基于BP神经网络的CT图像骨皮质分割

目的在CT图像中通过对骨皮质的分割与测量,测定骨量、骨骼的几何形状以及骨强度,并计算相应的组织形态计量学参数。方法通过DCMTK解读CT图像,提取相应的图像信息。利用OpenCV对图像进行预处理,在感兴趣的区域(ROI)设置的基础上,提取图像的纹理特征作为输入向量;以对训练样本手工分割的结果作为导师信号,对BP神经网络进行训练;用训练好的网络对CT图像序列中的骨皮质进行分割,并对分割后的结果进行后处理及显示。结果骨皮质CT图像的神经网络分割效率符合实际应用的需求,分割结果形状明显,与周围组织区分度高,满足临床诊断需求。结论纹理特征明显的情况下,可以达到较为满意的分割效果。分割结果轮廓平滑,分割精度高、成功率高、适应性强;而且图像分割过程人工介入少,可以用于整套CT图像骨皮质的批量分割。不足之处在于此方法神经网络训练时间相对较长。     

BP神经网络在眼底造影图像分割中的应用

背景:通过眼底荧光血管造影(FFA)所得到的数字图像以及对其进行处理所得到的数据,可反映视网膜血管结构、血流动力学改变、血管病理生理变化及其相关结构的病理改变,广泛应用于视网膜、脉络膜及视神经疾病的鉴别诊断。目的:通过分析眼底造影图像和BP神经网络的特点,利用BP神经网络对眼底造影图像进行分割,并将其利用到眼科的临床辅助诊断之中。方法:将待分割图像区域分为背景和目标两类,用手工方法得到这两类的样本图像,提取样本图像的特征,如灰度、方差、纹理等;对提取的样本特征值进行归一化处理,输入神经网络分类器,利用BP训练算法进行训练;输入待分类的医学图像,提取图像特征,并进行归一化处理;将归一化后的特征值,输入已训练的神经网络分类器进行分类,得到眼底造影图像的分割结果。结果与结论:本文使用的眼底造影图像分割方法抗干扰能力强,分割的眼底造影图像清晰、内容丰富。可以为眼科医生的临床诊断提供较大帮助。     

GVF Snake模型在全身骨SPECT图像分割中的应用

全身骨SPECT图像受成像原理限制,膀胱区域灰度值很高,影响图像整体的亮度、对比度和可读性;膀胱区域与病灶具有相似的灰度特征,不利于对图像进行病灶的自动识别等处理.GVF Snake模型是传统Snake的改进模型,我们用GVF Snake模型分割膀胱区域,实现全自动去除膀胱区域,为SPECT全身骨图像的各种处理提供良好的环境.     

基于B P神经网络的脑肿瘤MRI图像分割

利用BP神经网络技术对MR脑肿瘤图像中的肿瘤区域与正常组织区域进行分割,以辅助医疗诊断与治疗。首先,人工分割出部分影像中的肿瘤组织与正常组织作为已知样本;其次,在BP神经网络模型中输入已知样本中进行训练;最后,用训练好的BP神经网络处理其他脑肿瘤图像。BP神经网络能够有效分割MR脑肿瘤图像,辨别出肿瘤与周围正常组织的差异,但模糊区域也常被误判为肿瘤。因此,本研究提出进一步对模糊区域样本进行针对性训练与特殊的滤波处理,所得结果有较大改进。BP神经网络能有效地进行脑肿瘤MRI图像分割,但在使用时仍需正确选择输入样本的区域和范围并结合特殊的滤波处理。     

基于卷积神经网络和图像显著性的心脏CT图像分割

目的心脏医学影像中,感兴趣部分的提取与分割是诊断心脏病变部位的关键。由于心脏舒张、收缩以及血液的流动,心脏CT图像易出现弱边界、伪影,传统分割算法易产生过度分割的情况。为此,提出一种基于卷积神经网络和图像显著性的心脏CT图像分割方法。方法采用卷积神经网络对目标区域进行定位,滤除肋骨、肌肉等造影对比不明显部分,截取出感兴趣区域,结合感兴趣区域的对比度计算并提高感兴趣区域的心脏组织的显著值。通过获得的显著值图像截取心脏图像,并与区域生长算法的分割结果进行对比。最后使用泰州人民医院11例患者的影像数据对算法模型进行训练和测试,随机选择9例用于训练,剩余2例用于测试。结果所提算法模型在心底、心中、心尖3个心脏分段的分割正确率分别达到了92.79%、92.79%、94.11%,均优于基于区域生长的分割方法。结论基于卷积神经网络和图像显著性的分割方法能够准确获取心脏的外围轮廓,轮廓边缘更加平滑,完全能够满足CT图像序列的心脏全自动分割任务需求,分割后的图像更有利于医生对患者心脏健康状况和病变部位的观察。     

基于模糊小波神经网络的磁共振图像分割方法

针对磁共振图像分割的特点,将小波分析优异的局部特性、模糊逻辑的定性知识表达能力和神经网络的自学习能力结合起来,提出了一种基于模糊小波神经网络的磁共振图像分割方法.该方法采用小波函数作为模糊隶属函数,利用神经网络实现模糊推理,并采用反向误差传播算法对网络进行训练.实验结果表明,这种基于模糊小波神经网络的磁共振图像分割方法与普通神经网络分割方法相比,具有更高的分割精度和更快的训练收敛速度.     

神经网络技术在磁共振图像分割中的应用

神经网络具有类似人脑的并行处理结构,能够模拟人脑对刺激的反应方式进行工作,可以用于解决磁共振图像分割问题。近来,涌现出许多神经网络磁共振图像分割方法的应用报道,这些神经网络包括传统的确定型神经网络,以及结合模糊逻辑、混沌理论或小波理论等新理论的混合神经网络。本针对这些磁共振图像分割方法进行综述。     

用神经网络进行超声医学图像分割

分割问题是超声心脏图像多维重建中的一大难题，本文研究超声心脏图像分割的自组织神经网络方法，这是一种无监督的分割方法，通过自组织神经网络的自动聚类分割，实验证明，本文方法优于传统的Ｋ－ｍｅａｎｓ方法。     

模糊神经网络在颅脑磁共振图像分割中的应用研究

由于颅脑磁共振图像分割的效果受制于解剖结构和成像过程引起的边缘模糊和噪声，本研究结合神经网络和模糊逻辑技术，提出一种基于模糊神经网络的颅脑磁共振图像的半自动分割算法。分割实验的结果表明，在同等条件下，模糊神经网络分割算法的收敛速度比BP神经网络分割算法快三倍以上；与最大似然法、模糊c均值聚类和BP神经网络分割算法相比，FNN分割算法的抗噪声和抗模糊能力更强。     

全身骨显像结合局部SPECT/CT在诊断椎体良恶骨折中的价值

目的探讨全身骨显像结合局部SPECT/CT在诊断椎体良恶骨折中的价值。方法回顾分析经过病理或临床证实的52例椎体骨折患者的骨扫描及SPECT/CT资料,比较良性组与恶性组间的差异。结果骨扫描发现78.8%(41/52)的患者伴有椎体外病灶,但良性组出现病灶的人数明显少于恶性组;SPECT/CT发现恶性组椎体出现骨质破坏及椎弓根异常浓聚的人数明显高于良性组;对于结核及甲旁亢患者骨扫描及SPECT/CT缺乏特异表现。结论虽然骨扫描及SPECT/CT仍存在一定局限性,但两者结合可以充分发挥各自优势,非常适合脊柱骨折病人的筛查及良恶性鉴别。     

胶囊内窥图像出血识别的BP神经网络算法

在大量的胶囊内窥图像中寻找出血区域或相关病理特征是一件非常费时费力的工作,使用计算机进行胶囊内窥图像出血区域智能检测是必然趋势。本文设计了一种BP人工神经网络应用于内窥图像出血模式的识别,并通过软件编程实现了基于BP神经网络的内窥图像出血区域智能检测的新方法。实验表明该方法能正确检测出内窥图像中的出血区域,从而将内窥图像分类为出血模式与非出血模式,达到了理想的效果。     

基于小波变换和BP神经网络的室性早搏(PVC)识别

目的:室性早搏(PVC)是最常见的心律失常,能够实时、准确检测出它具有重要的临床意义。为了能够及早地发现室性早搏(PVC)、提高医生对室性早搏(PVC)诊断的准确性,本文研究了基于小波变换和BP神经网络的室性早搏(PVC)识别方法。方法:首先选取ECG信号的特征参数,用小波变换检测其特征点,提取特征参数,构造特征向量,然后再用训练好的BP神经网络对室性早搏(PVC)进行识别,从而实现ECG信号的正常心律和室性早搏的自动检测识别。结果:本文构造了一个7-10-1结构的三层BP神经网络,用MIT-BIH标准心电数据库中的心电信号数据对构造的神经网络进行训练、检测识别,识别率达到预期的效果。结论:分析MIT-BIH心电数据库六组试验数据的实验结果,证明了基于小波变换和BP神经网络的室性早搏(PVC)识别的方法具有较高的PVC自动检测识别率,对医生的诊断有良好的辅助作用,具有较高的应用价值。     

基于BP神经网络的高足弓异常程度评价模型的构建

为准确评估高足弓患者的足弓异常程度,提出相应的评价模型.采用鞋垫式足底压力测量装置,采集110名高足弓和90名正常足志愿者自然行走时的足底压力特征参数.提取两者在足底8个分区的峰值压强、接触面积、接触时间和冲量等4个方面具有显著差异的特征参数,利用因子分析法,选出能够反映各指标变量之间内部关系的5个特征因子,并计算其综...     

The Signal Extraction of Fetal Heart Rate Based on Wavelet Transform and BP Neural Network

This paper briefly introduces the collection and recognition of biomedical signals, designs the method to collect FM signals. A detailed discussion on the system hardware, structure and functions is also given. Under LabWindows/CVl,the hardware and the driver do compatible, the hardware equipment work properly actively. The paper adopts multi threading technology for real-time analysis and makes use of latency time of CPU effectively, expedites program reflect speed, improves the program to perform efficiency. One threading is collecting data; the other threading is analyzing data. Using the method, it is broaden to analyze the signal in real-time. Wavelet transform to remove the main interference in the FM and by adding time-window to recognize with BP network; Finally the results of collecting signals and BP networks are discussed. 8 pregnant women‘ s signals of FM were collected successfully by using the sensor. The correct of BP network recognition is about 83. 3% by using the above measure.     

基于模糊空间的骨膜显微图像识别

医学图像的目标描述往往是带有模糊性的。随着计算技术的发展,模糊逻辑理论渐被引入医学图像处理的理论研究和实际应用中。而采色医学图像和灰度图像具有不同的空间表达和模糊描述方式,其分析处理方法也有区别。我们阐述了一种基于模糊空间的彩色色骨膜显微图像识别,提出用模糊算法进行彩色图像增强、特征撮和自动分割,完成了对骨膜显微图像中的骨细胞的分割过程。通过对多幅实际采集的彩色图像进行处理,实验结果结果表明是一种