

基于小波变换和一致性检验的多模态医学图像融合算法

目的选择已配准后的多聚焦医学图像以及MRI/CT灰度图像为实验素材,以探究不同的融合策略对图像融合效果的影响。方法在对多模态医学图像融合时,低频融合分别采取了加权平均、取极大值法、区域能量以及区域方差的对比实验。高频融合分别采取了区域能量、区域方差以及滤波后基于邻域窗口的一致性检验的对比实验。结果通过对融合图像主观(融合效果)与客观(灰度直方图、边缘提取、性能评价)对比分析,找到了多模态医学图像融合的最优融合策略。结论当低频选择局部区域方差融合,融合后的图像轮廓清晰、边缘较完整;而高频选择滤波后基于邻域窗口的一致性检验,融合后的图像更好地保留和加强了源图像的细节信息。     

基于小波变换的心音包络提取算法及应用

背景：心音信号包含了大量心脏瓣膜活动的生理信息,心音分析对诊断心脏疾病具有重要的临床意义。 目的：旨在通过心音的包络提取,分析心音信号的各种特征,进而判断心音中是否包含杂音,以改善传统听诊技术高度依赖医生经验、听诊范围受限的缺点。 方法：提出了一种采用小波变换来提取心音包络的方法,通过与采用希尔伯特-黄变换、数学形态学、平均香农能量等心音包络求解方法进行对比,证明这种方法具有算法简便、曲线光滑、特征点突出等优点。 结果与结论：将该方法用于临床真实心音的包络提取,利用支持向量机来训练所提取心音包络的面积和小波能量两个特征参数,判别心音信号是否明显包含杂音。选用35例心音数据对算法进行验证,结果表明该算法的准确率达到95%,具有很强的实用性。     

改进的基于遗传算法稀疏分解的脑CT图像压缩

目的提出一种新型的稀疏分解算法,对脑部CT图像进行压缩。方法本文采用改进的遗传算法（genetic algrithm,GA）与匹配追踪（matching pursuit,MP）算法相结合以实现稀疏分解,对脑部cT图像进行压缩以节约存储空间。针对原有遗传算法计算时间长、匹配率低的不足,本方法优化了迭代次数的选择、竞争、变异等操作。结果利用该算法对脑部CT图像分块压缩,使运算速度、压缩比和信噪比均得到提高。结论通过分析与实验验证,改进的方法压缩比例更大,失真更小,运行时间更短,为脑部CT图像的压缩提供了一种新方法。     

基于改进光线投射法的冠脉图像三维重建

传统光线投射算法虽然绘制图像时能取得良好的效果,但因为运算速度较慢,限制了其广泛应用。为了在图像三维重建时既能保证质量,又能提高实时交互性,本文提出一种基于改进光线投射算法的冠脉三维重建方法,利用检测原数据点的数据值来简化重采样中三线性插值的复杂性,并结合切比雪夫空体素跳跃法,进一步提高算法的效率。实验结果表明,该算法能够在提高运算速度的同时,保证绘制冠脉三维图像的质量。     

基于中层特征的医学图像分割研究进展

图像的中层特征将图像中的全局信息和局部信息结合,同时具备代表性和特异性,能够更好地表达图像的信息。已有的研究工作成功地将中层特征用于医学图像的分割,主要的方法包括稀疏编码和空间金字塔匹配(spatial pyramid matching,SPM)算法,词典学习,以及神经网络等算法。中层特征的应用提高了算法性能。本文介绍了现有的基于中层特征的医学图像分割算法,并对今后的研究工作进行了展望。     

Iris recognition based on key image feature extraction

In iris recognition, feature extraction can be influenced by factors such as illumination and contrast, and thus the features extracted may be unreliable, which can cause a high rate of false results in iris pattern recognition. In order to obtain stable features, an algorithm was proposed in this paper to extract key features of a pattern from multiple images. The proposed algorithm built an iris feature template by extracting key features and performed iris identity enrolment. Simulation results showed that the selected key features have high recognition accuracy on the CASIA Iris Set, where both contrast and illumination variance exist.     

Iris recognition based on key image feature extraction

In iris recognition, feature extraction can be influenced by factors such as illumination and contrast, and thus the features extracted may be unreliable, which can cause a high rate of false results in iris pattern recognition. In order to obtain stable features, an algorithm was proposed in this paper to extract key features of a pattern from multiple images. The proposed algorithm built an iris feature template by extracting key features and performed iris identity enrolment. Simulation results showed that the selected key features have high recognition accuracy on the CASIA Iris Set, where both contrast and illumination variance exist.     

基于深度特征融合的肺炎影像识别研究

在新型冠状病毒肺炎(COVID-19)疫情背景下,肺炎影像快速准确诊断显得尤为重要.针对肺炎影像纹理及细粒度特征受噪声影响大、常规手段识别率低等问题,本研究构建了一种新的基于跨层连接机制的多主干网络特征融合卷积模型.依托并行特征挖掘思路,利用多尺度感受野挖掘融合来捕获医学图像的局部细节,实现对COVID-19医学影像的...