基于内容的医学图像检索中对Tamura纹理特征的算法改进

目的：对Tamura纹理特征的算法进行改进,使之在医学图像检索中适用于不规则图形的计算。方法：对乳腺图像进行分割,提取出感兴趣区域（ROI）。在样本（包含正常乳腺图片和乳腺肿瘤图片共281幅）中使用传统算法Tamura纹理特征和改进算法的Tamura纹理特征进行图像内容检索,比较2种算法的检索结果。结果：初次检索时,传统Tamura算法在样本中检索出93幅相关图像,175幅不相关图像：改进后的算法检索出91幅相关图像．131幅不相关图像。结论：使用改进算法的Tamura纹理特征进行查询,在保证查全率的基础上查准率有较大提高。提示改进算法后的Tamura纹理特征更适用于医学图像中不规则区域的特征计算。     

基于径向基函数神经网络的婴儿死亡率预测模型

目的：采用径向基函数神经网络建立预测模型对婴儿死亡率进行预测。方法：采用径向基函数神经网络建立回归模型，并对全国22个省的32个县的婴儿死亡率进行预测。结果：预测值与实际值误差较小。该模型具有较高的预测精度。结论：利用径向基函数神经网络建立预测模型是一个新颖而有发展前途的方法。     

基于B样条的医学图像配准新算法

目的：提出一种基于B样条的医学图像塔式配准新算法，即RE配准模型。方法：首先实现图像的整体配准，即用一次B样条基函数作为变形函数，对图像进行仿射变换；然后通过均匀增加节点数量及改变变形函数的复杂性，实现图像细节上的配准，这一循环匹配过程主要是通过改变B样条基函数及控制系数复杂性，来实现图像的仿射变换及弹性变换。结果：整个匹配算法体现了图像从整体到细节的匹配思想。结论：实验证明。该方法与单纯的弹性配准方法相比，不仅计算速度有很大的提高，而且有很强的鲁棒性。     

基于径向基函数神经网络的脑损伤电阻抗成像仿真研究

目的：基于径向基函数(RBF)神经网络对不同脑损伤场景目标进行电阻抗断层扫描(EIT)图像重建,评价不同状态下损伤预测准确率,为后期成像方法优化奠定基础。方法：基于COMSOL仿真建模软件建立多层圆域仿真模型,利用外部插件编程实现模型循环激励和RBF神经网络的生成,分别对单一脑出血和脑缺血、多发脑出血和脑缺血4种脑损伤状态进行EIT图像重建,利用图像相关系数和神经网络均方误差评估RBF神经网络的损伤预测能力。结果：在4种不同脑损伤状态下,RBF神经网络能够预测出不同位置及大小的出血和缺血目标,且4种状态的脑损伤图像相关系数(r值)分别为0.985、0.989、0.965和0.965,均方误差分别为0.0015、0.00002、0.0035和0.00004,证明其预测准确率较高。结论：RBF神经网络可以应用于复杂模型和多个脑损伤状态的EIT图像重建,可为后期图像重构算法优化提供一定算法基础。     

改进的基于核函数的FCM图像分割算法

目的：对含有噪声的脑部MR图像进行分割。方法：改进了传统FCM目标函数,引入核函数的概念,用内核诱导距离来代替传统的欧氏距离;考虑到邻近像素的影响,增加了空间约束项,从而提出了一种能够合理应用图像空间信息的、改进的基于核函数的模糊C均值聚类算法。结果：对叠加椒盐噪声模拟图分割,该算法分割结果显示各灰度区域内无噪声污点;对仿真脑部MR图像分割,该算法错分率低于基于核函数的FCM算法其及改进算法。结论：与传统的FCM和其他改进算法相比,该算法能够对非精确图像进行更精确的分割。     

基于DT—CWT变换统计模型的医学图像纹理检索

针对离散小波变换具有平移变化性和弱方向性的特性,本文提出了一种基于双树复小波变换(DT-CWT)统计模型的医学图像纹理检索方法。该方法首先利用双树复小波变换系数的平移不变和多方向选择特性,建立广义高斯分布的统计模型,然后基于该模型提取图像的特征矢量,最后利用改进的Log-likelihood(ILL)相似性测度算法进行纹理图像检索。实验结果表明,该方法的检索查准率达到了82.8%,相比于传统的Gabor算法和小波算法都有了较大的提高,对今后的纹理图像检索具有重要的理论与实际意义。     

基于小波变换的医学图像噪声滤除方法的研究

目的：研究一种基于小渡变换的医学图像噪声滤除方法，并比较不同小波函数的去噪效果。方法：提出了一种利用小渡局部系数改进的软阂值方法。首先,应用小波变换得到图像的局部模极值分布Mj,m,n^ψ然后．计算小渡变换的M模极大值，根据局部模极值分布的统计特性来设定一个阈值门限Tm：当小渡变换的模极值大于等于阈值门限Tm时，其对应的小波系数保持不变：当小渡变换的模极值小于阈值门限Tm时，其对应的小渡系数通过软闽值法进行计算。最后,根据这两部分的小渡系数进行小波逆变换重构图像。结果：所提出的方法能有效地滤除医学图像中的噪声，不同小波的噪声滤除效果有一定的差异。结论：选择合适的小渡基函数来对图像进行小渡多尺度分解．可以得到比较完善的小渡阈值去噪算法．达到比较理想的去噪效果．     

基于支持向量机的婴儿死亡率预测模型

目的将通常的回归分析方法应用于婴儿死亡率预测,结果往往不尽人意.因此,本文采用支持向量机回归算法建立预测模型对婴儿死亡率进行预测.方法采用支持向量机回归算法建立回归模型,并对全国22个省的32个县的婴儿死亡率进行预测.并用径向基函数神经网络建立回归模型对同一数据进行预测.结果预测值与实际值误差较小.该模型具有较高的预测精度.并且,支持向量机预测精度高于径向基函数神经网络.结论利用SVM回归算法建立预测模型是一个新颖而有发展前途的方法.     

深度卷积神经网络方法在医学图像分割应用中的综述

在计算机视觉领域中,卷积神经网络(CNN)对图像有优秀的分类能力,但要将其应用到医学图像分割任务中并取得较好的效果,还存在着一些问题。对此,汇总分析了当前已有的一些研究,从基础CNN开始,描述如何将分类网络改造成分割网络,讨论改造后的网络在分割任务中的缺陷。针对这些缺陷,总结用于提高分割效果的常见方法,并介绍它在医学图像分割中的应用,为医学图像分割研究人员提供参考,以促进深度学习在医学图像分割中的应用。     

基于"催化剂"的图像分割算法研究

目的：针对基于二叉树分割算法的分割停止判断的局限性，提出基于“催化剂”的图像分割方法。方法：在分割图像中引入试探图像作为“催化剂”．并以“催化剂”在分割结果中是否显现为依据来判断二叉树分割的候选结点是否应该停止分割。结果：“催化剂”分割算法可有效地对待分割图像进行正确的类数判断。结论：初步实验表明，“催化剂”分割方法简洁、有效。     

三维医学图像分割标注技术的回顾

综述20世纪90年代以来三维医学图象分割标注技术。从方法学的观点将现有方法分为以下几类:聚类（阈值）;统计学方法;变形轮廓线;区域生长;数学形态学;非线性方法（模糊分割,神经网络,遗传算法）;三维模型。对各种类型逐一进行了细分,并给出了详细的例子。最后,论文还对三维医学图像分割标注的发展趋势进行了评述。     

Modelling cause-specific hazards with radial basis function artificial neural networks: application to 2233 breast cancer patients.

The clinical course of a disease is often characterized by the possible occurrence of different types of events acting in a competing way. From a statistical point of view this translates into the need of modelling the dependence of cause-specific hazards as a function of covariates. Generalized linear models with Poisson error have previously been adopted for the analysis of competing risks as a function of discrete covariates. In the present paper an artificial neural network extension for the flexible joint estimation of cause-specific hazards depending on both discrete and continuous covariates is proposed. This approach is based on radial basis function networks which have the advantage of allowing parameter estimation by the adoption of standard software for generalized linear models. We have applied this method to data from 2233 breast cancer patients to investigate the effects of age, tumour size, number of metastatic axillary nodes, histology and tumour site on cause-specific hazards for intra-breast tumour recurrences and distant metastases. The adoption of a radial basis function network made it possible to highlight effects that were not considered by previous analyses of the same data.     

医学图像处理技术

随着医学成像和计算机辅助技术的发展,从二维医学图像到三维可视化技术成为研究的热点,本文介绍了医学图像处理技术的发展动态,对图像分割、纹理分析、图像配准和图像融合技术的现状及其发展进行了综述。在比较各种技术在相关领域应用的基础上,提出医学图像处理技术发展所面临的相关问题及其发展方向。     

医学图像纹理分析的方法及应用

医学图像中的纹理特征变化反映了机体的病理改变,因此,图像纹理分析对于疾病的鉴别诊断具有重要意义。目前,由于医学图像及其纹理的复杂性,尚未有一种通用的、适合各类医学图像的纹理分析方法。医学图像纹理分析中有4种常用的纹理特征提取方法,其每种纹理特征提取方法均存在优点和缺点。对不同医学影像(CT、MRI、B超及数字X线片)上肝部及肺部疾病的图像纹理分析表明,基于肝脏病变CT图像的计算机辅助诊断系统提取的纹理特征对图像内容有较好的区分性;通过纹理分析可对早期肺癌进行检测。     

医学图像处理技术

随着医学成像和计算机辅助技术的发展，从二维医学图像到三维可视化技术成为研究的热点，本文介绍了医学图像处理技术的发展动态，对图像分割、纹理分析、图像配准和图像融合技术的现状及其发展进行了综述。在比较各种技术在相关领域应用的基础上，提出医学图像处理技术发展所面临的相关问题及其发展方向。     

基于SUV值的智能肺癌识别

目的：提出一种新的智能识别肺部肿瘤（Positron Emission Tomography，PET）图像的方法，提高分割速度和精度。方法：先对标准摄取值（Standard Uptake Values，SUV）值进行非线性化以增强图像，然后用迭代法二值化图像，最后用连通标记法来识别肿瘤。结果：该方法分割效果好，速度快。结论：和传统分割方法相比较，该方法具有智能性，分割精度高，更适合于肺部肿瘤。     

一种结合高帽变换和曲线演化模型的两阶段图像分割算法

针对图像形态学处理中高帽变换能有效提取图像中不均匀背景的特点,提出了一种结合高帽变换和曲线演化模型的两阶段图像分割算法。该算法有效的扩展了曲线演化模型的适用范围,即使对于背景不均匀的自然图像和医学图像也能有效的加以分割。实验结果表明：该算法既保留了原有曲线演化模型的优势,又能高效稳健、快速地完成曲线演化过程。     

一种结合高帽变换和曲线演化模型的两阶段图像分割算法

针对图像形态学处理中高帽变换能有效提取图像中不均匀背景的特点,提出了一种结合高帽变换和曲线演化模型的两阶段图像分割算法。该算法有效的扩展了曲线演化模型的适用范围,即使对于背景不均匀的自然图像和医学图像也能有效的加以分割。实验结果表明:该算法既保留了原有曲线演化模型的优势,又能高效稳健、快速地完成曲线演化过程。     

多进制小波在医学图像检索中的应用

医学影像的数据量日益增加使得建立一个高效的医学检索系统势在必行，而提高检索系统效率的关键技术就是合理地分类图像。纹理作为图像灰度的分布模式，是图像的重要特征之一。由于图像的小渡多尺度分解本质上是一种多通道的滤波过程，其多分辨率分析结构与人类视觉系统特性相一致。因而，在图像的多进制小坡变换域中提取不同分辨率下的纹理特征，特别有利于图像识别与检索。文中设计并实现了一种基于八进制小波的医学图像分类方法，更好地解决了医学图像检索的关键技术，得到了很高的分类率。