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.     

基于多尺度特征增强的小样本计数

目标物体计数是计算机视觉领域的重要研究方向。针对小样本计数中存在的样本与查询图像目标物体尺寸不一致、目标物体分布不均匀的问题,该文提出了多尺度特征增强计数算法。首先,基于特征金字塔构建自上而下的特征融合网络。在各级尺度上对查询图像中和样本相似度较高的区域进行样本特征增强,随后送入上一级特征匹配。然后,将各级增强后的查询特征送入回归器中,得到各级密度图。最后,求和,生成高质量的密度图。该文在FSC-147和CARPK数据集上进行测试。实验结果表明,该文所提模型的性能优于大多数其他方法,有效改善了目标物体大小变化造成的计数精度低的问题。     

基于多尺度非线性扩散的超声图像斑点噪声去除算法

针对现有去噪算法可能造成超声图像细节模糊甚至丢失的问题,本文提出基于多尺度非线性扩散（multiscale nonlinear diffusion,MSND）的超声图像去噪模型.该模型结合冗余拉普拉斯塔形数据分解和非线性扩散的优点,利用冗余拉普拉斯塔形数据分解将图像分解为等大小的空间-频率子带,综合各子带的特征得到图像边缘和细节的精细表示,然后根据所得的综合特征指导各子带图像的非线性扩散.实验结果表明本文算法在去除噪声的同时能有效地保留和增强边界与细节.     

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.     

利用多分辨率分析的胸部X线数字图像粗糙集滤波增强

研究采用一种分辨率分析的胸部X线双能量分离数字图像，实现粗糙集滤波增强的新算法。该方法在用多分辨率分析处理图像的基础上，根据粗糙集理论的条件属性，将每个尺度获得的图像均采用粗糙集处理算法划分为不同的子图像，然后对各个子图像分别作区域滤波和对比度增强处理，最后合成一幅高清晰度的新图像。从结果中可看出，采用这种方法处理后得到的图像效果较为理想，能给临床上的医学工作者提供较清晰的图像，同时也为后续的计算机辅助诊断提供有效的依据。     

一种基于多尺度分析的CT图像边缘检测方法

为了准确提取CT图像中解剖组织几何形态特征,提出了一种基于多尺度分析的CT图像边缘检测方法。本文应用多尺度分析中含有尺度因子的平滑函数的负导数作为小波,对CT图像实施小波变换,并检测小波变换的模局部极大值,完成基于模局部极大值的解剖组织轮廓特征表达。本文还讨论了一种模局部极大值点的简单筛选方法,针对CT图像噪声较大的特点,以模局部极大值的均方根乘以一个与尺度有关的因子作为模局部极大值的阈值,在不同尺度上获得了清晰的边缘信息。阈值处理后的模局部极大值图表明,不同尺度下的边缘检测能给出大小不同的物体的边缘信息。本方法能在有效抑制噪声的基础上,准确提取感兴趣解剖组织的几何轮廓特征。     

正常成人脑电信号多尺度分析

目的:研究正常成人脑电信号的多尺度特征.方法:记录20例正常成人安静闭目状态下脑电图,对其进行连续子波变换,观察脑电信号在不同尺度(频带)的细节特征,各尺度间的相互联系,以及能量分布特征.结果:正常成人脑电图的多尺度特征为各尺度(频带)的子波系数的幅值普遍相对较低,尺度(频带)分布范围较广,在特定的尺度范围内可见较强的相对稳定的节律性活动,相邻尺度间关联密切,呈层级关联的"家族"式结构,分尺度功率在0.1 Hz、1 Hz、10 Hz附近形成三个峰的分布.结论:子波分析作为一种新的数学方法,适合于脑电信号的分析,通过子波分析可以获得脑电信号在不同尺度(频带)上的细节特征.脑电信号多尺度特征产生的生理生化机制有待于进一步研究.     

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。     

睡眠EEG的多尺度信息熵分析

本文提出一种基于连续小波变换的睡眠EEG分析方法。该方法使用Morlet小波计算EEG信息的小波变换系数,通过计算EEG信号在多个尺度上小波系数的熵分析睡眠EEG。结果表明：浅睡阶段EEG信号的多尺度熵的变化模式与深睡阶段的多尺度熵的变化模式不同,REM睡眠期间EEG信号的多尺度熵的变化与深睡阶段类似,使用多尺度熵可以区分REM睡眠和浅睡时EEG之间的差别。     

Gene selection for tumor classification using neighborhood rough sets and entropy measures

With the development of bioinformatics, tumor classification from gene expression data becomes an important useful technology for cancer diagnosis. Since a gene expression data often contains thousands of genes and a small number of samples, gene selection from gene expression data becomes a key step for tumor classification. Attribute reduction of rough sets has been successfully applied to gene selection field, as it has the characters of data driving and requiring no additional information. However, traditional rough set method deals with discrete data only. As for the gene expression data containing real-value or noisy data, they are usually employed by a discrete preprocessing, which may result in poor classification accuracy. In this paper, we propose a novel gene selection method based on the neighborhood rough set model, which has the ability of dealing with real-value data whilst maintaining the original gene classification information. Moreover, this paper addresses an entropy measure under the frame of neighborhood rough sets for tackling the uncertainty and noisy of gene expression data. The utilization of this measure can bring about a discovery of compact gene subsets. Finally, a gene selection algorithm is designed based on neighborhood granules and the entropy measure. Some experiments on two gene expression data show that the proposed gene selection is an effective method for improving the accuracy of tumor classification.     

Fuzzy entropy based interactive enhancement of radiographic images

In certain radiographic images, fuzziness exists due to the vague nature of image characteristics and limitations of visual perception. Accordingly, a gap exists between the information content of an image and the information that can be retrieved. In this paper, a new fuzzy logic based intensification operator has been proposed for enhancement of images. For applying the operator effectively, selection of crossover point is critical. In this paper, the concept of fuzzy entropy has been proposed for objective selection of crossover point. Owing to semantic nature of information content, the methodology has a provision to change levels of enhancement interactively, to help in retrieving the information as required. The effectiveness of the methodology has been demonstrated. Comparison of the results with the Zadeh's INT operator and conventional histogram equalization techniques has established its superiority.     

基于神经动力学的医学图像增强技术

目的探讨基于视觉神经元模型的图像增强算法在医学图像处理中的效果和自动实现的方便性。方法用基于视觉神经元ON—OFF模型的图像增强算法处理医学图像，实现对医学图像的自动增强；探讨增强算法的处理机制；分析衰减常数、增益系数和空间常数对图像增强处理的影响。结果选1例左额胶质瘤患者的T1W序列MR图像，1例右眶周及右额顶血管瘤患者的CTA图像。经图像增强处理，MR图像颅脑内部的结构更加清晰可见，图像层次丰富，组织边界分明，内容纹理层次丰富，易于观察。CTA图像处理后，血管瘤病变部位组织轮廓变得完整清晰，图像层次变得更加丰富。同时，整体对比度下降，图像视觉柔和。结论通过对大量医学图像的处理计算，证明选择适当的衰减常数、增益系数和空间常数，可以得到比较显著的图像增强效果。     

微焦点X线相衬成像技术的边缘信号增强特性研究

目的：研究确定微焦点X射线相衬成像技术的边缘信号特性,以更好地从理论和实验角度,来解读X射线相衬成像结果中的图像信息,更好地确定基于微焦点的X射线相衬成像设备中的相关成像参数,以提高X射线相衬成像技术的应用效果。方法：本文以X射线的折射现象为物理基础,将菲涅耳衍射理论和傅立叶变换相结合,建立X线相衬图像对物体相位信息的二阶微分理论模型,揭示了微焦点X线相衬成像技术的边缘结构信号增强特性及其内涵。再通过计算机仿真实验和对真实光纤样品的物理实验,来观察和验证X线相衬成像技术的边缘结构信号增强特性。结果：计算机仿真实验和对真实光纤样品的物理实验的一致结果显示：基于微焦点的X线相衬成像技术,对样品的边缘结构信息具有明显的信号增强特性,通过相衬图像能够突出显示弱对比物体内部结构的边缘信息。结论：X线相衬成像是一种全新的成像方法,它弥补了传统成像方法在对弱吸收物质成像上的不足,研究证实,这种技术具有对样品内部的微细结构进行边缘增强的成像特性,这为进一步的技术开发和设备参数的优化提供了很好的研究基础。     

基于低通和非线性滤波的MR图像增强算法

利用图像高频分量的局部特征，构造一种新的非线性滤波剪切阈值，使整幅图像的增强趋于均匀化。结合平滑去噪和非线性滤波图像增强两个步骤，我们提出了一种实用的MR图像增强算法。试验结果表明增强后MR图像主观视觉效果显著改善。     

粗糙集在构建骨肿瘤辅助诊断知识库的应用研究

在骨肿瘤辅助诊断专家系统研究中，知识库的建立是一直困扰系统建立的瓶颈问题，知识库的好坏不仅影响到后续推理过程，而且还对诊断的精度有着很大的影响。本文使用基于粗糙集理论的数据挖掘技术，对已确诊病例资料数据库进行数据分析，建立骨肿瘤与患者临床表现之间的推理关系，并结合医生的临床实践，最终形成一个比较完备的辅助诊断知识数据库，为后续的推理、解释程序打下良好的基础。