细胞低温显微图象的计算机处理及定量分析

本文用计算机图象处理技术对细胞显微图象进行处理和定量分析,求出了细胞面积在低温保存中极其重要的参数。实验证明,计算机测量比人工精度高,误差小,同时新颖的标号去噪方法也非常有效。     

超声医学图象的计算机辅助解释

本文提出一种用于超声医学图象自动解释的新方法。该方法是在图象预分割的基础上,将区域生长算法、目标检测和基于知识的解释综合为双向驱动推理过程,从而完成对图象中器官、组织的识别和解释。作者已应用该方法对特定类超声医学图象进行了计算机分析实验,获得了较为理想的实验结果,并在文中对实验结果加以讨论。这一研究工作为建造医学图象自动解释系统提供了一个有较的方法。     

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。     

组织形态测量中的图象分析技术

医学科研和临床中的很多结论，与组织的形态变化有关。计算机图形图象技术的发展，使得组织形态的分析方法由传统的定性描述向定量分析化成为可能。本实验拟采用通用计算机组成一个显微图象分析系统，开发通用性强的分析软件，对组织和各形态完成全面，准确的定量测量。分析临床乳腺肿瘤病理切片的实验结果表明：本系统具有合理的硬件配置，基于本系统开发的分析软件不仅具有快速有效，准确灵活等特点，而且通用性好，在医学研究和临     

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。     

用计算机图象分析方法定量测定毛细血管数的一种新方法

目的用计算机图象分析的方法自动测定毛细血管数。方法VB6.0编制软件 ,采用图象两值化 ,扫描标号法等分析方法测定毛细血管数。结果分别对小鼠SRS实体瘤模型组和口服鲨鱼软骨粉治疗组的肿瘤切片 (vWF染色) ,用计算机自动分析与人工计数对照方法检测单位面积中的毛细血管数 ,其相关系数分别为0.93(P<0.001) ,0.99(P<0.001) ;配对t检验 ,无显著性差异 (P>0.05)。结论这是一种用计算机图象分析定量测定毛细血管数的新方法 ,对研究疾病时的血管新生十分有用     

线性的医学图像边界检测方法中六种算子的比较

图象的边界检测是图象处理的一个重要部分。本文根据实践经验首先提出了边界检测的评判标准，继而对几种线性算法进行了描述，并将它们用ＶｉｓｕａｌＢａｓｉｃ语言对同一图象进行了实现，从而直观地反映了各算法的优劣，为我们处理实际的医学图象提供了基础。     

真彩色图象边缘检测技术在胃镜图中的应用

目前计算机图象处理技术中，边缘检测已有许多成熟的算法、能较好地完成图象分割的任务。但在医学图象中、有些病变区域的边缘很难确定，人眼判断有很大的主观性。用传统的边缘检测技术不会取得好的检测效果。为此，本文针对胃镜图象中胃溃疡边缘的自动检测提出了一种径向搜索算法、成功地解决了计算机自动边缘检测问题，为病变区域的差别与测量提供了客观依据。     

计算机图象处理系统

本文简要介绍作者开发的微机彩色图象处理系统。该系统包括图象特征提取、模式识别分类、三维重建和有限元生物软科学计算四部分。     

基于自组织神经网络的超声心脏图象分割

0　引言多维超声心脏图象能够提供大量高质量的心脏结构和功能信息 ,是一种十分有效的诊断工具。然而 ,困难的图象获取、较差的图象质量 ,特别是分割中的交互式操作 (手动分割 )限制了它的发展和临床应用[1] 。图象分割是图象处理与模式识别等领域中十分重要且又十分困难的问题 ,它包括特征提取与模式特征分类两部分。传统的分类方法是采用Ｋ ｍｅａｎｓ聚类方法[2 ] ,分割结果受初始聚类中心和样本空间的分布影响较大 ,很难取得较好的结果 ,往往需要根据经验选取初始聚类中心 ,不具有自适应性。本文采用Ｔ .Ｋｏｈｏｎｅｎ自组织特征映射神…     

基于两阶段改进FCM算法的彩色血液图像分割研究

介绍了一种基于FCM算法（Fuzzy c-means algorithm）的彩色血液细胞图像分割新方法。通过将原始血液显微图像转换为索引图像再对颜色映射表矩阵做模糊聚类来回避直接对像素值聚类，大大压缩了FCM算法的计算数据量。针对彩色血液细胞图像的固有特性将分割过程分为两阶段，包括确定聚类数目和初始聚类中心，并在第二阶段引入一个距离加权矩阵，改变距离度量方式以提高聚类的准确度。解决了FCM算法难以准确收敛到最佳极值的问题，减少了迭代收敛的次数，并且缩短了算法执行时间，实现了对彩色血液细胞图像各组分的正确分割。     

序列显微镜图像的细胞追踪算法

随着显微镜成像技术的成熟,细胞分析已经成为生物图像分析领域的重要内容之一。早期的研究主要集中在静态细胞图像信息如细胞计数和细胞形态特征等问题上。随着活细胞成像技术的发展,产生了大量延时细胞图像数据,人工处理这些数据费时费力,工作效率低下,引入细胞追踪算法可使数据处理的工作量大为减少。本文对已有的细胞追踪的算法进行分析,对算法的优缺点和追踪结果进行比较,并从提高细胞追踪算法的精确度与速度的角度提出设想与展望。     

医学显微图像分割方法研究进展

医学显微图像分割是医学图像处理中的一个经典难题.针对近年来出现的新方法、新理论,对各种分割方法进行了系统论述,主要包括基于数学形态学方法、神经网络分割、模糊分割、小波分析、遗传算法、统计方法和基于特定模型等方法的图像分割.由于显微图像的复杂性,采用单一方法很难准确分割,故对混合方法也作了一定论述.文中还简要讨论了各种方法的特点和局限性.同时对分割的评价体系也做了简要论述.     

基于神经网络的图像半色调(Halftoning)处理算法

本文在对图像的半色调处理理论进行新的认识基础上，依据人的视觉特性提出一种基于神经网络的图像半色调处理的算法，它在保持误差扩散法灰度分布自然及细节检测能力好的优点的基础上，改善了误差扩散法的一些缺点，结果表明有较好的视觉效果。     

医学图像处理中有关图像分割的新技术

图像分割是图像处理中最基本和最主要的技术.本文简要介绍了医学图像分割的常用分割方法,主要包括阈值分割、神经网络分割、模糊分割、遗传算法、统计方法和基于特定模型等方法的图像分割.并对其近年来的进展和应用进行了综述.     

基于单水平集函数的细胞分割算法

目的：由于细胞图像十分复杂,传统的基于像素或者边界的图像分割方法难以精确的实现细胞分割。因此,需要设计一种可以实现细胞图像精确分割的方法。方法：结合大津分割算法和主动轮廓模型的优点,设计出一种基于单水平集函数的细胞分割算法,首先对细胞图像大津分割,其结果作为水平集函数的初始值,然后使用迭代法对水平集函数演化。采用MATLAB对显微镜下获取的细胞图像进行试验,将本文改进后的算法与常规的算法进行了对比。结果：与传统的水平集分割算法相比,本文方法对细胞图像分割结果更加准确,迭代次数减少一半左右,因此分割时间也减少了一半左右。结论：结合细胞图像的结构特点,利用大津分割结果作为主动轮廓模型的初始值,可有效解决主动轮廓模型因为初始值设置不当导致的分割缺陷问题,水平集函数能够跟踪拓扑结构变化,具有计算精度高、算法稳定、优化边界清晰光滑等优点,在本文中得到了充分的应用。因此本文所提出的算法能够高效地实现细胞图像的分割。     

结合蚁群算法的Snake模型的医学图像分割方法

图像分割是医学图像处理中一个网难而又极其重要的课题.本文提出一种新的结合Snake模型和蚁群算法的图像分割算法.Snake模型是一种将目标的轮廓模型与图像特征相匹配的分割方法,而蚁群算法可以帮助人们理解生物系统的原理以及在机器人技术、计算机图形学等领域已经得到广泛应用.本文在结合已有Snake模型和蚁群算法优点的基础上,提出了新的图像蚁群分割模型.实验结果表明,本文提出的分割方法能够比较好的保留图像的细节信息,并具有一定的抗噪声能力.     

灰度与形状同步匹配的非刚性配准研究

基于灰度的非刚性配准算法一般假设参考图像和浮动图像对应结构之间的灰度保持一致,然而在基于图谱的图像配准应用中,这种假设往往不符合实际。本文在给出一种可以同时校正灰度和形状差异的弹性配准算法的同时,针对该算法不能校正局部微小形变的弱点,提出采用自由项变换的方法进行校正以提高配准精度。配准实验基于20个IBSR真实脑部MRI图像,结果表明配准后图像与参考图像间的互相关系数得到明显提高。实验证明,本文提出的方法不仅能够同时校正形状差异和灰度变化,而且具有较高的配准质量。     

基于图像处理的菌落自动计数系统

目的针对现有菌落计数仪结构复杂、便携性差等缺点,本文设计了一种基于图像处理技术和Android平台来完成菌落自动计数的系统。方法该系统由硬件拍照设备采集菌落图像,以智能手机为主要操作载体,对图像进行光谱阈值分割、中值滤波、洪水填充、开值运算、八邻域边界跟踪等多种算法处理后实现自动计数。结果与菌落计数仪相比,该系统使用移动端手机APP实时获取菌落图像并得到计数结果,可直接在手机上对结果进行手动校正,具有成本低、操作简单、便携性好等优点。结论基于图像处理的菌落自动计数系统与人工计数结果的相对误差不超过5%,满足菌落计数的要求。