医学图像的伪彩色处理

当前,多数医学图像属于黑白图像,其对人的视觉效果不如彩色图像。本文介绍了伪彩色处理技术:查表添色法。用这种伪彩色处理后,人的视觉感知和图像理解显著改善,也明显提高了临床诊断和治疗水平,特别是那些疑难肿瘤病例。     

基于一种光学模型的灰度图像伪彩色处理技术

通过对白光密度假彩色编码实验中的光学模型和通信领域中信号的调制与解调原理的比较,得到了灰度图像两种基色算子结构。进而根据数字图像三基色合成彩色图像的处理技术,针对医学灰度图像和红外灰度图像,分析了两种算子结构的特点和对比了不同伪彩色算法的图像增强效果,确定了最佳算子结构及其较合理的调制参数范围,证明了具有余弦函数结构的调频算子对灰度图像彩色化处理效果较好,其输出的彩色图像色彩按灰度值过渡变化较为自然、清晰。     

伪彩色增强显示的设计与实现

目的:本文研究适用于多种伪彩色算法的硬件电路设计,以实现将亮度信号转化成伪彩色信号输出。方法:采用灰度分割算法,根据不同灰度阈值来配置其灰度对应的颜色,并且设计实现了一套包括视频处理芯片SAA7111,复杂可编程逻辑器件EPM7256,视频编码芯片SAA7185及其单片机2051构造的伪彩色处理系统。结果:通过建立不同阈值的颜色查找表,编写VHDL程序,可以实现不同伪彩色增强显示的效果。结论:采用灰度分割算法,并且结合本设计的硬件电路,可以成功地完成适用于各种场合的伪彩色处理。     

用于CT稀疏重建的对抗式多残差深度神经网络改进方法

目的 针对计算机断层成像(CT)稀疏重建过程中产生条状伪影的问题,本文提出了一种基于对抗式多残差深度神经网络的CT图像高精度稀疏重建方法.方法 设计了一种耦合多残差和对抗机制的UNet网络,以含条状伪影图像和高精度图像作为训练样本,通过大规模训练数据,对该网络进行训练,使其具有压制条状伪影的能力.首先,利用滤波反投影(...     

一种基于HVS和DCT的数字水印算法

提出一种新颖的基于HVS (HumanVisualSystem)和DCT (DiscreteCosineTransform)的数字水印算法。为保证视觉透明性和鲁棒性 ,通过将二值水印图像映射为标准正态分布的伪随机实数序列 ,并利用HVS的特性 ,将水印嵌入宿主图像中频部分。相应于水印的产生方法 ,采用统计检测方法 :首先检测伪随机序列的存在 ,进而通过逆映射提取水印 ,而不是直接提取水印 ,因而可以实现水印的更可靠检测。各种图像退化处理仿真实验结果证明 ,该算法鲁棒性很好 ,尤其是在抗滤波和有损压缩的攻击方面。     

基于像素采样不足的伪迹处理方法

在实际的三维锥束CT重建中，受扫描结构的限制，当连续X射线穿过物体时，像素对射线的采样间隔不能满足Nyqust采样定理，这样通道信号产生混叠，使得重建图像出现伪迹。本论文针对这一问题，在用splatting算法计算代数重建算法权系数的基础上，分析了伪迹产生的原因并对对应的内插函数作了适当的变换，提出了适用于3-D锥束圆轨迹CT扫描系统的去伪处理方法。结果表明，经过去伪处理后，重建图像的分辨率明显提高。     

CT图像中金属伪影的快速校正

CT系统由于检测对象含有金属夹杂而使得重建图像中出现金属伪影,影响图像的质量。针对金属伪影,提出一种快速而稳定的校正方法。首先判断金属投影区域,然后对金属投影进行插值,然后重建图像。最后,在重建的图像中插入金属部分,得到完整的重建图像。数值模拟和实际CT系统的实验表明,该方法能有效的消除金属伪影,并能保留金属信息,恢复图像的完整。该算法计算复杂度很小,计算快速,具有较高的实用价值。     

应用密度填充及伪影消减技术提高带金属植入物患者IMRT剂量准确度研究

目的探讨提高带金属植入物患者放射治疗计划剂量计算准确度的方法。方法利用具有金属伪影消减技术的CT模拟机对插入金属棒的CIRS调强模体和8例椎体中植入了钢钉并接受放疗的患者进行扫描,在获得的常规CT图像、金属伪影消减技术CT图像及对其金属区域进行密度填充的图像上设计治疗计划。在模体中比较单个射野及IMRT计划的计算结果与剂量测量结果,同时对患者IMRT计划中金属植入物及其伪影对照射剂量产生的影响进行分析。结果基于常规CT图像的放疗计划中,射野入射路径未通过金属区域时,单个射野的剂量计算误差为3.85%,通过金属区域时射野计算误差范围达4.46%~74.11%。IMRT计划中存在入射路径通过金属区域的射野时,其误差可能超出临床可接受的范围,计算误差随这种射野所占剂量权重的增加而变大。当采用密度填充及伪影消减技术处理图像后,上述单个射野的计算误差分别为1.23%和0.89%~4.73%,IMRT计划的剂量误差为1.84%。若单独采用密度填充技术处理金属区域,IMRT计划的剂量误差为1.88%。基于常规CT图像的患者IMRT计划中,受金属植入物及其伪影的影响,实际靶区受到的最小剂量、平均剂量及处方剂量覆盖率较计划结果下降,危及器官剂量相近。结论基于常规CT图像的放疗计划中,入射路径通过金属区域的射野可能产生较大的剂量计算误差。如果植入的金属材料已知,在计划系统中对金属区域进行密度填充能有效提高计划的剂量计算准确度。伪影消减技术能显著改善图像质量,进一步减少剂量计算误差,对于配备这种功能的CT机进行带金属植入物患者的模拟定位时应作为常规技术。     

基于边缘形态变换的彩色织物图像分割算法

新疆民间织物图像具有鲜明的民族特色,为了生成和创新民族民间织物图像,如何自动分割织物基元是一个关键问题.论文以问题为驱动,提出了一种基于边缘形态变换的彩色织物图像分割算法.首先,对彩色图像进行颜色空间的变换,然后根据图像特征提出调整图像大小的前处理标准,再利用Canny算子检测边缘,对检测边缘进行形态变换后处理,最后标...     

IgA肾病肾小球毛细血管内血浆蛋白淤积与微血栓及IgA沉积的关系

目的　观察IgA肾病 (IgAN)肾小球毛细血管内血浆蛋白平均吸光度 (MAPG)变化与微血栓形成及IgA沉积之间的关系。方法　用图像分析仪定量测定 5 5例IgAN肾穿标本MAPG和IgA沉积物 ,伪彩色分割显示其血浆区吸光度值的变化层次 ;比较高MAPG组与低MAPG组之间微血栓形成率、IgA沉积量的差异。结果　高MAPG组IgAN的微血栓形成率和IgA沉积量显著高于低MAPG组 ;伪彩色显示高MAPG组的肾小球毛细血管内血浆蛋白聚焦 ,微血栓周围血浆蛋白浓度明显较高。结论　IgAN肾微循环内血浆蛋白浓度升高会促进IgA免疫复合物沉积和微血栓形成。     

基于两级传递模型的医学图像伪彩化研究

针对传统伪彩化方法单级多通道传递函数设计的缺陷,提出了一种基于两级传递的医学图像伪彩化模型,避免了传统方法中需要在各个通道分别进行的复杂的传递函数选择和控制点调整。在第一级灰度处理级提出了4种模式,可以分别对原灰度图中的低段、中段和高段灰度分布信息进行拉伸或压缩,强调了感兴趣灰度级范围内的目标。在第二级伪彩化级提出了2种伪彩化方法,并确定使用彩虹色伪彩化,增强了图像的视觉感观和辨识能力。该模型的灵活性、扩展性较好,能够提供多种观察模式,适合多种应用场合,生成的伪彩化图像自然、清晰,更利于医生诊断。     

MRI鉴别乳腺导管原位癌与其他导管内病变的价值

背景与目的：乳腺导管原位癌(ductal carcinoma in situ,DCIS)属于乳腺浸润性癌的前驱病变,是一类非全身性的导管内局部病变,与其他导管内病变在影像上存在相似之处。本研究旨在探讨乳腺MRI鉴别诊断DCIS与其他乳腺导管内病变的价值。方法：回顾性分析2011年7月—2012年2月于复旦大学附属肿瘤医院行乳腺MRI检查并经手术病理证实的DCIS患者24例、DCIS伴微浸润(breast ductal carcinoma in situ with microinvasion,DCIS-MI)9例、乳腺导管内乳头状瘤(breast intraductal papilloma,BIDP)20例临床资料。以DCIS为研究主体,分析3种病变MRI及动态增强表现。结果：DCIS与DCIS-MI的病灶强化形态、强化方式、时间-信号强度曲线(TIC)、病灶伪彩图像间差异均无统计学意义(P＞0.05),而DCIS与BIDP的病灶强化形态、强化方式、TIC、病灶伪彩图像间差异均有统计学意义(P＜0.05)。DCIS以导管样(8/24)及段样强化(6/24)为主、病灶伪彩图像为红色(22/24)、TIC以Ⅲ型(12/24)为主要特征性表现;BIDP以乳头后局灶性强化为主(13/20)、病灶伪彩图像为非红色(14/20)、TIC以Ⅱ型(11/20)为主要特征性表现。结论：MRI较难鉴别DCIS与DCIS-MI,但具有鉴别诊断DCIS与BIDP的价值。     

视频压缩中的运动估计算法

通过研究视频压缩算法,归纳分析了MVFAST、PMVFAST和UMHexagonS算法各自的优缺点,在此基础上给出了一种改进的基于块匹配的运动估计算法。改进算法充分利用视频图像的运动矢量中心偏移特性、分布特性和相关性特点,设计并使用了类圆形和小菱形两种模板,在搜索过程中采用组合模板进行灵活处理,提高了块匹配的搜索速度,缩短了运动估计时间。实验结果表明,改进算法在保持图像质量的同时,有效减少了视频编码时间。     

Classification of hepatic cavernous hemangioma or hepatocellular carcinoma using a convolutional neural network model

BackgroundComputed tomography (CT) is a common imaging technique for diagnosis of liver tumors. However, the intensity similarity on non-contrast CT images is small, making it difficult for radiologists to visually identify hepatic cavernous hemangioma (HCH) and hepatocellular carcinoma (HCC). Recently, convolutional neural networks (CNN) have been widely used in the study of medical image classification because more discriminative image features can be extracted than the human eye. Therefore, this study focused on developing a CNN model for identifying HCH and HCC.MethodsThis study is a retrospective study. A dataset consisting of 774 non-contrast CT images was collected from 50 patients with HCC or HCH, and the ground truth was given by three radiologists based on contrast-enhanced CT. Firstly, the non-contrast CT images dataset were randomly divided into a training set (n=559) and a test set (n=215). Then, we performed preprocessing of the non-contrast CT images using pseudo-color conversion, and the proposed CNN model developed using training set. Finally, the following indicators (accuracy, precision, recall) were used to quantitatively analyze the results.ResultsIn the test set, the proposed CNN model achieved a high classification accuracy of 84.25%, precision of 81.36%, and recall of 82.18%.ConclusionsThe CNN model for identifying HCH and HCC improves the accuracy of diagnosis on non-contrast CT images.     

Spectral detection of micro-metastases and individual metastatic cells in lymph node histology

The detection of micro-metastases and individual metastatic cells in lymph node tissue by spectral methods is summarized. These methods are based on instrument-based acquisition of thousands of infrared spectra of individual tissue pixels from the tissue section, and analysis of the resulting spectral hypercube by multivariate algorithms. The method of infrared image acquisition, followed by multivariate analysis, is henceforth referred to as Spectral Histopathology (SHP). SHP produces pseudo-color images of tissue sections which reveal details that compare very favorably with images collected from hematoxylin/eosin (H and E) stained tissues in that the same tissue structures are detected. However, the infrared results are based on objective and reproducible measurements and do not depend on subjective interpretation. One of the major topics of this paper is the comparison of spectral patterns observed for the same cancer type from different patients. While this is easy in some tissue types, we found it to be difficult in tissues of very different cellularity, or tissue sections that exhibit high levels of inflammatory response. In both cases, spectral quality will be compromised due to confounding effects resulting from scattering effects. The correction of these effects now permits the direct comparison of different patient samples, and paves the way for diagnostic algorithms for cancer detection to be developed.