基于小波变换结合其他预处理方法的周围型早期肺癌CT图像增强研究

探讨增强早期肺癌CT图像的方法.采用小波变换增强图像细节的方法,根据图像特点,同时结合对比度自适应直方图均衡化或(和)自适应滤波去噪法,对10位早期周围型肺癌患者的50张CT图像进行增强.结果表明,处理后图像中肺内结节的边缘锐利、内部密度清晰、周围征象(如胸膜凹陷征等)清楚;各组织器官边缘清晰、层次明显,肺纹理清晰度增加.尤其是低对比度图像,处理后图像质量有较明显提高.基于小波变换结合其他预处理方法,对早期肺癌的CT图像进行增强,可为同类研究提供一定的参考.     

一种利用直方图特征峰的肾小球图像分割方法

根据肾小球医学图像的特点,提出了一种新的基于直方图特征峰的图像分割方法。通过定位图像的特征峰,从而有效地坚小球医学图像进行阈值化。经实验证明,本提出的算法能快速、准确地分割肾小球图像。     

基于深度学习的乳腺钼靶图像分类方法研究进展

钼靶检查是当前临床诊断乳腺肿瘤的常规手段,患者痛苦相对较小、简便易行、分辨率高、可重复性好。为了提高诊断效率,减小误诊风险,针对乳腺钼靶图像开发基于人工智能的计算机辅助诊断系统(computer-aided diagnosis,CAD)显得尤为重要。传统的分类方法需要使用大量的手工特征,而深度学习能够自动从数据中学习特征,避免了传统算法中人工设计、提取特征的复杂性和局限性。我们从感兴趣区域和全图两个方面对近年来基于深度学习的乳腺钼靶图像分类方法研究进展予以综述和展望。调研发现深度学习在乳腺钼靶图像分类方面展示了不错的效果,其中基于深度卷积神经网络的分类方法已经成为当下的热门技术。     

一种利用直方图特征峰的肾小球图像分割方法

根据肾小球医学图像的特点 ,提出了一种新的基于直方图特征峰的图像分割方法。通过定位图像的特征峰 ,从而有效地对肾小球医学图像进行阈值化。经实验证明 ,本文提出的算法能快速、准确地分割肾小球图像。     

基于同态滤波与直方图均衡化的超声图像增强

背景：同态滤波与直方图均衡化都能单独对图像进行增强处理,但各自还有许多不足之处。 目的：观察将同态滤波与直方图均衡化结合使用对增强图像的效果,减少单独使用这两种方法产生的缺点。 方法：在频域内,首先对超声图像分别进行高通同态滤波和低通同态滤波的分频处理;再将得到的两幅滤波图像线性组合;最后再对该组合图像进行全局的直方图均衡化得到最终的增强超声图像。 结果与结论：实验结果表明,超声图像经过上述方法的处理,边界十分突出明显,且整体视觉效果更明亮清晰。通过分析对比得到的均方根误差和信噪比数据,也证实了实验所用的超声图像增强法是十分切实有效的。     

乳腺钼靶摄影和增强磁共振在乳腺病变 诊断中的应用比较

目的 探讨乳腺钼靶摄影和增强磁共振（MRI）在乳腺病变诊断中的应用。方法 回顾性分析2015年9月~2017年5月我院收治的经乳腺钼靶摄影和增强MRI诊断,最终病理确诊的90例乳腺疾病患者,共104个病灶,对比两种诊断技术的诊断价值。结果 104个病灶中良性60例、恶性44例。MRI诊断灵敏度、阴性预测值、符合率高于钼靶,差异有统计学意义（P＜0.05）。MRI诊断灵敏度、特异度、阳性预测值、阴性预测值、符合率分别为88.64%、91.67%、88.64%、91.67%、90.38%。恶性病灶粗大不均、多形性、簇状、不均匀强化、增强Ⅲ型比重高于良性病灶,差异有统计学意义（P＜0.05）。按照OR比从高到底分别为增强Ⅲ型、多形性、不均匀强化、簇状、粗大不均。恶性病灶ADC低于良性病灶,差异有统计学意义（P＜0.05）。结论 MRI诊断乳腺病变的灵敏度、特异度、阳性预测值、阴性预测值、符合率分别高于钼靶,因此增强MRI诊断乳腺病变的效用更好。     

一种乳腺钼靶X线图像的软拷贝显示优化方法

数字乳腺钼靶X线图像比胶片乳腺X线图像能更有效地表现和检测乳腺病变,本研究提出了针对DICOM 格式乳腺钼靶X线图像的高效软拷贝显示方法.通过提取图像中的乳腺区域获得对初始窗口参数的准确估计,使乳腺组织在图像初始显示时就有比较好的对比度.利用乳腺区域分割结果,交互调窗操作时只更新乳腺区域内部像素的显示灰度,背景区域像素灰度保持不变;用整数运算和移位运算实现了多项式插值函数,优化了频繁调用的图像缩放操作.算法能显著提高乳腺钼靶X线图像软拷贝显示效率.     

基于直方图均衡化的伽马校正和K-means聚类的舌象苔质分离方法

目的舌苔、舌质分离对后续肿瘤患者舌象的客观化辨证具有重要的意义。常用的算法是基于颜色空间通道舌图像的K-means聚类算法。CIELAB颜色空间的a*通道舌图像相较于其他颜色空间通道的舌图像分割结果稳定,常用于后续的分割。对于部分舌图像,a*通道舌图像的舌苔、舌质虽然具有一定的区分度,但二者的区分度并不是十分明显,影响后续的分割结果。因此,本文提出一种基于直方图均衡化的伽马校正和K-means聚类的舌苔、舌质分离方法。方法采用200幅肿瘤患者的舌图像作为实验样本。首先将舌图像从RGB颜色空间转换到CIELAB颜色空间,对a*通道舌图像进行直方图均衡化增强以及伽马校正,然后利用K-means聚类方法对增强后的舌图像舌苔、舌质分离,得到直方图均衡化以及伽马校正后的a*通道舌图像和分割后的舌苔、舌质图像。为了验证算法的可行性,请5位专业中医医生对200例肿瘤患者的舌图像舌苔、舌质分割效果进行辨析。结果进行直方图均衡化以及伽马校正后的a*通道舌图像舌苔、舌质分割结果明显强于未经处理的a*通道舌图像分割结果。经辨析,分割合格率为97%。结论该方法可以很好地实现舌苔、舌质分离,具有一定的应用价值。     

基于乳腺钼靶侧斜位图像的近期乳腺癌风险预测研究

探讨乳腺钼靶侧斜位图像双侧不对称性与近期乳腺癌风险之间的关联性。回顾性分析556例连续两年进行乳腺普查的样本,当前年患癌与阴性样本各278例,且两组样本年龄匹配。对前一年乳腺钼靶侧斜位图像进行预处理获取双侧局部对应区域及全局区域后分别提取空间差异性、结构相似性及位置信息等85维影像特征。删除相关性较高的特征后剩余78个特征,采用留一法与逐步回归分析进行特征选择,并建立基于广义线性模型的近期乳腺癌风险预测模型。结果显示,全局及局部不对称性特征相结合进行风险预测AUC值为0.666 7±0.022 6,对其进行混淆矩阵分析,特异性为0.690 6,灵敏度为0.521 6。对风险预测值进行回归分析,优势比(Odds Ratio)随风险的增加而显著增加,P值为0.002 033。3个基于年龄的子集(37~49岁,50~65岁,66~87岁)进行近期乳腺癌风险预测,AUC值分别为0.681 0±0.043 2,0.671 6±0.030 0及0.678 2±0.054 7,对应3个年龄段的特异性分别为0.702 7,0.694 3和0.723 4,灵敏度分别为0.554 1,0.490 4和0.574 5。两个基于乳腺X线分型的子集(BIRADS 2、BIRADS 3) AUC值分别为0.654 5±0.036 9及0.694 4±0.03,特异性分别为0.676 2和0.733 3,灵敏度分别为0.522 9和0.536 9。结果表明,乳腺钼靶侧斜位图像全局及局部不对称性相结合对近期乳腺癌风险预测具有潜在有效价值。     

一种基于海岛冲刷模型的乳腺钼靶肿块检测新算法

乳腺癌是威胁我国妇女身体健康最主要的恶性肿瘤之一,乳腺钼靶图像中肿块的自动检测是乳腺癌的计算机辅助诊断领域的研究热点。提出一种基于海岛冲刷模型的肿块检测新算法,通过模拟一个海水上涨并不断侵蚀大陆与海岛的迭代过程,逐步剥离乳房中的脂肪甚至腺体组织;通过模拟海岛居民防洪筑坝的行为,不断维护疑似肿块形态的完整性,从而最终达到对肿块的分离与检测。在整个检测流程中,使用了模糊神经网络技术对一些应变参数进行自适应调节。实验结果表明,与一些传统的检测方法相比,海岛冲刷模型对肿块尤其是一些隐匿性肿块拥有较高的检测精度,在每幅图像有3.85个假阳性时能获得94.31%的真阳性检出率。     

基于小波分析的医学图像增强研究

目的：探讨小波分析在医学图像增强方面的应用价值。方法：采用MATLAB6．5对512×512的CT图像进行实验,依据医学图像特点改进了图像子带小波增强算法。并将结果与常规的图像增强算法进行对比。结果及结论：实验证明：改进的图像子带小波算法可以增强图像的细节特征,并且适合人的视觉特性,提升了医学图像的清晰度,可有效避免平坦区域噪声过度增强的问题。通过实验证明文中采用方法有一定的实践价值和意义。     

基于直方图拟合的MRI图像水平集分割

利用混合高斯模型对MRI图像直方图进行分析,将拟合获得的特征参数作为水平集曲线进化的约束条件,对医学图像进行分割。分割中采用的自适应Level Set方法,能够自适应地确定曲线进化方向（扩张或收缩）,而不必在分割之前指定其进化方向,减少了人工干预;同时也克服了传统测地活动轮廓线（GAC）方法对图像梯度信息的过分依赖,以及由于对图像进行大尺度高斯平滑处理造成边缘点移动、定位准确度下降的缺陷。分别对MRI仿真和真实图像进行了实验,MRI仿真实验的分割敏感性、专一性和总体性能指标分别达到了94.72%、97.52%和97.22%。分割结果的定量分析和定性分析表明算法的有效性以及较高的分割准确度。     

利用金字塔方法增强DR图像

目的:数字化X线图像(DR)空间分辩率高、动态范围宽,对其进行影像增强处理能提取丰富的临床诊断信息,对疾病诊断,特别是早期病灶的发现提供良好的诊断依据。为此,本文提出了一种基于多尺度方法的DR图像增强算法。方法:构建高斯金字塔和拉普拉斯金字塔,利用特定函数调整拉普拉斯金字塔的系数,根据两个金字塔构成的图像序列,通过反复扩展图像并将结果加起来而重建原始图像,增强图像细节。结论:本文通过多尺度图象增强算法,扩展了DR图像的有用信息,突出了图像细节,为临床诊断提供了实用的增强显示效果。     

基于非线性反锐化掩膜的DR图像边缘增强

目的:对数字化X线摄影图像(DR)进行边缘增强处理能为临床医生提供更丰富的诊断信息,对帮助临床医生诊断疾病,特别是发现早期病灶具有重要的意义。为此,本文提出了一种基于非线性反锐化掩膜的DR图像边缘增强算法。方法:首先,应用S型曲线调整图像的对比度和亮度,扩展图像的有用信息,提高图像对比度,以突出感兴趣区域;然后,使用非线形反锐化掩模进行边缘增强,根据图像的灰度特性来调节具有增强作用的加权因数,可非线性地增强影像的边缘细节。结论:本文利用非线形反锐化掩模对DR图像进行了边缘增强,突出了图像的边缘细节,为临床诊断提供了实用的边缘增强效果。     

基于小波分析的MRI图像对比度增强

针对MRI影像经常出现的正常组织和病态组织之间对比度不清的问题,文中采取基于小波变换的非线性的图像增强算法.实验结果表明,此增强方法能够在增强图像微小细节的同时避免噪声过增大,使结果图像具有很好的视觉效果.因此本文方法有效而实用.     

基于多尺度形态学的医学图像局部对比度增强

本文提出了一种高效的、高精度的适合于医学图像增强方法.本研究表明,使用暗特征增强图像会使图像丢失一些细节,加强小尺寸特征会放大噪声,所以仅使用白tophat变换,从递归开运算后图像中提取特征.为解决非对偶运算引起的图像亮度偏差问题,作者提出了条件归一方法.新算法主要特点是形态运算采用非对偶运算,对比度拉伸运算采用加法代替乘法运算.用本算法对MR图像进行了测试,并与已有基于多尺度形态学方法进行比较.实验结果表明,这种算法可以更有效地增强图像的局部对比度,对噪声不敏感,处理后图像精度更高.与以前形态学方法相比,本文方法仅需使用其四分之一特征层就可实现局部对比度增强,从而大大减少了运算量.     

基于Retinex理论的眼底彩色图像增强算法

眼底彩色图像存在亮度低、对比度差、局部细节丢失等问题,分析已有Retinex图像增强方法存在的问题,在此基础上提出一种改进的基于Retinex理论的眼底彩色图像增强方法。首先提取亮度分量,对亮度通道进行多尺度Retinex增强,改进将图像映射到显示器上的gain/offset 算法以及颜色恢复方法,最后对具有亮度信息的红色通道进行恢复。为验证方法的有效性,以DIARETDB0眼底图像数据库为研究对象,并与多尺度Retinex(MSR)、带色彩恢复的多尺度Retinex(MSRCR)、直方图均衡化(HE)、对比度受限自适应直方图均衡化(CLAHE) 4种经典增强算法进行比较。结果表明,所处理的图像在色彩保护、血管对比度的提升以及图像细节的增强方面比其他图像增强方法有更好的效果,信息熵提高5%～7%,峰值信噪比(PSNR)比传统方法提高1～2倍,客观评价指标明显优于当前常用的眼底图像增强方法,对进一步眼底图像的识别具有重要的意义。     

结合二维灰度直方图与PCNN的医学图像多类分割

针对医学图像中对组织器官多类分割的要求,提出一种结合二维灰度直方图的脉冲耦合神经网络（pulse coupled neural networks,PCNN）图像多类分割算法.首先根据PCNN模型的局部连接作用和阈值衰减特性对图像进行多类分割,然后利用基于类内最小离散度的二维直方图算法计算出PCNN网络迭代时的最佳门限值,从而实现医学图像的多类分割.通过对仿真的正常颅脑和非正常的颅脑核磁共振图像进行测试,结果显示本PCNN图像多类分割算法能够有效地分割出核磁共振颅脑图像中不同脑组织.因此,本文算法具有应用于医学图像的多类分割的可行性,并提高计算机辅助分割医学图像的准确性.     

基于频数直方图检测QRS波的新方法

简要评述了从心电图检测QRS波的现行方法(特别是利用小波变换的方法)，指出了其中的不足，还提出了一种简便有效的、基于频数直方图的检测QRS波新方法，介绍了频数直方图的原理，以及用于检测QRS波所依据的匹配原则，并利用MIT／BIH心电数据库的数据及北京工业大学校医院提供的数据对此新方法进行了验证。