基于双向异步投票策略医学图像特征点匹配

图像特征点匹配作为图像处理领域的一项基本技术,在临床医学图像处理中具有很重要的意义。本文根据医学图像的特点提出一种基于双向异步投票策略的特征点匹配方法。首先,利用改进的harris角点检测算子提取图像角点作为图像的特征点;其次,采用本文提出的基于双向异步的投票策略的角点匹配算法完成角点的粗匹配,使待拼接图像的特征点大致对应;最后利用RANSAC优化算法剔除误匹配,使特征点达到精确匹配。     

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。     

基于角点的医学显微图像拼接

目的：本文设计了一种基于角点的医学显微图像拼接方法。方法：先利用Harris算子和MIC算法相结合的方法来检测角点,接着对两组角点进行相关性分析,找出匹配的点,并根据匹配点进行拼接,融合。结果：实现了图像的增强与拼接。结论：实验证明,利用该方法对显微图像进行拼接时获得了理想的拼接效果。     

一种基于近似树的三维心血管图像的匹配算法

为实现不同时刻三维心血管图像的匹配，提出一种基于近似树的心血管图像匹配算法。先将三维心血管表示成树的结构，然后介绍了包含VLDC(variable length don’t cares)结点的近似树匹配算法。然而，在心血管树匹配的过程中，匹配的具体对象是曲线而不是通常意义的结点，因此，提出包含VLDC曲线的近似树匹配算法，并重点介绍其中的VLDC曲线的匹配过程。在实验中对相邻时刻的心血管图像进行了匹配，实验结果令人满意。     

一种基于高斯匹配滤波法的视网膜图像血管中轴线快速提取算法

目的：研制快速、精确的视网膜血管中轴线（ｖｅｓｓｅｌ ａｘｉａｌ ｓｋｅｌｅｔｏｎ ＶＡＳ）提取算法，以定量分析眼底血管形态改变的细微变化。方法：１．图像预处理（去噪、增强）。２．以经二值化及膨胀后的梯度图像为模板，进行基于高斯匹配滤波法的快速血管提取。３．后处理（细化等）。结果：分别采用本文方法及传统方法对视网膜ＶＡＳ进行提取与结果比较。结论：本文方法具有快速、精确、抗噪声能力强及提取出的ＶＡＳ     

基于超声图像的纹理特征分析算法的应用

探讨纹理特征分析算法在超声图像定量分析中的应用。提取了正常肝脏与脂肪肝B超图像的近远场平均灰度比特征,以及用于超声医学图像分析的纹理特征模型—灰度共生矩阵和灰度游程矩阵,并用基于假设检验的特征选择方法进行了对比研究。结果表明:近远场灰度比(MIR)、灰度共生矩阵的角二阶矩(ASM)、对比度(CON)、熵(ENT)和反差分矩(IDM)、灰度游程矩阵的灰度分布的不均匀性特征(GLN)6个特征量可以描述肝脏超声图像。说明全面分析超声图像的纹理特征,对B超图像的定量分析有很大帮助。     

基于图像块匹配和测地线活动轮廓模型的肿瘤自动检测算法

提出一种基于图像块匹配和测地线活动轮廓模型的肿瘤自动检测算法。给定肿瘤区域的术前图像和术后(或术中)图像,首先通过刚性配准得到全局配准参数,然后将术前图像分割成大小适合的正方形区域,在术后(或术中)图像中寻找与之匹配最好的区域,并得到各个分块对应的配准参数。根据分块配准和全局配准之间关系的判决比较,得到肿瘤所在的区域,最后在此区域内利用测地线活动轮廓模型,获得较为准确的肿瘤初始轮廓。     

基于轮廓匹配和多项式拟合的虹膜分割算法

虹膜图像在采集过程中由于个体差异、采集环境等因素的影响,存在遮挡、偏角等噪声。针对该问题,提出一种基于轮廓匹配和多项式拟合的虹膜分割方法。首先将虹膜图像分为理想型虹膜图像与非理想型虹膜图像;其次针对理想型虹膜图像,根据圆的标准方程检测虹膜边界实现虹膜分割,针对非理想型虹膜图像,通过轮廓匹配算法获得带遮挡部分的虹膜后,采用多项式拟合的方法去除眼睑等遮挡部分,实现虹膜的准确分割。本文算法实现虹膜分割的错误率nice1为1.5%,nice2为1.9%,且F1值达到93.65%。结果表明,该方法能够有效地去除虹膜图像中的遮挡噪声,具有较高的虹膜分割准确率。     

基于法线特征匹配的主动脉弓动态图像测量方法

目的研究主动脉弓动态图像测量的方法。方法提出基于法线特征匹配的主动脉弓边界动态跟踪方法,首先通过手动选点和曲线拟合的方法确定第一帧图像的边界,从而克服了阈值分割法的边界不连续的缺点,然后使用法线特征匹配的方法对主动脉弓序列图像进行边缘检测,得到平滑的主动脉弓边界曲线,实现了主动脉弓序列图像的动态跟踪。结果准确测量了主动脉弓的运动变形参数。结论成功得出了主动脉弓的运动变形规律,为主动脉弓的有限元计算打下了良好的基础。     

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。     

抗人球凝胶法和试管法在疑难配血中的应用

目的观察抗人球凝胶法和试管法在1例产生不规则抗体患者的配血试验应用情况，并对两种方法进行评价。方法同时使用凝胶法和试管法进行抗体筛选、抗体鉴定和抗体效价测定，比较两种方法在操作标准化和结果判读方面的差异。结果两种方法抗体筛选、抗体鉴定结果一致，抗体效价凝胶法比试管法高1个滴度，凝胶卡结果更易判读。结论凝胶法操作标准，结果清晰，敏感性高，重复性好，是标准化的血清学试验方法。     

一种基于纹理的颅脑CT图像病变检出算法

以颅脑CT图像为研究对象用基于纹理的数字化统计图谱方法进行了病变自动化检出的研究,提出并创建基于纹理的数字化统计图谱——纹理层析图谱。通过比较待诊断颅脑CT图像与纹理层析图谱间的差异,实现颅脑CT图像中多种病变的计算机自动化检出。实验结果表明,在不知道病变种类的前提下,基于纹理层析图谱的病变检出算法可以实现颅脑CT图像所含病变的自动化检出。利用图像的纹理信息变化是实现颅脑CT图像病变检出的一个有效途径。     

基于局部图动态匹配的植物细胞追踪算法研究

植物细胞追踪算法的研究对建立细胞的生长发育模型并探索其基因的结构和功能至关重要。由于植物细胞拥有相似的形状和灰度分布,在空间上具有紧密相连的特殊结构,且在成像过程中存在严重的噪声干扰,细胞图像可能发生错位或者旋转,给植物细胞的追踪带来了巨大挑战。针对以上难点,提出一种基于局部图动态匹配的细胞追踪方法,细胞面积、相邻细胞之间的夹角与距离被用作匹配的基本特征。通过计算相邻两帧细胞图像中细胞上述特征的距离函数,寻找最相似的细胞对作为种子细胞对,然后通过种子细胞逐步匹配其邻域细胞。在细胞逐步匹配过程中,已匹配的细胞将作为新增加的种子细胞。在动态扩张的已匹配细胞邻域范围中,每次优先匹配特征距离最小的细胞对,通过这种动态匹配方法提高细胞匹配的准确率。算法对3组未配准植物顶端分生组织细胞图像序列及它们的配准图像序列进行追踪实验,结果显示与之前的植物细胞追踪算法相比,在配准图像序列中平均追踪准确率可提高4%,在未配准图像序列中平均追踪准确率可提高30%。实验结果表明,所提出的算法可有效提高细胞追踪的准确率,对显微图像数据中细胞群的追踪具有很好的应用价值。     

基于Mean Shift的三维医学图像交互式分割方法

目的：提出一种新的三维医学图像交互式分割方法,利用Mean Shift算法将空间域与特征域相结合的高维计算优势,直接对图像的三维空间分布信息进行处理,同时采用人工与计算机相结合的交互式分割方法在医学图像序列上分割出感兴趣区域。方法：通常将Mean Shift方法用于图像分割都需要对整幅图像中的所有像素点进行大量的迭代计算,这样使得分割效率很低。而本文基于交互式分割算法原理,通过在感兴趣区域人工设定一个或少数几个初始点,利用人工给出的先验信息只需对感兴趣区域进行Mean Shift的自适应迭代计算和处理,不仅可以克服上述缺陷,还能得到较为精确的分割结果。结果：本文根据该方法进行了实验,从肺部图像序列中准确地分割出了三维的肺结节区域,从时间上和准确度上均能满足临床需求。结论：实验结果证明该交互式分割方法是一种非常有效的三维医学图像分割方法。本文的方法可以同时联合灰度域和空间域特征实现分割,而且它基于所选择的分割特征还具有任意多维空间联合分割的潜力,不失为一种深有发展前景的三维交互式分割方法。     

基于区域建议策略的视盘定位方法

视盘定位对利用眼底图像进行眼科疾病的计算机辅助诊疗十分重要。提出一种基于区域建议策略的视盘定位方法。首先,将眼底图像从像素域映射到特征域,在得到的特征图上利用区域建议策略生成视盘的初始候选区域;然后,按照一定准则对候选区域进行采样,构建全连接层对其进行深层特征提取,并利用损失函数的约束实现候选区域的位置精修;最后,通过置信度阈值的过滤对视盘可见性进行判断,若视盘可见,则将置信度最大的候选区域中心作为该眼底图像的视盘坐标,从而实现视盘的正确定位。在3个公开的眼底图像数据库(DRIVE(40张)、MESSIDOR(1 200张)和STARE(400张))中进行实验,定位准确率分别为100%、99.9%和98.8%。实验证明,该方法能够实现视盘的准确、快速、鲁棒定位,优于现有的视盘定位方法,且预先进行视盘可见性的判断更符合实际应用的要求,能够辅助眼底疾病的诊断处理。     

基于SURF算法的胶囊内镜冗余图像快速筛除

胶囊内镜在检查消化道全程中会产生数万帧有大量冗余的图像数据,要从中找出有病灶的图像,医生需要耗费大量的时间和精力逐帧仔细查看。因此,研究冗余图像的自动筛除对提高医生的诊疗效率具有重要意义。但由于胶囊内镜图像场景复杂多变,且存在气泡、蠕动等不确定因素,冗余图像的自动筛除仍是一个难题。采用SURF算法,提取胶囊内镜图像的特征点及特征描述向量;将向量夹角作为两帧连续图像特征点之间的匹配度量,采用最大类间方差法实现对特征点对的自适应识别;最后以匹配特征点数和分块匹配度为指标,计算图像之间的相似度,筛除冗余图像。对采集的128段胶囊内镜视频段进行冗余图像筛除实验。结果表明,该方法能以平均0.06 s/帧的速度快速完成冗余图像的自动筛除,其召回率(recall)、准确率(precision)和F-measure等3个性能指标分别达到了81%、90%和85%,且该方法对消化道存在的蠕动、气泡及光照变化等不确定因素具有较强的鲁棒性,具有良好的性能。     

基于数字组织病理图像的肿瘤与微环境相互作用风险模型在口咽癌症中的预后研究

数字组织病理学全幅图像为计算机化的定量分析提供新的机遇。越来越多的研究表明,肿瘤微环境中的免疫细胞与癌变细胞的相互作用是一项重要的预后指标。HPV+口咽癌症是头颈部常见的恶性肿瘤,目前对其没有很好的预后指标。利用计算机图像处理和模式识别技术,从数字组织病理学全幅图像中定量提取细胞核形态,并利用其特征去度量肿瘤微环境与癌变区域相互作用的程度,构建口咽癌症复发风险模型。实验数据来自华盛顿大学医学中心的病理学档案,是连续回顾性收集的234名口咽癌患者手术切除的组织病理学切片及其相应的跟踪数据。研究发现:利用图像定量分析构建口咽癌症复发风险模型,能够显著地区分复发与非复发病患,其100次5折交叉验证的分类结果的平均AUC达到0.67±0.02;对病患分别进行单变量(HR(95%CI)=1.76(0.99～3.13),P=0.0352)及多变量生存分析((HR(95%CI)=3.27(1.12～5.46),P=0.039)),结果说明肿瘤微环境与癌变区域相互作用高的口咽癌症病患相比于相互作用低的病患,有更低的复发风险及更长的生存期。研究揭示计算机定量度量的肿瘤微环境中的免疫细胞与癌变细胞的相互作用,有望作为一个独立的预后指标来指导口咽癌症病患的治疗疗程。     

胶囊内窥图像出血识别的BP神经网络算法

在大量的胶囊内窥图像中寻找出血区域或相关病理特征是一件非常费时费力的工作,使用计算机进行胶囊内窥图像出血区域智能检测是必然趋势。本文设计了一种BP人工神经网络应用于内窥图像出血模式的识别,并通过软件编程实现了基于BP神经网络的内窥图像出血区域智能检测的新方法。实验表明该方法能正确检测出内窥图像中的出血区域,从而将内窥图像分类为出血模式与非出血模式,达到了理想的效果。