Rician噪声水平场的估计及其在MR图像去噪中的应用

针对MR图像中空间变化Rician噪声的抑制问题,提出了一种噪声水平场的估计方法,同时结合方差稳定变换和BM3D算法实现MR图像的去噪.噪声水平场通过Rician噪声水平的局部估计和稀疏性约束模型进行估计,利用噪声水平场对噪声图像幅值进行空间自适应方差稳定变换,使得噪声与信号幅值和空间位置无关,采用BM3D算法即可实现对噪声的抑制,最后通过方差稳定逆变换得到无偏的去噪图像.仿真实验中,噪声水平场估计的平均相对误差小于0.2％,利用空间自适应方差稳定变换进行去噪,相比方差稳定变换,去噪图像的峰值信噪比可提高2 dB;采用真实乳腺MR图像进行去噪实验,利用自适应方差稳定变换可得到较高的Q度量.结果表明,所提出的方法能有效估计Rician噪声水平场,并用于抑制MR图像中空间变化的噪声.     

一种基于模糊均差和小波变换的医学图像去噪方法

小波阈值萎缩法能够有效地去除图像中的噪声,去噪阈值直接影响去噪的效果,而噪声标准差在去噪阈值的确定中起着至关重要的作用。针对医学图像的特点、基于寻找更合适的噪声标准差估计方法,本研究提出了一种新的利用模糊均差代替普通标准方差估计噪声标准差的方法。在各层小波分解的低频图像中利用模糊积分估计噪声标准差,然后确定每一层去噪阈值,进行图像去噪。试验结果表明,本研究算法在去除噪声的同时也较好地保持了图像的细节。     

基于Bayesian估计的小波自适应阈值方法对图像进行去噪处理的研究

利用Bayesian估计的小波自适应阈值方法对图像进行去噪处理。通过高斯滤波和小波变换的三种方法(传统的硬阈值、传统的软阈值去噪、基于Bayesian估计的自适应阈值去噪)分别同时对加不同标准差σ的Rician噪声信号进行消噪处理,对比验证高斯滤波和传统小波阈值去噪的优劣,以及新的Bayesian估计自适应阈值小波去噪在磁共振成像(magnetic resonance imaging,MRI)图像信号去噪方面的优越性。小波去噪后的信号信噪比比高斯滤波去噪后信号的信噪比高,且均方根误差要低。采用基于Bayesian估计的自适应阈值小波去噪方法比采用的高斯滤波保留了更多有用信号,优化后的氧摄取分数(oxygen extraction fraction,OEF)值有一定程度增大,使结果更接近正电子发射型计算机断层显像(positron emission computed tomography,PET)测量金标准。成功完成信号和噪声分离优化,将一种新的基于Baysian估计的自适应小波阈值去噪应用到了功能核磁共振成像的降噪分析上,取得了不错的效果。     

高重叠率下弹性成像应变估计值的小波去噪研究

目的 高的数据窗重叠率是提高弹性成像轴向分辨率的必要条件,但重叠率的增加会使位移估计的相关误差急剧增长,产生所谓的"蠕虫"噪声.本研究使用小波收缩法去除高重叠率下弹性图像蠕虫噪声.方法 对每一条轴向应变A-line先进行3级离散小波分解,然后根据4种自适应阈值之一使用软阈值函数对每一层小波高频系数进行量化,最后进行小波重构产生去噪后的应变A-line.结果 仿真结果表明提出的技术能有效去除蠕虫噪声,增强弹性图像的信噪比(SNRe)和对比度噪声比(CNRe);与低通滤波相比,使用小波去噪产生的弹性图像更接近于理想弹性图(有更高的相关系数);另外,仿真结果也显示小波去噪应用于应变估计值比应用于位移估计值能获得更好的图像质量参数;弹性体模实验结果也表明该技术能有效改进应变图像性能.结论 小波收缩去噪技术能有效地去除弹性图像的蠕虫噪声,在保持高的轴向分辨率的情况下提高弹性图像的性能.     

基于小波软阈值滤波的医学图像去噪

目的:为了更好的去除DR医学图像噪声.方法:通过分析其噪声来源,在小波去噪的基础上进行改进.引入方差不变性变换来调整原始图像的噪声模型为高斯噪声模型.图像分解为不同频率的不同子带的小波系数,分别进行不同阈值的滤波.结果:与普通的全局小波去噪方法相比,该方法不但可以保留图像的边缘信息,而且能提高去噪后图像的峰值信噪比.结论:用此方法处理DR图像在噪声去除、细节质量及骨骼锐化等方面比传统的高斯滤波及小波全局阈值滤波等方法效果要好.     

基于自适应阈值处理的表面肌电信号小波去噪研究

针对表面肌电(sEMG)信号信噪比较低的问题,本文在Donoho通用阈值法的基础上,采用了一种基于自适应阈值处理的小波去噪方法。相对于通用阈值法,这种方法可以根据sEMG信号的不同信噪比自适应地调整阈值,更有效地去除噪声、减小信号的失真,从而提高信噪比。仿真和真实sEMG信号实验均论证了这种方法的优越性。     

改进阈值的小波空域相关去噪法在荧光信号处理中的应用

为了去除荧光免疫层析检测中荧光信号的噪声,保留信号的细节信息,提出一种改进阈值的小波空域相关去噪算法。该算法将基于小波变换的空域相关去噪法和软阈值去噪法相结合,根据小波系数相关性的不同和平滑消去阈值法的思想,改进了软阈值去噪法的阈值变量和阈值函数。结果表明,该方法突出了信号边缘,能够有效地去除荧光信号的噪声,去噪后的信号光滑连续,且保留了信号峰的相关细节信息。     

微波热疗凝固区域超声回波信号的小波去噪方法

目的 针对用于监测微波热疗凝固区域的超声回波信号信噪比较低,强反射点较多,难以定位凝固区域边缘的特点,研究了一种基于小波分解的去噪方法.方法 在理论分析的基础上,对超声回波信号进行小波分解,根据不同频段信号的特征,进行局部分层小波阈值去噪,再通过小波重构得到去噪后的超声回波信号.结果 对比硬阈值去噪、软阈值去噪和本文所采用方法的效果,探讨了利用本文算法进行凝固区域边缘识别的可行性.结论 局部分层小波去噪算法可有效抑制噪声,保留信号的细节特征,达到优化超声回波信号的目的.     

基于MATLAB的锥形束CT图像去噪研究

目的:锥形束CT既是一种全新的CT成像技术,也是图像引导下放射治疗系统的关键设备。针对锥形束CT图像的低对比度,散射伪影较大的缺陷,在MATLAB平台上对CBCT去噪方法进行研究和探讨,以寻找合适的锥形束CT去噪方法。方法:首先应用不同去噪方法,如邻域平滑,中值滤波,小波去噪方法等;再应用Contourlet变换进行锥形束CT去噪,设计不同的拉普拉斯塔式滤波器和二维方向滤波器组,寻找最优的滤波器组合;Contourlet变换是一种新的图像二维表示方法,具有多分辨率,局部定位,多方向性和近邻界采样和各向异性等性质。利用Contourlet变换在处理图像几何结构方面的优点,提取图像中边缘连续特征,来区别噪声和边缘,从而增强图像边缘和细节信息,同时抑制噪声。比较常规去噪,小波去噪,Contourlet去噪和不同滤波器组合去噪效果。结果:结合头部,胸部,盆腔各10组临床图像进行去噪效果统计和分析,表明小波阈值量化法和Contourlet法在锥形束CT图像去噪上各有优势,在Contourlet法中,滤波器组合"pkva8"和"9-7"的去噪效果最好。结论:Contourlet去噪方法和小波阈值量化法都比空间邻域平滑法,中值滤波法和普通小波去噪法有优势。而Contourlet去噪方法更能有效改进CBCT图像质量,特别是胸部图像质量的改善。     

基于改进小波阈值算法的ECG肌电信号去噪研究

为了解决传统软、硬阈值算法对肌电信号去噪后心电图（ECG）信号幅值降低和存在局部异常尖峰,导致去噪效果较差的问题。通过研究小波阈值算法的去噪原理和优化规则,基于双曲正切函数构造出一种具有连续性、结构简单、灵活性较高的可调阈值函数和改进的分层阈值,并分析得到小波分解含噪ECG信号的最佳小波基函数和分解层数,提出了一种改进的小波阈值算法。将软、硬阈值算法、相关文献中的阈值算法和本文所提改进阈值算法对含有真实肌电信号噪声的ECG信号进行去噪对比研究。实验结果表明：本文改进阈值算法能较好地去除ECG信号中的肌电信号噪声,并能更好地保持ECG信号波形特征,且Pearson相关系数值大于其他阈值算法。定性和定量结果表明,本文所提改进阈值算法对ECG肌电信号噪声具有较好的去噪效果。     

Signal detection theory and vestibular perception: III. Estimating unbiased fit parameters for psychometric functions

Psychophysics generally relies on estimating a subject’s ability to perform a specific task as a function of an observed stimulus. For threshold studies, the fitted functions are called psychometric functions. While fitting psychometric functions to data acquired using adaptive sampling procedures (e.g., “staircase” procedures), investigators have encountered a bias in the spread (“slope” or “threshold”) parameter that has been attributed to the serial dependency of the adaptive data. Using simulations, we confirm this bias for cumulative Gaussian parametric maximum likelihood fits on data collected via adaptive sampling procedures, and then present a bias-reduced maximum likelihood fit that substantially reduces the bias without reducing the precision of the spread parameter estimate and without reducing the accuracy or precision of the other fit parameters. As a separate topic, we explain how to implement this bias reduction technique using generalized linear model fits as well as other numeric maximum likelihood techniques such as the Nelder–Mead simplex. We then provide a comparison of the iterative bootstrap and observed information matrix techniques for estimating parameter fit variance from adaptive sampling procedure data sets. The iterative bootstrap technique is shown to be slightly more accurate; however, the observed information technique executes in a small fraction (0.005 %) of the time required by the iterative bootstrap technique, which is an advantage when a real-time estimate of parameter fit variance is required.     

基于自适应门限的小波分形四叉树医学图像编码

将一种分形域的自适应门限方法，引入到小波分形域中，解决了小波分形四叉树编码中小波树R与匹配树D的匹配误差的自适应取值问题。仿真实验结果表明，这一自适应门限的编码方法提高了小波分形四叉树图像压缩方法的适应性。     

一种用于尿沉渣图像的自适应阈值分割新方法

我们针对复杂散焦的尿沉渣图像的精细分割,首先使用小波变换和形态学处理消除散焦影响并进行图像的粗分割,然后对粗分割得到的小波变换子图像进行自适应阈值处理,结合形态学处理完成细分割,最后再采用剥离算法处理粘连重叠成分。该方法不受散焦影响,充分利用了图像的多种信息,实验结果表明,该方法对尿沉渣图像的分割有效且令人满意。     

基于自适应标记分水岭算法的肝脏CT图像自动分割

目的为减少人工交互提出了基于自适应标记分水岭的CT系列图像肝脏区域自动分割算法。方法首先对图像进行形态学重构运算以平滑图像,然后计算多尺度形态学梯度,同时提出利用梯度图像非零的局部极小值点的均值进行自适应标记提取,以避免分水岭的过分割和欠分割,再结合肝脏为最大的实质性脏器和相邻图像的相似性实现CT系列图像的肝区自动分割。结果该算法能自动、快速地提取CT系列图像中的肝脏区域。结论分水岭算法能准确定位区域的边缘,通过选择合适的阈值对梯度图像进行标记以抑制分水岭的过分割,实现医学图像中感兴趣区域的自动分割。     

一种基于组合分割思想的尿沉渣图像分割新方法

本研究针对复杂散焦的尿沉渣图像的精细分割,提出了首先使用小波变换和形态学处理消除散焦影响并进行图像的粗分割,然后根据粗分割得到的子图像的情况采用边缘检测或者自适应阈值分割的混合分割方法进行细分割,最后再采用剥离算法处理待分割的粘连重叠成分的分割。该方法不受散焦影响,充分利用了图像的多种信息,因此分割结果准确。实验结果表明,该方法对尿沉渣图像的分割有效且令人满意。     

基于Hilbert-Huang变换的医学超声信号去噪

目的:探求一种基于Hilbert-Huang变换的医学超声信号去噪方法。方法:提出了一种基于Hilbert-Huang变换的医学超声信号去噪方法。首先对含噪超声信号进行经验模式分解,得到各阶IMF分量,然后对高频的IMF分量用阈值方法进行处理,把经过阈值处理的高频的IMF分量和低频IMF分量进行叠加,得到重构的去噪信号。结果:仿真实验表明,基于Hilbert-Huang变换的医学超声信号去噪方法可以有效地降噪。结论:Hilbert-Huang变换的医学超声信号去噪方法在自适应性和先验性方面优于基于小波的去噪方法。     

Adaptive threshold-based block classification in medical image compression for teleradiology

Telemedicine, among other things, involves storage and transmission of medical images, popularly known as teleradiology. Due to constraints on bandwidth and storage capacity, a medical image may be needed to be compressed before transmission/storage. Among various compression techniques, transform-based techniques that convert an image in spatial domain into the data in spectral domain are very effective. Discrete cosine transform (DCT) is possibly the most popular transform used in compression of images in standards like Joint Photographic Experts Group (JPEG). In DCT-based compression the image is split into smaller blocks for computational simplicity. The blocks are classified on the basis of information content to maximize compression ratio without sacrificing diagnostic information. The present paper presents a technique along with computational algorithm for classification of blocks on the basis of an adaptive threshold value of variance. The adaptive approach makes the classification technique applicable across the board to all medical images. Its efficacy is demonstrated by applying it to CT, X-ray and ultrasound images and by comparing the results against the JPEG in terms of various objective quality indices.     

Semi-automatic Methods for Airway and Adjacent Vessel Measurement in Bronchiectasis Patterns in Lung HRCT Images of Cystic Fibrosis Patients

Airway and vessel characterization of bronchiectasis patterns in lung high-resolution computed tomography (HRCT) images of cystic fibrosis (CF) patients is very important to compute the score of disease severity. We propose a hybrid and evolutionary optimized threshold and model-based method for characterization of airway and vessel in lung HRCT images of CF patients. First, the initial model of airway and vessel is obtained using the enhanced threshold-based method. Then, the model is fitted to the actual image by optimizing its parameters using particle swarm optimization (PSO) evolutionary algorithm. The experimental results demonstrated the outperformance of the proposed method over its counterpart in R-squared, mean and variance of error, and run time. Moreover, the proposed method outperformed its counterpart for airway inner diameter/vessel diameter (AID/VD) and airway wall thickness/vessel diameter (AWT/VD) biomarkers in R-squared and slope of regression analysis.     

帕金森病人苍白球神经元放电的自适应阈值检测

自动选取合适的阈值以适应不同信噪比的信号,达到检测神经元放电的目的。依据微电极记录的信号,采用闭环方式自动递归调整阈值,逐次检测神经元放电。对合成的模拟神经放电信号及临床手术中微电极记录的112个病人的神经元放电信号处理,检测出了不同信噪比信号中的神经元放电脉冲,这些放电脉冲反映了神经核团的电生理特征。根据检测的神经元放电,可以对不同神经核团放电特征进行客观定量的分析,准确识别手术中微电极所在的神经核团,对于指导靶点定位具有重要的意义。