医学图象的边界处理

医学图象质量的好坏直接影响医务人员对疾病的诊断与治疗。由于有时候医学图象的边界不清晰，甚至很模糊，人眼难以判断，因此需要一种特殊的算法来实现边界点的检测，边界点检测的方法很多，作者讨论用微分法借助于计算机来处理医学图象的边界问题。利用微分运算获得的梯度算子。根据区域边界处灰度呈现不连续的特点，通过对图象函数ｆ（ｘ，ｒ）（灰度特性函数）进行必要的运算，来达到检测边界元素的目的，进而实现边界点的连接，     

区域对比度模糊增强及其在医学图象边界检测中的应用

本文在广义模糊集合与广义模糊算子的基础上,给出了一种基于增强图象区域之间对比度的边界检测算法,并利用升半梯形模糊分布将空间域的灰度图象变换为对应的广义隶属度函数。实验结果表明该算法对于灰度层次丰富的医学图象边界提取效果是较好的。     

VisualC 环境下医学图象的显示

本文在介绍位图结构的基础上，讨论了在ＶｉｓｕａｌＣ＋＋环境下调色板的设置及医学灰度图象的显示方法     

医学图像中模糊边界的提取

本文提出了一种基于模糊数字拓扑的方法来实现医学图象中模糊对象的提取,该方法根据所给定的物体和边缘特征信息将原始医学图象转换到模糊连通空间,获得模糊边界,对复杂形状的对象还提出了模糊边界逐步改进和优化的算法,最终可以跟踪出满足实际需要的连通、平滑及优化的物体轮廓线,算法在超声图象中取得了满意的结果。     

显微图象的快速拼接

作者提出了基于图象匹配的显微图象快速拼接的新方法。拼接分三步完成：１．生成利于配准的梯度图象。２．基于金字塔数据结构的快速匹配。３．进行边界处清除图象拼接处的阶梯。优点是：拼接由计算机自动完成，速度快、精度高，消除了人为误差，并且能提供人工无法实现的拼接处光滑连接。     

一种基于斜单元模型的快速三维显示算法

本文报道作者开发研究的医学图象处理系统Ｖｉｓｕａｌｉｚｅｒ的系统结构及各功能模块的实现方法。在医学图象三维显示上，首次提出一种以斜单元模型代替以往的立方体单元模型的体视算法，这种新的显示算法运行速度快，同时又能产生高质量的显示图象。最后，本文以人脑部磁共振图象的操作和显示实例来说明系统的实用性和算法的有效性。     

超声医学图象的计算机辅助解释

本文提出一种用于超声医学图象自动解释的新方法。该方法是在图象预分割的基础上,将区域生长算法、目标检测和基于知识的解释综合为双向驱动推理过程,从而完成对图象中器官、组织的识别和解释。作者已应用该方法对特定类超声医学图象进行了计算机分析实验,获得了较为理想的实验结果,并在文中对实验结果加以讨论。这一研究工作为建造医学图象自动解释系统提供了一个有较的方法。     

真彩色图象边缘检测技术在胃镜图中的应用

目前计算机图象处理技术中，边缘检测已有许多成熟的算法、能较好地完成图象分割的任务。但在医学图象中、有些病变区域的边缘很难确定，人眼判断有很大的主观性。用传统的边缘检测技术不会取得好的检测效果。为此，本文针对胃镜图象中胃溃疡边缘的自动检测提出了一种径向搜索算法、成功地解决了计算机自动边缘检测问题，为病变区域的差别与测量提供了客观依据。     

一种基于广义模糊特征点配准的眼义图象拼接算法

本文将广义模糊集合引入到眼底图象的拼接方面，运用广义模糊算子对图象模板进行处理，能精确地获得该模板的特征点。应用这些特征点进行眼底图象的配准，最终将各部分眼底图象拼接成一较完整的图象。实验证明，这一些常规配准算法相比，该算法具有速度快、配准精确等优点。     

细胞自动计数中的一种图象标号算法

在临床诊断和医学科研中,很大部分的工作与细胞的计数有关。传统的人工细胞计数方法由于其繁琐乏味和低效性而受到诸多限制,本文在高性能图象处理系统中,采用特定的图象处理方法——图象标号算法,完成一般病理切片的细胞计数,克服人工方法的上述不足。本文首先简单介绍了完成细胞图象分析的图象处理系统和图象分析过程,然后较详细地描述了细胞自动计数中所采用的图象标号算法,还用实际临床病理切片对该方法进行了实验,并用照片和图表给出实验结果。在本文的最后,对该标号算法的有效性进行了相关的讨论。     

图像处理方法用于离体培养乳鼠心肌细胞动态特征分析

通过对离体培养的心肌细胞特征参数的定量分析,从细胞力学和分子生物学的角度研究药物的作用机理,是目前生物医学工程学科的前沿性课题。心肌细胞在不受外力作用的情况下具有自主搏动特性,使得对于它的动态分析更有意义。介绍了用于心肌细胞动态特征分析的图像采集处理系统,以及运用图像分析算法能够获得的各种动态特征参数,包括搏动频率、搏动周期、收缩幅度、形态面积变化等。     

荧光显微图像序列中活性线粒体的跟踪算法

生物图像数据的定量分析通常都包含像素点的检测,使用荧光显微技术的活性线粒体活动图像信噪比很低,线粒体检测和跟踪困难,尤其当线粒体的运动包含了其本身的自主运动和神经元轴突带来的扰动时,更不容易获得线粒体运动曲线。本文提出了一种活性线粒体的跟踪算法,首先对线粒体图像序列进行帧间配准,使得图像中轴突的外廓对齐,其中选取边缘角点作为线粒体的特征点,再在准确对齐轴突外廓的前提下运用帧间位移矢量跟踪线粒体粒子。本文算法已经成功应用在存在神经元轴突和线粒体同时运动的动态图像序列中,整个算法流程不需要手动提取特征点,节约时间,为医学图像处理与生物技术研究提供了一种新方法和新参考。     

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。     

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。     

Quantification of chromatin condensation level by image processing

The level of chromatin condensation is related to the silencing/activation of chromosomal territories and therefore impacts on gene expression. Chromatin condensation changes during cell cycle, progression and differentiation, and is influenced by various physicochemical and epigenetic factors.This study describes a validated experimental technique to quantify chromatin condensation. A novel image processing procedure is developed using Sobel edge detection to quantify the level of chromatin condensation from nuclei images taken by confocal microscopy. The algorithm was developed in MATLAB and used to quantify different levels of chromatin condensation in chondrocyte nuclei achieved through alteration in osmotic pressure. The resulting chromatin condensation parameter (CCP) is in good agreement with independent multi-observer qualitative visual assessment. This image processing technique thereby provides a validated unbiased parameter for rapid and highly reproducible quantification of the level of chromatin condensation.     

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.     

一种基于图像分割的医学图像融合方法

提出一种新的图像融合算法 ,用于临床治疗计划设计时对病灶的确定。文中采用改进的Canny算子对病灶边缘提取方法进行了研究 ,根据局部直方图计算对非目标轮廓进行抑制。通过对图像配准建立空间映射关系 ,将一种图像中的病灶边缘特征与其它相应的图像进行叠加 ,获得具有病灶边缘和解剖结构特征的融合图像。本文的融合算法简单、直观 ,临床实用性强     

Cephalometric image analysis and measurement for orthognathic surgery

Automatic identification of landmarks in cephalometry is very important and useful for orthognathic surgery. A computerised automatic cephalometric analysis system (CACAS), based on image processing, is presented. For an original X-ray image, median filtering and histogram equalisation are used to improve image quality. The edge of an X-ray image is detected by a wavelet transform and Canny filter. Seventeen landmarks in cephalometry are successfully identified by knowledge-based edge tracing and changeable templates. Seventy-three measurements based on distances, angles and ratios between landmarks are computed automatically. The reliability of the landmarks and the validity of the measurements are compared for automatic and manual operation. The values of measurements obtained by CACAS are more precise and reliable: the mean error for linear measurements is less than 0.9 mm; the mean error for angular measurements is less than 1.2°. The rate of validity is over 80%, even if the image quality is poor. For an image with a high signal-to-noise ratio, the rate of validity of landmarking and measurements using the CACAS system is over 90%.     

边缘检测及其在医学图像中的应用

边缘检测一直是计算机早期视觉的重要问题,它在医学图像处理中也占据着举足轻重的地位。本文对一些经典的和新的边缘检测算子作了回顾,并讨论其在医学图像处理中的应用。     

Two applications of wavelets and related techniques in medical imaging

We present two applications of wavelet and related techniques to problems arising in medical imaging. Both make considerable use of the edge detection and classification properties of wavelet-type representations. First we describe simple and effective techniques for image denoising and contrast enhancement based on the multiscale edge representation of images. These techniques are sufficiently flexible to successfully address the varying requirements posed by several different medical imaging modalities in common use today. Experimental results are presented to illustrate the application of these techniques to various types of medical images. Next we describe adapted waveform encoding, a technique for magnetic resonance imaging. One advantage of this technique istthat it can be used to efficiently encode edge features of the object being imaged. This has a particular diagnostic application in tracking heart wall thickness during the cardiac cycle, which we present along with some experimental results along this line. We also present an analysis of the signal-to-noise ratios of images formed with this technique, as this is a factor of paramount importance in MRI. The fact that wavelet schemes tend to concentrate energy near edge features makes the result rather different than that found in standard Fourier based approaches. We indicate an exciting potential application of our technique: reducing spectral leakage in phosphorus spectroscopy.