首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到16条相似文献,搜索用时 699 毫秒
1.
为满足医学图像辅助诊断的需要,提出一种基于稀疏表示和脉冲耦合神经网络(PCNN)的CT和MR影像融合算法。首先,原始图像通过滑动窗方法构成联合矩阵,通过K-SVD算法得到该联合矩阵的冗余字典,采用正交匹配追踪算法得到该联合矩阵的稀疏系数;然后,根据稀疏系数的特点,采用脉冲耦合神经网络来融合稀疏系数;最后,由融合后的稀疏系数和冗余字典得到融合矩阵,反变换得到融合图像。实验图像为10组配准的脑部CT和MR图像,采用5种性能指标来评价融合图像的质量,同2种流行的医学影像融合算法进行比较,结果显示算法除QAB/F指数外,其他4项指标均为最优,Piella指数、QAB/F指数和BSSIM指数的均值分别为0.760 4、0.877 1和0.537 3,融合图像的纹理和边缘清晰,对比度高。主观和客观分析显示,算法的融合性能比较优越。  相似文献   

2.
提出一种基于在线字典学习(ODL)的医学图像特征提取与融合的新算法。首先,采用大小为8像素×8像素的滑动窗处理源图像,得到联合矩阵;通过ODL算法得到该联合矩阵的冗余字典,并利用最小角回归算法(LARS)计算该联合矩阵的稀疏编码;将稀疏编码列向量的1范数作为稀疏编码的活动级测量准则,然后根据活动级最大准则融合稀疏编码;最后根据融合后的稀疏编码和冗余字典重构融合图像。实验图像为20位患者的已配准脑部CT和MR图像,采用5种性能指标评价融合图像的质量,同两种流行的融合算法比较。结果显示,所提出算法的各项客观指标均值最优,Piella指数、QAB/F指数、MIAB/F指数、BSSIM指数和空间频率的均值分别为0.800 4、0.552 4、3.630 2、0.726 9和31.941 3,融合图像对比度、清晰度高,病灶的边缘清晰,运行速度较快,可以辅助医生诊断和临床治疗。  相似文献   

3.
医学图像融合是医学影像和放射医学等领域的研究热点之一,广受医学界和工程界重视。提出一种基于在线字典学习(ODL)和脉冲耦合神经网络(PCNN)的脑部CT和MR图像融合新算法。首先,利用滑动窗技术将源图像分块,使用ODL算法和最小角回归算法(LARS)得到各图像块对应列向量的稀疏编码;其次,将稀疏编码作为脉冲耦合神经网络的外部输入刺激信号进行迭代处理,根据点火次数确定融合系数;最后,根据融合系数和学习字典重构融合图像。基于哈佛医学院的10组脑部CT和MR数据,将所提出算法同基于KSVD的融合算法、基于ODL的融合算法、基于NSCT的融合算法比较。实验结果显示:综合考虑主观视觉效果和客观评价指标,该算法性能整体优于其他算法,客观参数指标BSSIM、MI、Piella、SF、STD、QAB/F的均值分别为0.751 2、3.769 6、0.697 1、29.526 7、90.090 6、0.570 7,可以提供丰富的信息来辅助医生分析病变体,提高临床医疗诊断的准确性和治疗规划的科学性。  相似文献   

4.
目的通过图像融合方法结合解剖和功能医学图像以提供更多有用的信息并辅助医生诊断。方法利用稀疏表示能很好地反映图像特征的优势。首先,选取医院脑梗死和脑出血的CT和MRI的临床图像,采用双稀疏字典算法得到稀疏字典,再通过结合空间域信息的最大选择法作为融合规则对其进行融合,并与基于主成分分析(principal component analysis,PCA)和离散小波变换(discrete wavelet transform,DWT)方法的图像融合结果在主观方面以及客观方面的QAB/F和Piella指标上进行比较。结果本文提出的方法所获得的融合图像主观评价优于另外两种方法。QAB/F和Piella的均值分别为0.9139和0.7213,客观评价指标也优于另外两种方法。结论基于双稀疏字典的图像融合算法得到的融合图像更清晰,对比度更高,并且特征保留效果更好,有助于医生的诊断。  相似文献   

5.
为提高人体三维结构的重建精度,针对重建过程中字典中原子的最佳选择和结构矩阵的优化问题,结合稀疏表示和低秩约束,提出一种正交匹配追踪追踪及加速近端梯度(OMP-APG)算法,以此为医学领域提供丰富的信息,以辅助医生快速精确地制定出治疗方案。首先,对特征点观测矩阵进行奇异值分解(SVD)分解,利用列文伯格-马夸尔特(LM)算法得到唯一确定的相机旋转矩阵;其次,利用稀疏表示中“最大化逼近”思想,通过正交匹配追踪算法对轨迹基系数进行求解,结合预定义的轨迹基求解出人体三维结构矩阵;最后,根据结构矩阵是一个低秩矩阵,将其秩优化问题转化为核范数最小化问题,利用加速近端梯度算法对人体结构矩阵进一步优化处理。将该算法与稀疏逼近算法进行比较,对伸懒腰、瑜伽、拾物、喝水和跳舞等5组不同的人体运动模型进行三维重建,通过其三维重建效果图和三维重建误差的结果显示,其重建精度更高且稳定性更好。在该算法下喝水运动的重建效果最佳,其1 102帧图像序列41个特征点的重建误差为0.030 3,而在稀疏算法下的重建误差为0.017 8。因此,该算法可以有效地提高人体三维结构的重建精度,为医学领域辅助治疗提供相应的技术支持。  相似文献   

6.
基于小波包变换的医学图像融合方法   总被引:6,自引:0,他引:6  
为满足医学图像临床辅助诊断和治疗的需要,将小波包变换和自适应算子相结合,提出一种新的医学图像融合算法.算法首先对已配准的医学图像进行小波包分解,并采用自适应算子对小波系数及分解子图像进行处理,通过小波包重建,获得高质量的医学融合图像.该方法克服了小波变换不能兼顾图像高频成分的缺陷,并且可以根据不同的医学图像自动调整融合规则的权重系数,有效避免了设置固定权重系数造成的融合误差.实例融合仿真验证了算法的有效性和先进性.  相似文献   

7.
医学图像的小波变换融合算法研究   总被引:3,自引:2,他引:3  
针对不同分辨率的PET和MRI图像,探讨医学图像中功能成像和解剖成像的融合问题.提出一种基于小波变换的多尺度分解对人脑PET和MRI图像的融合算法,选取测量活跃性等级-系数分组-系数合并的融合规则,对多尺度小波变换的图像融合方法和普通像素加权平均融合方法进行仿真,并运用熵和交叉熵两种方法评价仿真结果.结果表明,该方法能有效融合功能信息和解剖信息,避免虚假信息引入.得到最佳分辨率的融合图像,提高医学图像的可信度,对临床诊断和治疗有一定参考价值.  相似文献   

8.
基于稀疏分解的心电数据压缩算法   总被引:2,自引:0,他引:2  
稀疏分解是近年发展起来的新的信号处理方法,其优势在于分解所用的基(字典)是超完备的,能更真切地反映信号本质,因此能得到信号的稀疏表示,对数据压缩非常有利。利用稀疏分解的这一优势,进行了心电数据压缩的探索研究。通过对MIT-BIH心电数据库中数据的训练学习,构造出的心电数据字典中的原子能反映出心电信号的时频域特点,能用较少的原子重构心电信号。该心电数据压缩算法能够按照实际的要求调整压缩比,且失真较小(压缩比达到20:1时,均方误差只有5.11%)。实验表明,该算法用于心电数据压缩是切实可行的。  相似文献   

9.
目的低剂量投影条件下的CT图像重建。方法采用双层K-奇异值分解(K-singular value decomposition,K-SVD)字典训练的学习方法进行图像的超分辨率重建。字典学习方法中采用KSVD算法,稀疏编码采用正交匹配追踪(orthogonal matching pursuit,OMP)算法。该算法首先利用训练库进行第一层字典训练,然后利用第一层训练的字典对低分辨率图像进行重建。进而将重建图像作为第二层待重建图像的输入,这样使得第二层输入图像含有较多的高频细节信息,因此能在重构的过程中恢复更多的细节信息,让高分辨率重构图像达到较好的效果。结果双层字典重建效果明显优于KSVD算法,重建图像更接近于原始高分辨率CT图像。结论本研究对双层字典训练学习的框架进行反迭代投影的全局优化改进,改善了图像的重建质量。  相似文献   

10.
医学核磁共振图像重构技术是核磁共振成像领域的关键技术之一。压缩感知理论指出利用核磁共振图像的稀疏性能够从高度欠采样的观测值中精确重构图像。如何利用图像的稀疏性先验以及更多的先验知识来提高重构质量成为核磁共振成像的一个关键问题。本文根据综合稀疏模型和稀疏变换模型的相互补充作用,利用核磁共振图像在这两种模型下的稀疏性先验,将结合了综合稀疏模型与稀疏变换模型的双稀疏模型应用于压缩感知核磁共振图像的重构系统,提出了一种融合双字典学习的自适应图像重构模型。本文充分利用了图像在自适应综合字典学习和自适应变换字典学习下的两种稀疏先验知识,使用交替迭代最小化法对提出的模型进行分阶段求解,求解过程中引入了综合K-奇异值分解(K-SVD)算法和变换K-SVD算法。通过实验验证,与目前较好的核磁共振图像重构模型对比,本文提出模型的图像重构效果更好、收敛速度更快,且具有更好的鲁棒性。  相似文献   

11.
In recent years,many medical image fusion methods had been exploited to derive useful information from multimodality medical image data, but, not an appropriate fusion algorithm for anatomical and functional medical images. In this paper, the traditional method of wavelet fusion is improved and a new fusion algorithm of anatomical and functional medical images,in which high-frequency and low-frequency coefficients are studied respectively. When choosing high-frequency coefficients, the global gradient of each subimage is calculated to realize adaptive fusion,so that the fused image can reserve the functional information;while choosing the low coefficients is based on the analysis of the neighborbood region energy, so that the fused image can reserve the anatomical image' s edge and texture feature. Experimental results and the quality evaluation parameters show that the improved fusion algorithm can enhance the edge and texture feature and retain the function information and anatomical information effectively.  相似文献   

12.
Medical image fusion is a process by which two different models of images are combined into a single image, in order to provide doctors with accurate diagnoses, and take right action. This paper proposes an image fusion method based on sparse representation with KSVD. Firstly, all source images are combined into a joint-matrix, which can be represented with sparse coefficients using an overcompletedictionary trained by KSVD algorithm. Secondly, the coefficients which are considered as image features are combined with the choose-max fusion rule. Finally, the fused image is reconstructed from the concatenated coefficients and the overcomplete dictionary. Compared with three state-of-the-art algorithms, the proposed method has better fusion performance.  相似文献   

13.
视网膜图像对变化检测主要研究两个不同时间点所采集到图像的变化情况。图像间的亮度差异及解剖结构与病灶的亮度相似性,使得基于逐点对比的差分方法或商方法很难准确检测变化区域。针对光照干扰问题,提出对光照具有鲁棒性的稀疏表示(SRC)变化检测方法。SRC方法先抽取参考图像局部区域块构建字典,再通过稀疏表示重构当前图像的局部背景块,最后利用背景相减获得变化区域。通过该方法,图像对的亮度差异可用稀疏表示系数自动调整,而基于块的方式可过滤掉局部光照,更有效地检测出变化区域。SRC方法与其他检测方法结合,可以增加检测结果的准确性。实验根据一对来自DRIVE数据集的小病灶仿真数据,SRC方法的AUC和mAP值分别为0.986和0.865;对一对采集自临床的大病灶数据,SRC与迭代鲁棒同态曲面拟合(IRHSF)校正结合方法的AUC和mAP值分别达到了0.989和0.969。实验结果表明,SRC方法比RPCA方法对局部光照鲁棒性更强,比基于逐点的比较差分方法更多地考虑局部邻域信息,能够更有效地检测出变化区域。  相似文献   

14.
小波变换在医学图像融合中的应用   总被引:1,自引:0,他引:1  
图像融合是医学图像处理中的关键技术。文中探讨了基于小波变换的医学图像融合方法。首先对源图像进行小波多尺度分解,然后采用基于窗口的融合规则进行小波系数融合,最后通过小波逆变换重构融合图像。实验结果表明,该方法能在保留原图像信息的情况下增强融合图像的细节信息。  相似文献   

15.
医学图像融合方法可以将有用的信息整合到一张图上,提高单张图像的信息量。对多模态医学图像进行融合时,如何对图像进行有效的变换,提取到不同图像中独有的特征,并施以适当的融合规则是医学图像融合领域研究的重点。近年随着深度学习的快速发展,深度学习被广泛应用于医学图像领域,代替传统方法中的一些人工操作,并在图像表示、图像特征提取以及融合规则的选择方面显示出独特优势。本文针对基于深度学习的医学图像融合进展予以探讨,介绍了卷积神经网络、卷积稀疏表示、深度自编码和深度信念网络这些常用于医学图像融合的框架,对一些应用于融合过程不同步骤的深度学习方法进行分析和总结,最后,分析了当前基于深度学习的融合方法的不足并展望了未来的研究方向。  相似文献   

16.
医学图像信息融合技术的发展   总被引:6,自引:0,他引:6  
医学图像信息融合是医学图像处理、放射医学及医学影像学领域近几年兴起的一种新技术。应用医学图像信息融合技术 ,可以把不同模态的医学图像有机地结合起来 ,为临床诊断和治疗提供更完善的图像信息 ,从而使医学图像能更好地为现代医学服务。本文对医学图像信息融合技术及其研究现状作了详细的介绍和综述 ,并对其研究前景作了预测。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号