基于人体信息三维可视化的医学图像边缘检测算法研究

针对医学图像处理和三维医学图像可视化，系统总结了目前边缘检测技术，归纳了各种边缘检测算法。     

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。      

基于小波特性与边缘模糊检测的医学图像处理

针对现有医学图像中存在噪声干扰与边缘信号弱等现象,本文通过对二维小波变换进行研究,同时结合图像的边缘的方向性与小波系数的相关性,提出一种基于小波特性与边缘模糊检测的医学图像处理算法。该算法通过改进小波变换与传统边缘模糊检测算法,来提高算法的降噪能力与边缘优化效果。结果表明,其实验结果与预测目标基本相符,该算法能够有效的降低医学图像中的噪声信号同时有效的保留图像的边缘信号,具有清晰度高、降噪能力强等优点。     

“新医科”背景下医学图像处理教学软件的研究与开发

针对“新医科”背景下医学图像处理课程所面临的形势和教学现状,开发了与其教学过程高度契合的医学图像处理教学软件,该教学软件可实现医学图像的线性灰度变换、开窗显示、缩放、旋转、镜像、中值滤波、微分锐化、边缘检测、直方图获取和直方图均衡,并可在一定范围内调节线性灰度变换、开窗显示、缩放、旋转、中值滤波、微分锐化、边缘检测的参数,同时用不同算法实现了医学图像的缩放功能。该教学软件用于包头医学院医学图像处理课程理论与实验教学中,可提高学生学习的主动性和积极性,能强化学生对放射技师考点知识的理解,为后续课程的学习打下坚实基础,最终实现“新医科”背景下包头医学院医学影像技术专业“医工”“、医理”的深度交叉融合。     

边缘检测微分算子的分析及在医学图像中的应用

边缘检测是医学图像处理必不可少的一步 ,采用微分算子检测边缘是最常用也是处理效果比较好的一种方法。我们从频域角度出发 ,分析了 Roberts算子、Prewitt算子、Sobel算子以及拉普拉斯算子的频谱特性。提出了在使用和构造微分算子时 ,要充分考虑它们的频谱特性。不同的微分算子对不同边缘检测的敏感程度是不同的 ,因此对不同类型的边缘提取 ,应该采用对此类型边缘敏感的算子进行边缘提取。最后通过实际的 MRI图像处理验证了边缘检测算子选择的重要性。     

MRI图像中颅骨不连续外轮廓的多分辨率提取

目前,许多医学图像处理（例如图像三维重构,图像建模,图像配准和图像融合等）都需要进行图像的边缘提取,因此,边缘提取方法在医学图像处理中有极其重要的意义,轮廓闭合图像的边缘比较容易提取,而解剖和外伤等原因造成轮廓不连续时边缘提取比较复杂,美国和欧洲等发达国家从20世纪90年代后期开始着手医学图像不连续边缘提取方法的研究,国内的有关研究仍少见报道,本课题以脑图像为例,试图综合运用多分辨率法与八邻距离转换法来提取脑图像的不连续外轮廓,研究结果表明,此方法在提取不连续脑图像的连缘时快速有效,同时可以去掉高频干扰,有利于图像的配准。     

分形理论在医学图像边缘增强和检测中的应用研究

本文利用分形几何学对医学图像边缘的增强和检测进行了应用研究。我们采用频域法对典型的医学图像－512×512的CT灰度图像计算它的分形维值。根据分形维值的变化来达到边界检测和增强的目的。结果表明,经处理过的图像与原图像相比较,不同结构的边界有了明显的增强,特别是对图像中的肿瘤结构能更好的识别出来,该方法的应用为医学图像处理和分析领域提供了新的手段和方法。     

生成式对抗网络在医学图像处理中的应用

近年来,研究人员将众多领域方法引入到医学图像处理中。经过不断改进,医学图像处理算法的效果和效率均得到不同程度的提高。目前,生成式对抗网络(GAN)在医学图像处理领域中的应用研究发展迅速。本文主要综述了GAN在医学图像处理中的应用研究情况,介绍了GAN的基本概念,并从医学图像降噪、检测、分割、合成、重建和分类等六个方面对GAN应用研究的最新进展进行了归纳总结,最后对该领域中值得进一步研究的方向进行了展望。     

基于模糊数学的医学图像处理与分析方法

目的:模糊数学是研究模糊现象及其概念的一门数学分支,其应用领域广泛。医学图像本质上具有模糊性,所以将模糊数学方法应用于医学图像处理和分析有其内在的合理性和必然性。方法:本文对国内外近年来基于模糊数学的医学图像处理与分析方法进行了较为全面的综述。结果:主要介绍了模糊逻辑分析方法、模糊聚类分析方法、结合模糊数学的计算智能方法及在医学图像处理和分析中的应用,并对不同方法的特点及存在的问题进行了讨论。结论:研究表明,模糊数学在医学图像处理方面已经取得了大量的应用成果。作为一门年轻学科,模糊数学在医学图像处理与分析中的应用仍然有很大的发展空间。随着计算机技术的不断成熟和新技术不断涌现,基于模糊数学的医学图像处理与分析方法也将继续发展和完善。     

基于边缘检测算子的腰椎磁共振图像的比较

应用边缘检测算子进行图像的边缘检测是图像后处理中一种常用的方法.本文分别对各个边缘检测算子进行腰椎磁共振图像的边缘检测,从原理上分析了各个边缘检测算子的检测效果,可以看出边缘检测算子可以应用于医学磁共振图像的处理.     

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。     

X射线图像中的角点检测设计

角点检测是计算机图像处理中经常会遇到的问题。和通常所处理的图像相比，X射线图像成像质量较低，因此常用的角点检测方法不适于X射线图像的角点检测。该文针对X射线图像的特点，首先设计了一个用于角点检测的棋盘状模板，并针对该模板图像设计了一个通用的检测方法。该检测方法采用分块处理的策略，首先采用自动阈值提取包含角点的每个子区域，然后采用了一个简单实用的边缘算子进行边缘检测得到边缘点，在此基础上采用Hough变换进行直线拟合得到四条边，它们的交点即为所需的角点。该方法较好地解决了由于X射线图像质量比较差而给角点检测带来的困难。实验结果表明，该方法具有很强的鲁棒性。     

基于突触连接视通路方位敏感的图像分级边缘检测方法

视觉通路上的多级方位敏感特性对于视觉轮廓感知起着关键作用,将为更高层次的视皮层图像理解提供重要的特征信息。从视觉方位敏感机制出发,提出一种图像边缘检测的新方法。利用神经节细胞以及外膝体神经元感受野向心分布的生理结构特性,构建具有突触连接和多方向敏感特性的视皮层下功能层,融合多方向上的神经元脉冲发放信息,将视觉激励映射为边缘敏感图像;构建具有去最优方位感受野特性的初级视皮层的功能层,对前级结构生成的脉冲序列按时间信息进行神经编码,经过感受野内侧向抑制和阈值处理,获得边缘检测结果。对层次模糊而细节丰富的菌落图像进行处理,并以边缘置信度和重构相似度以及两者的加权和作为边缘检测评价指标。结果表明,该方法在完整检测图像边缘的同时,并不引入纹理噪声,有着明显的优势,其对12幅图像的加权和指标均值为0.746 8,显著高于其他对比方法。所提出的方法可以模拟视通路中初级视皮层及视皮层下的方向敏感特性,提供一种基于视觉机制的图像处理和理解新思路。     

消化道内窥镜图像异常的人工智能诊断方法研究进展

随着深度学习的出现,图像处理不再局限于人工提取特征,转而对图像进行端到端的预测,实现了人工智能在图像处理领域的又一历史性飞越。作为人工智能医疗领域的热点应用,内镜图像异常检测能够准确快速地筛选整个消化道的异常,为医生提供诊断帮助。该文围绕消化道图像最为常见的息肉、出血、溃疡等异常,对其智能诊断方法展开研究,并探讨机器学习在消化内镜异常检测的应用现状,最后展望了未来消化道内窥镜病灶智能诊断的研究方向。     

用于数字等温扩增系统的荧光图像分析技术

基于微流控芯片的数字等温扩增技术作为一种新型分子检测技术，可以通过对采集到的荧光图像进行特定的图像处理，以实现对待测目标的绝对定量分析。本研究利用本课题组研制的数字微流控芯片所采集到的荧光图像为分析对象，并结合实际应用环境，开发出配套的软件分析系统。该系统中的荧光图像处理分析部分具备图像拼接、图像倾斜校正、目标区域的截取、图像分割以及荧光亮点计数等功能。该系统能很好地满足核酸分子数检测的需求，并具有良好的人机交互性能。结果表明该系统的分析结果与Image J图像处理软件的统计结果不仅具有一致性，而且能够对检测到的结果实现自动化的计算分析，这为该款软件分析系统的广泛应用奠定了坚实的基础。     

球结膜图像的血管识别

目的：在人体微循环系统中,球结膜图像对血压的测定以及未来血管疾病发展有着良好的预测性。通过显微镜观察,虽可以清晰地看到球结膜图像,但是想直接从球结膜图像中识别出球结膜血管却较为困难,本文希望对球结膜图像进行边缘检测,以利于血管的准确识别。方法：采集24位彩色显微图像,对其进行灰度化处理及图像滤波后,利用M-H算子进行边缘检测。结果：处理后的显微图像可以非常完美的识别多级血管。结论：可见M-H算子适宜于进行球结膜图像的边缘检测。     

一种基于小波变换的乳腺X线图肿块分割方法

目的：乳腺癌的早期诊断和治疗是能够降低乳腺癌患者死亡率的有效途径。通过乳腺X线图像观察乳腺状况是目前乳腺癌普查的首选影像方法。随着图像处理技术的高速发展,计算机辅助检测技术在乳腺癌的检测方面起到越来越重要的作用。方法：本文首先利用图像处理领域的形态学处理、区域增长等相关知识,对乳腺X线图像进行预处理操作,去除图像中所包含的干扰信息。之后提出一种对图像的灰度直方图进行小波变换,并根据其小波变换的模极大值点确定图像分割阈值的方法对乳腺X线图像中的疑似肿块区域进行粗分割。在通过粗分割过程获得乳腺肿块的大致位置信息之后,再利用区域增长的方法获得肿块的边缘信息。结果：本文选取MIAS乳腺图像数据库中的65幅图像作为测试图像,保证每幅图像至少包含一个乳腺肿块。利用本文所提方法对这65幅图像进行实验,并将实验结果与该数据库中的专家标注信息作对比,实验结果为当采用db40的小波系数时的检出率为95．5％。结论：本文所述方法能够有效地分割出乳腺X线图中的肿块区域,并且有较高的检出率,具有进一步研究和应用的价值。