基于小波的磁共振图像聚类分割

目的 利用直方图自适应确定人体不同部位MRI的聚类类别的数目和相应的初始聚类中心,实现模糊-c均值聚类算法(FCM)分割的自适应。方法 首先采用小波变换拟合直方图的平滑包络线,降低噪声对寻找包络线极值的影响;其次根据微积分的知识求出包络线极大值的个数,按照文中给出的法则对包络线的极大值进行筛选,确定直方图中峰值的个数;最后以直方图中峰值的个数为聚类类别数,以相应的峰值为初始聚类中心,对MRI进行FCM分割。结果 采用该方法对多幅腹部和脑部MR图像进行分割,均能有效地自适应确定聚类的个数。结论 本文方法能够有效、准确地确定不同MR图像的聚类类别的个数,实现FCM的自适应。     

基于非冗余平移不变小波变换的磁共振图像降噪

背景:MRI成像机制决定了其时间/空间分辨率和信噪比之间存在矛盾,因此图像降噪变得十分必要.目前基于离散小波变换的降噪方法广泛应用,然而存在平移敏感性的缺陷.目前已出现了克服平移敏感性的离散小波变换,但其冗余性导致计算复杂度的快速增加.目的:针对图像降噪设计小波滤波器,减小降采样过程的影响,保持离散小波变换的非冗余性,并针对MRI图像Rician噪声的降噪进行分析.方法:由于平移敏感性主要是由于离散小波变换分解时降采样产生的混叠项带来的,在保证非冗余的前提下,提出了通过减小混叠项的影响来减小平移敏感性.在此基础上,设计了一个双正交小波.最后,将其以常见的阈值降噪方法应用到磁共振图像Rician噪声的降噪中.结果与结论:文章提出了设计小波滤波器的新方法,即满足严格重构条件外满足一些附加要求,最后将设计过程简化为一个有约束条件的最优化过程.将设计的双正交小波应用于MR图像,仿真结果表明降噪效果较通常小波有所改善,间接表明了设计思路和方法的有效性.     

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.     

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。     

基于平稳小波变换的减小MR图像截断伪影的方法

如何缩短磁共振成像的时间一直是磁共振成像领域研究的热点问题之一.在实际工作中只采集部分相位编码的磁共振信号进行磁共振图像重建,不但可以缩短成像的时间,而且可以使图像保持较高的信噪比,但在重建的图像上出现了截断伪影.采用平稳小波变换和图像模板技术消除图像截断伪影及噪声,可有效地提高图像质量.     

基于阈值分割和Snake模型的弱边缘医学超声图像自动分割

医学超声图像分割是图像处理中的一项关键技术.文章以胆结石超声图像为例,介绍一种新的弱边缘超声图像自动分割算法.首先采用基于直方图凹度分析的闽值分割方法确定Snake模型的初始蛇,再基于Snake模型结合贪婪算法对图像进行目标分割.实验结果表明该算法对弱边缘现象较为严重的医学超声图像进行目标分割时,定位准确,分割效果良好,足一种全自动的超声医学图像分割方法.     

基于小波变换的PET/CT图像融合算法研究进展

随着图像融合技术在影像学领域的不断发展,越来越多新的影像技术及成像设备出现。PET/CT将PET和CT两种模态的医学图像进行融合,优势互补,提高了医师诊断疾病的效率及准确率。小波变换在医学图像融合中有重要作用,基于小波变换的算法使融合后图像的细节更加清晰而易于诊断,已成为近年来医学图像融合领域中研究的重点。本文对基于小波变换的PET/CT图像融合算法的研究进展进行综述。     

基于各向异性扩散和小波变换的磁共振图像降噪和增强方法

降噪是医学图像处理中一个非常重要的问题,传统去噪方法在降低噪声的同时会模糊图像的边缘,各向异性扩散滤波在降低图像噪声的同时能够使图像的边缘得到保持.利用小波变换可以对图像进行多尺度分解,使我们可以在不同尺度上对图像进行处理.本文利用各向异性扩散滤波对MRI图像进行降噪,然后利用平稳小波变换对图像进行增强处理.实验结果表明,该方法在有效去除噪声的同时能够增强图像的细节,有效地提高了图像的质量.     

A statistically based flow for image segmentation

In this paper we present a new algorithm for 3D medical image segmentation. The algorithm is versatile, fast, relatively simple to implement, and semi-automatic. It is based on minimizing a global energy defined from a learned non-parametric estimation of the statistics of the region to be segmented. Implementation details are discussed and source code is freely available as part of the 3D Slicer project. In addition, a new unified set of validation metrics is proposed. Results on artificial and real MRI images show that the algorithm performs well on large brain structures both in terms of accuracy and robustness to noise.     

基于多重分形的医学图像分割方法

背景:由于人体解剖结构的复杂性、组织器官形状的不规则性及不同个体间的差异性,所以比较适合用多重分形来分析.目的:采用多重分形理论对医学图像进行图像分割.方法:采用基于容量测度的多重分形谱计算及基于概率测度的多重分形谱计算方法对图像进行分割.对于待处理图片分别进行传统的区域生长分割,max容量测度图像分割,sum容量测度图像分割,概率测度图像分割等4种分割,并加入噪声后再进行同样的分割处理作为比较.结果与结论:采用的两种基于多重分形谱的计算法中,基于容量测量的多重分形谱计算方法的关键是定义合适的测度μα;基于概率测度的多重分形谱计算方法的关键是定义合适的归一化概率Pi,不同的测度(概率)和不同的阈值对结果的影像比较大.基于概率测度的方法对噪声比较敏感,但是在滤过噪声时对图像象素大小变化比较大、比较复杂的图像有较好的分割效果.实验表明基于多重分形谱的医学图像分割方法在选择合适的测度(概率)和阈值时是可行的,特别是在较为复杂的图像处理中对于纹理和边缘的区别上有较大的优势,在准确地分割的同时能保留更多的细节,具有重要的实际意义.同时,多重分形也可以作为一种图像的特征,为特征提取多提供一种有力的数据.     

Hierarchical max-flow segmentation framework for multi-atlas segmentation with Kohonen self-organizing map based Gaussian mixture modeling

The incorporation of intensity, spatial, and topological information into large-scale multi-region segmentation has been a topic of ongoing research in medical image analysis. Multi-region segmentation problems, such as segmentation of brain structures, pose unique challenges in image segmentation in which regions may not have a defined intensity, spatial, or topological distinction, but rely on a combination of the three. We propose a novel framework within the Advanced segmentation tools (ASETS)², which combines large-scale Gaussian mixture models trained via Kohonen self-organizing maps, with deformable registration, and a convex max-flow optimization algorithm incorporating region topology as a hierarchy or tree. Our framework is validated on two publicly available neuroimaging datasets, the OASIS and MRBrainS13 databases, against the more conventional Potts model, achieving more accurate segmentations. Each component is accelerated using general-purpose programming on graphics processing Units to ensure computational feasibility.     

医学图像的零树小波编码

背景:医学数字图像必须是高质量的、高分辨率,所以数据量很大,如此巨大的数据量不利于图像存档与传输系统的运行和数字化医院、远程医疗的实现.因此,图像压缩成为图像存档与传输系统要解决的重要问题.目的:分析零树小波变编码算法原理并编程实现对医学数字图像的压缩,使之能够满足医学图像的传输和诊断要求.方法:应用嵌入式零树小波编码算法,探讨小波基和小波变换层数的选择,编程实现对医学数字图像的压缩.结果与结论:选择双正交小波基对医学图像进行4层小波变换实现压缩,获得了较高的峰值信噪比,取得了较好的压缩效果.     

基于小波变换与近似熵的睡眠分期研究

目的:考察睡眠各期与近似熵的相互关系及相关参数选取对其的影响,以获取一种能较好反映睡眠分期的特征量.方法:数据处理于2007-05/09在江苏大学电气信息工程学院生物医学工程系实验室完成.睡眠脑电数据取自波士顿Beth Israel医疗睡眠数据库,16个测试对象均为男性,年龄32～56岁.对瞬眠脑电数据首先应用小波变换,将脑电信号中的噪声进行消噪处理,然后再利用近似熵将消噪后的睡眠脑电信号进行特征提取.结果:睡眠各期脑电的近似熵是不一样的,清醒状态时,其值最大,随着睡眠的深入,大脑思维活动减少,近似熵的值逐渐降低:进入Ⅲ期、Ⅳ期深度睡眠状态时,近似熵的值减到最低:在快速眼动睡眠期,脑电信号又与非快速眼动睡眠期Ⅰ期类似,近似熵的值开始回升.近似熵在睡眠各个阶段具有显著差异性和规律性,表明近似熵能很好的用于表征睡眠分期.结论:①睡眠脑电信号经过小波变换能有效的消除噪声并保持原信号的突变性质,从而表明了小波变换对非平稳信号的消噪具有很好的有效性和实用性.②对消除噪声后的睡眠脑电信号利用近似熵能很好的实现睡眠分期,从而实现了提取睡眠脑电有用信息的目的.     

基于区域生长超声图像分割血管边界反映血管病变

背景：通过分析超声血管图像能反映血管的病变情况。目的：采用区域生长理论对超声图像进行图像分割,分析边界点的相对位移。方法：先对视频图像分帧,将动态图像转换为静态图像,采用Gabor滤波、自适应直方图量化去除超声图像噪声,然后运用区域生长法对图像做分割,接着通过开闭运算、sobel算子检测图像边界,最后提取出两条血管边界。结果与结论：通过Gabor滤波、区域生长法等手段,得到了比较好的分割结果。区域生长法在处理速度上满足了实时性要求,具有一定的通用性。并且通过分析边界点的相对位移曲线,一定程度上反映血管的病变。     

基于区域生长超声图像分割血管边界反映血管病变

背景:通过分析超声血管图像能反映血管的病变情况。目的:采用区域生长理论对超声图像进行图像分割,分析边界点的相对位移。方法:先对视频图像分帧,将动态图像转换为静态图像,采用Gabor滤波、自适应直方图量化去除超声图像噪声,然后运用区域生长法对图像做分割,接着通过开闭运算、sobel算子检测图像边界,最后提取出两条血管边界。结果与结论:通过Gabor滤波、区域生长法等手段,得到了比较好的分割结果。区域生长法在处理速度上满足了实时性要求,具有一定的通用性。并且通过分析边界点的相对位移曲线,一定程度上反映血管的病变。     

基于扩散张量成像的婴幼儿大脑图像自动分割

目的 探讨基于扩散张量成像（DTI）的婴幼儿大脑图像自动分割方法的可行性及价值。方法 提出一种基于DTI图像的婴幼儿大脑的分割方法。该方法主要分为2个阶段：①利用水的分布,提取脑脊液（CSF）;②利用水在神经元中的各向异性扩散,提取白质（WM）,继以区分灰质（GM）成分。结果 通过本研究设计的特征选取方法可筛选出有效的DTI特征组合。第1步以平均扩散率（MD）和第3个特征值（L3）为组合特征提取CSF,第2步以各向异性分数（FA）和L3为组合特征提取WM和GM,可获得最高的平均相似性。经2步分割可成功进行婴幼儿大脑图像分割并获得满意的分割效果。结论 基于DTI的婴幼儿大脑图像自动分割方法合理、可行,具有较高的分割精确度。     

基于纹理分析的带标记线心脏MR图像分割

背景：左心室边界的准确分割是对左心室运动及形变进行分析的前提。由于受带标记线心脏核磁共振图像中标记线强梯度的影响,对左心室内膜的提取变得非常困难。目的：为了抑制标记线对图像分割的影响,提出了一种基于最小值-方差能量图的纹理分析方法。方法：首先对局部最小值和方差进行加权求和,得到能量图;然后利用中值滤波滤除能量图中的伪影并保持边界;最后,应用GVF-snake模型提取左心室内膜。结果与结论：针对标记线在心脏MR图像中的分布特征,提出了一种基于最小值-方差的纹理分析方法,该方法有效地去除了标记线。结果提示,对使用该纹理分析方法生成的能量图应用GVF-snake模型可以较好地提取左心室内膜。