一种基于改进的DDCM可形变模型的医学图像分割算法

提出一种基于传统DDCM模型的具有自适应能力的可形变模型算法。利用局部归一化Snakes外力场的方法,提高模型的抗噪声能力,同时降低对初始位置的敏感性;构造图像边界信息图,用统计学方法获得Snakes的即时位置信息,解决传统模型的难于收敛到凹型边界、收敛条件不易控制以及移动步长的单一等问题。这种改进的可形变模型具有一定的自适应能力和较强的鲁棒性,而且效率高,在临床中有一定的实用价值。     

基于概率和引力优化模型的医学图像配准

基于互信息的配准方法,其目标函数经常存在许多局部极值,给配准的优化过程带来很大困难。提出一种基于概率模型的引力优化算法,在空间中随机构造参考物体与浮动物体,根据牛顿万有引力定律,搜索空间中质量最大的物体。利用该算法,实现以归一化互信息为相似性测度的医学图像配准实验。实验结果表明,这种方法能够有效地克服互信息的局部极值,在配准精度、配准时间和抗噪性方面都有较好的性能。     

基于ARMA模型的心电聚类算法

对心电信号(ECG)这种高维的时间序列进行聚类,最重要的方面之一即进行特征提取。本研究提出利用自回归和移动平均(ARMA)模型拟合ECG信号,以拟合系数的欧氏距离为结构不相似测度征进行聚类。但此方法没有考虑样本数据的各维特征对聚类的不同贡献率,所以本文提出可以把首次聚类每维特征在聚类中的贡献率作为其权值,对每维数据加权后重新进行聚类。以MIT-BIH标准数据库中的正常窦性心率(NSR)和心室早期收缩(PVC)样本数据进行聚类分析,结果表明利用改进后的方法进行聚类的准确度达到93.10%,从而证明了所提方法的有效性。     

基于灰度和形状的非刚性图像配准算法的研究

提出一种新的灰度和形状信息相结合的全自动同模态医学图像非刚性配准-分割算法,将欧氏距离表示的形状信息融入基于灰度的配准算法中,构造出新的代价函数.该算法在医学图像多目标分割的应用中,能够较好地完成灰度相近、边缘模糊、间距较小的不同结构的分割.对5组真实脑部MRI图像进行分割脑深层灰质结构的实验,结果表明,本算法优于基于灰度信息的图像配准算法.     

基于VIP-Man图谱配准的腹部器官分割方法

提出了一种基于图谱配准的腹部器官分割方法.首先将一套预标记图谱向个体图像进行配准,建立二者之间器官的基本对应关系,同时完成对感兴趣器官的识别,其中配准包含全局配准和器官配准.然后,借助已配准的图谱,采用模糊连接方法对感兴趣器官进行分割.腹PCT和MR实验测试结果证明:这种方法实现了模糊连接分割方法中各项参数的自动指定,减轻了人工负担,提高了结果的可靠性.     

微生物分类单元聚类算法比较研究

目的 随着高通量测序技术的发展,产生了大量的微生物16S rRNA基因序列数据.对该数据进行精确的微生物操作分类单元（operational taxonomic unit,OTU）划分,有助于了解环境中微生物的种群组成及分布.方法 本文在真实数据集与模拟数据集上,对现有的7种流行OTU单元聚类算法进行了对比研究,并分析了这些算法的优缺点及使用范围.结果 序列长度、测序深度对聚类结果均有影响.结论 相同的序列相似性阈值下,不同的聚类算法聚类结果差异较大,其中CROP算法的鲁棒性和抗噪性较好.     

基于薄板样条的MRI图像与脑图谱的配准方法

为了将CT、MRI、PET或SPECT等断层扫描图像用于疾病的辅助诊断、放射治疗、手术计划和引导 ,就必须知道图像中感兴趣区 (ROI)是什么解剖组织 ,即解决医学图像的解剖标识问题。医生通常是从解剖书籍、图谱及自身经验来对ROI做出判断。这些书籍和图谱往往给出的是文字描述和有限数目的 ,固定位置和方向的断层图片 ,很难与患者的实际图像联系起来。对于缺乏临床经验的医生来说尤为困难。数字化 3D人脑解剖图谱使医生对人脑深部组织全方位可视化。因此可以将其通过一定的空间变换 ,与MR体积数据集中的ROI进行比较 ,从而得到ROI的解剖标识。但是 ,没有两个人的大脑是完全一样的。人脑的解剖个体差异较大 ,这就要求利用非线性变形的方法做解剖标识。本研究介绍通过薄板样条变换用Talirach脑图谱对MR图像做解剖标识的方法。     

基于分段B样条形变配准方法的头颈部伪CT生成研究

目的:探讨分段B样条形变配准方法在头颈部伪CT(sCT)生成中的应用,以及对sCT生成精度的影响。方法:收集已经进行调强放射治疗的鼻咽癌患者45例,每例计划均包括头颈部T1加权核磁共振成像(MRI)和CT图像。使用3D Slicer软件对MRI和CT图像分别进行分段B样条形变配准、整体B样条形变配准、分段刚性配准和整体刚性配准4种方法配准,比较配准后的MRI图像和真实CT图像的Dice相似性系数(DSC)值。随机选取其中的30例患者作为训练集,15例患者为测试集,将配准后的MRI和CT图像通过pix2pix网络进行模型训练生成sCT,对生成的sCT和真实CT进行平均绝对误差(MAE)、结构相似性系数(SSIM)和峰值信噪比(PSNR)值的比较,分析通过阈值法分割为不同组织(骨头、软组织、空气和脂肪)的MAE值。结果:配准后的MRI和真实CT图像比较,分段B样条形变配准方法的DSC值最优;使用4种配准方法生成的sCT和真实CT图像进行MAE、SSIM和PSNR值比较,分段配准方法比整体配准方法好,B样条形变配准方法比刚性配准方法好。分段B样条形变配准方法的MAE值为(74.783±9.8...     

大学生群体的完美主义聚类研究

目的:对大学生进行完美主义聚类分析.方法:175名大学生回答Frost多维完美主义量表、三维完美主义量表、流调中心用抑郁量表、自尊量表、积极情感、消极情感量表.结果:二步聚类分析结果表明存在适应性(适应性维度得分较高、非适应性维度得分较低)、非适应性(适应性、非适应性维度得分较高)、非完美主义者(适应性、非适应性维度得分较低)三类群体;与非适应性完美主义者相比,适应性、非完美主义者积极心理适应水平较高,消极心理适应水平较低,适应性完美主义者积极情感水平高于非完美主义者.结论:存在适应性、非适应性、非完美主义者三类群体,适应性完美主义者最健康,非适应性完美主义者心理健康程度最低.     

基于塔分割和多中心模糊聚类的医学图像分割

本文提出一种基于塔分割和多中心模糊C均值算法结合的无监督MR图像分割方法。文中采用根标记方法对塔图像进行过分割；在塔的最底层模糊刖像上应用HSC（hierarchical subtractive clustering）计算初始的聚类中心及聚类数。进而应用FCM算法合并过分割的结果。由于塔分割有效地降低了聚类样本数和HSC自动获得有效的初始聚类中心和聚类数，实验结果表明，在聚类性能不变情况下显著地减少FCM算法的运算时间，从而实现医学图像的快速分割。     

基于模糊C均值聚类的儿科机械通气撤机时机研究

研究呼吸机撤机时机,提高撤机成功率。收集本院PICU在过去两年中发生机械通气撤机的病例1 061例,在完成数据标准化后,分为训练集样本和测试集样本,各样本集中撤机成功的定义为正常样本,反之为异常样本。应用模糊C均值聚类算法,对撤机时样本临床相关参数聚类分析,将所有的病例进行分类,以确定撤机失败病例所属的类别。训练集的样本总数为785,从聚类结果来看,第1类撤机失败病例数为0,第5类撤机失败病例比率为1065%,是样本平均值的两倍。测试集的样本总数为276例,聚类结果和训练集类似,第1类撤机失败病例数为0,第5类撤机失败病例的比率高达1579%,大于平均值的两倍。虽然正常样本和异常样本之间不易发现明显的界限区别,但大部分异常样本之间存在较为紧密的联系,个别类别撤机失败率远高于整体的平均水平。实验结果说明,异常样本之间存在一定的相似度,可以通过聚类分析获得其范围,从而为临床医生提供有效的撤机决策支持。     

基于改进空间模糊聚类的DTI图像分割算法

针对模糊C均值(FCM)聚类算法初始聚类中心选择的随机性和噪声的敏感性等问题,提出一种基于改进空间模糊聚类的图像分割算法来分割人脑DTI图像。使用局部密度核函数和中心距离函数精确选取初始聚类中心,不仅可以解决因聚类中心随机选取造成的聚类效果不稳定的问题,而且还可以使目标函数迅速收敛,提高分割效率;通过将正态分布空间信息融入模糊隶属度函数,能减小图像噪声以及人为因素对分割结果的影响。用该方法与FCM、SFCM方法对人脑DTI数据进行分割,以评价算法的聚类效果。实验对美国明尼苏达大学生物医学功能成像与神经工程实验室提供的58例DTI数据、3例FA参数图像以及6例迭加过噪声的人脑DTI图像进行分割,结果表明:该算法分割系数最高,可达到0.984 1;在同一图像中,该算法在划分系数上比FCM最高提升20.2%,并且在划分熵上比SFCM最高下降19.8%;该算法目标函数平均迭代次数为32,较FCM的52次与空间FCM的76次有明显降低。实验证明,该算法能够准确、快速地分割出重要目标,且对图像噪声不敏感。     

基于柔性形态学与聚类算法的X光胸片肺部分割

近年来,在医学领域里,计算机辅助诊断(CAD)技术以其高效的实用性已备受人们关注。对于X光胸片来说,肺部区域的分割是计算机辅助检测胸腔疾病的首要步骤。本研究提出一种自动的肺部分割方法。首先采用柔性形态学滤波进行初始分割,然后用结合先验知识的聚类算法进行二次分割。通过在两组不同图像(计算机X线摄影、传统X光胶片)中仿真测试,平均灵敏度和特异性可达89.39%和92.82%,该方法在保持高分割灵敏度的同时,提高了分割的特异性。     

基于流形学习的聚类方法在基因芯片表达谱分析中的应用

对基因芯片表达谱的聚类分析有助于发现共表达的基因,而共表达的特性往往是共调控基因所拥有的性质。因此,对基因表达谱的准确聚类将有利于更加准确地发现基因之间的调控关系。本研究使用机器学习中的等度规映射、局部线性嵌入、拉普拉斯特征根映射等流形学习方法处理基因表达谱数据,得到非线性降维后的数据。在此基础上应用K均值聚类、模糊聚类、自组织映射神经网络等聚类方法,根据给定的阈值,从酵母基因表达数据的382个聚类结果中得到了117个共表达基因对,而从人类血清组织细胞的基因表达数据的132个聚类结果中得到了89个共表达基因对。使用的判别准则表明,基于流形学习的聚类方法与以往的方法相当,且能够被用以发现高维基因芯片表达数据中的低维的流形结构。     

一种基于KPCA和形状先验知识的图像分割模型

对含有噪声、遮挡和信息缺失的图像进行分割,如果仅使用图像自身信息难以得到满意的结果。因此,本研究提出了一种新的融合图像信息和形状先验知识的可变形模型。在Chen等人的工作基础上,提出用核主元分析(KPCA)代替主元分析(PCA)来捕获形状信息。KPCA能更好地表示形状先验知识,允许待分割的目标形状与先验形状存在较大差异或非线性变形,而PCA需两者足够接近。同时,所用的分割模型包含了图像信息项和形状先验项,充分考虑了在分割过程中平衡全局图像信息和形状先验知识的相互作用。将本研究的模型和基于PCA的分割模型应用于合成图像和医学CT图像,结果表明KPCA更能准确地识别出与先验形状差异较大或背景污染严重的目标物体。     

基于灰度积分投影与模糊C均值聚类的肺实质分割

提出一种基于灰度积分投影与模糊C均值聚类的肺实质分割算法,用于CT图像的快速自动分割。首先,对原始肺部CT图像分别在水平和垂直方向上进行灰度积分投影;然后,选用平滑样条曲线拟合平滑原始图像的积分投影曲线,并提取拟合平滑前后曲线的极大值点,确定肺实质初始边界;最后,利用模糊C均值聚类算法对边界内区域进行分割,结合滚动小球法修复边界区域,获得肺实质区域。选取LIDC (肺部图像数据库联盟)数据库中20组图像（平均每组图像包含120幅CT图像）进行实验,平均分割精度为95.66%,平均每幅图像花费时间为0.77 s。实验结果表明,该方法可以用于CT图像肺实质分割,具有全自动、高精度、鲁棒性等特点。     

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。     

基于扩散形状的DTI纤维跟踪算法研究

到目前为止，研究者们已经提出了许多种神经纤维束的三维可视化技术，其中，基于扩散跟踪的白质束成像技术在白质纤维束的可视化和分析中使用得最多。本文针对现有纤维跟踪算法存在的问题，提出了基于扩散形状的纤维跟踪算法，该算法结合了流线跟踪（streamline tracking，STT）法与张量弯曲（tensor deflection，TEND）法的优点，对不同的扩散形状采用不同的跟踪方向，尤其在平面扩散的情况提出了更接近纤维走行的跟踪方法，减少了跟踪方向与实际纤维走行的误差，能更完整、更准确地显示大脑白质的纤维走行。     

基于遗传算法的基因表达数据的K-均值聚类分析

聚类算法在基因表达数据的分析处理过程中得到日益广泛的应用.本文通过把 K-均值聚类算法引入到遗传算法中,结合基因微阵列的特点,来讨论一种基于遗传算法的K-均值聚类模型,目的是利用遗传算法的全局性来提高聚类算法找到全局最优的可能性,实验结果证明,该算法可以很好地解决某些基因表达数据的聚类分析问题.     

基于PC微机的脉冲曝光式数字减影系统的研究

本文简要介绍一种基于PC微机的实时数字减影系统，文中对系统的组成、工作原理、曝光脉冲的产生及其对X线机的控制作了较详细的论述，同时对系统的软件功能做一简要介绍。该系统已用于国内几十家医院对西门子公司早期生产的X线机的升级改造，取得了较好的社会效益和经济效益。