基于法线特征匹配的主动脉弓动态图像测量方法

目的研究主动脉弓动态图像测量的方法。方法提出基于法线特征匹配的主动脉弓边界动态跟踪方法,首先通过手动选点和曲线拟合的方法确定第一帧图像的边界,从而克服了阈值分割法的边界不连续的缺点,然后使用法线特征匹配的方法对主动脉弓序列图像进行边缘检测,得到平滑的主动脉弓边界曲线,实现了主动脉弓序列图像的动态跟踪。结果准确测量了主动脉弓的运动变形参数。结论成功得出了主动脉弓的运动变形规律,为主动脉弓的有限元计算打下了良好的基础。     

基于活动轮廓模型的冠状动脉血管段运动跟踪

提出一种新的冠状动脉血管二维运动分析方法,采用活动轮廓(snake)模型技术,对X射线冠状动脉造影图像序列中的血管段进行运动跟踪。把前一帧中snake的停留位置作为当前帧snake的初始位置,通过snake变形得到当前时刻的血管中心线。通过在snake能量函数中嵌入灰度相似度匹配,保证了跟踪结果的准确性。采用临床采集的冠脉造影图像序列对算法进行了验证。     

组织化学染色与免疫电镜双标记方法在检测大鼠脑干前包钦格复合体细胞色素氧化酶活性中的应用北大核心CSCD

目的研究脑干前包钦格复合体(pre-B9t C)细胞色素氧化酶(COX)的活性变化。方法采用COX的组织化学染色与pre-B9t C的标记物神经激肽1受体(NK1R)纳米金-银加强免疫组织化学染色双标法,进行pre-B9t C特定神经核团尤其是不同亚细胞结构的COX活性检测,并进行COX活性的半定量分析。结果光镜下NK1R免疫反应性(NK1R-ir)产物主要分布于pre-B9t C神经细胞膜,清晰勾勒神经元轮廓,COX组织化学染色呈棕色,弥漫表达于NK1R-ir神经元胞质及突起内。电镜下NK1R-ir金颗粒主要分布于pre-B9t C神经元胞体和树突膜内表面,胞质内也可见金颗粒标记。pre-B9t C神经元不同亚细胞结构(胞体、轴突终末、树突)线粒体的形状和分布均有不同,在胞体和轴突终末线粒体多为圆形和椭圆形,在树突则以长杆状线粒体多见,胞体线粒体多为管泡状嵴,而板层嵴线粒体以轴突终末和树突多见。轴突终末内线粒体多聚集分布,树突内线粒体多近胞膜散在分布,但在突触部位,线粒体分布密集,且局部膨大接近突触后膜,这与突触的信息传递功能需要大量ATP产生密切相关。COX活性反应产物分布于线粒体嵴上,线粒体嵴电子密度不同表明COX活性不同。轴突终末和树突线粒体COX活性明显高于胞体。结论 pre-B9t C神经元不同亚细胞结构能量代谢不同,其中轴突终末和树突线粒体COX活性明显高于胞体,尤其突触部位线粒体分布密集,且表达高COX活性。将COX组织化学技术和免疫电镜技术相结合,为检测区域性COX活性,尤其是区域内不同亚细胞结构的COX活性提供了新方法。     

基于活动轮廓模型的序列超声图像的心内壁运动跟踪方法

提出一种对心脏序列超声图像中的心内壁进行运动跟踪的方法,采用活动轮廓模型将前一帧图像中snake的停留位置作为当前帧snake的初始位置,选择适当的能量函数,使能量函数最小snake变形得到当前时刻的心内壁轮廓,实验结果论证了该算法的可行性.     

培养神经元发育过程的计算机辅助定量分析方法的研究

本文提出了一种使用微计算机定量分析体外培养神经元生长、发育过程的方法。首先,将培养神经元发育的动态过程成象并量化后送入计算机,再从该数字图象序列中逐帧分割出神经元细胞体,提取轴突和树突,经整理和压缩后,得到二值化的神经元图象序列,然后对表征细胞发育特征的形态参数,进行测量和分析。以出生不久的小猫脊髓神经元为实验样本,用本方法作了实验,实验结果与文献报道的相吻合。计算机用于培养神经元发育过程的定量分析具有速度快,精度高和客观性强的特点。     

三种组织线粒体对小鼠原代神经元存活及轴突再生的影响

目的:比较研究肝脏、心肌和骨骼肌来源的线粒体对小鼠原代神经元存活及轴突再生的影响。方法:采用差速离心法分别提取C57BL/6小鼠肝脏线粒体、心肌线粒体和骨骼肌线粒体。分离和培养孕14～17 d的C57BL/6胎鼠大脑皮质神经元，培养7 d后进行划痕损伤，然后分别加入等量的三种组织来源线粒体进行共培养。采用末端脱氧核苷酸转移酶介导的dUTP原位缺口末端标记法(TUNEL)、活细胞碘化丙啶(PI)标记观察神经元死亡。采用Western Blot和免疫细胞化学染色检测神经元中生长相关蛋白43(GAP-43)的表达。采用分光光度计测量线粒体体复合体酶活性和ATP水平。结果:TUNEL染色、PI染色显示：三种线粒体处理后，肝脏线粒体处理组的神经元死亡最少，提示肝脏线粒体的促神经元存活能力最强。肝脏线粒体处理组神经元GAP-43的表达水平最高。进一步分析发现：相同数量的肝脏线粒体产生更高水平的ATP。并且肝脏线粒体可显著促进神经元线粒体呼吸链复合体酶的活性。结论:与心肌线粒体、骨骼肌线粒体相比，肝脏线粒体具有更强大的促神经元存活和促轴突再生的能力，可用于体内线粒体移植修复神经损伤。     

冠状动脉血管的二维提取和运动跟踪

提出了一种基于图像脊提取和snake模型的复合式方法来实现X射线造影图像序列中冠状动脉血管的二维提取和运动跟踪,并分别对临床采集图像序列和模拟图像进行了实验.结果说明,与经典模型相比本算法自动化程度和精度都提高许多.     

线粒体运输蛋白HUMMR促进低氧环境中大鼠神经元轴突生长

目的:探讨低氧环境对神经元轴突生长的影响及低氧诱导的线粒体运输调节蛋白(HUMMR)在其中的作用。方法:将来源于SD大鼠的原代培养海马神经元放置在5%低氧培养箱中培养，利用免疫荧光染色方法观察神经元轴突生长情况，通过转染线粒体定位质粒pDsRed2-Mito观察神经元中线粒体运输，Western Blot检测HUMMR的表达情况。结果:在5%低氧暴露7 d后，低氧组神经元轴突长度显著高于对照组；神经元中线粒体轴突运输数量和速度都显著增多，尤其轴突逆向运输数量显著多于对照组；Western Blot显示HUMMR蛋白表达升高。结论:低氧环境培养可以促进神经元轴突生长，HUMMR蛋白表达增高，促进线粒体轴突逆向运输功能，可能是促进神经元轴突生长的重要机制之一。     

一种快速数字化重建放射摄影成像算法

为了实现虚拟模拟 (VirtualSimulation)与虚拟放射摄影 (VirtualRadiograph) ,提出一种由序列断层图像进行数字化重建放射摄影图像 (DigitallyReconstructedRadiographs DRRs)的快速射线跟踪算法。利用CT数据模拟人体组织对辐射线的吸收规律 ,采用三维Bresenham直线算法进行射线跟踪 ,无需解方程求交点 ,算法只包含加减运算 ,计算速度快 ,缩短了成像时间     

基于非线性估计的CBCT几何标定算法

针对传统的几何标定算法由标定模体位姿误差导致的CBCT成像系统参数标定精度不高的问题,提出一种基于解析几何和非线性优化的CBCT几何标定算法。首先,设计一种插帧追踪的方法,提取特征点的坐标,使得标定模体与投影图像中的特征点实现一一对应。然后,利用投影图片与设计的标定模体之间的空间几何关系,计算相关参数。最后,对检测的特征点进行非线性估计,进一步提高几何参数的计算精度。仿真数据实验表明,本文算法能够较为精确地计算出CBCT成像系统的几何参数,并在标定模体出现位姿偏差时仍然保持较高的计算精度。通过非线性估计模型,本文所提出的算法突破了现有算法标定模体位于等中心点的限制,提高了CBCT成像系统中参数标定的精度。     

Analysis of adductors angle measurement in Hammersmith infant neurological examinations using mean shift segmentation and feature point based object tracking

This paper presents image and video analysis based schemes to automate the process of adductors angle measurement which is carried out on infants as a part of Hammersmith Infant Neurological Examination (HINE). Image segmentation, thinning and feature point based object tracking are used for automating the analysis. Segmentation outputs are processed with a novel region merging algorithm. It is found that the refined segmentation outputs can successfully be used to extract features in the context of the application under consideration. Next, a heuristic based filtering algorithm is applied on the thinned structures for locating necessary points to measure adductors angle. A semi-automatic scheme based on the object tracking of a video has been proposed to minimize errors of the image based analysis. It is observed that the video-based analysis outperforms the image-based method. A fully automatic method has also been proposed and compared with the semi-automatic algorithm. The proposed methods have been tested with several videos recorded from hospitals and the results have been found to be satisfactory in the present context.     

3D Elastic Registration of Ultrasound Images Based on Skeleton Feature

INTRODUCTION The development of3D imaging has attracted great attention in the field of med-ical imaging by recent years.A majority of investigations in ultrasound imaging sys-tem have also focused on3D ultrasound image reconstruct system.All those recon-struct system based on recombination of2D images has a same condition that spatialposition of object being scanned remains unchanged as time passed by.Only in thisway,3D figure of human’s organ can be reconstructed by2D images obtained…     

基于超声图像的乳腺钙化点自动检测技术

当前乳腺钙化点检测方法多基于X光片,难以应用于超声图像,本研究提出基于超声图像的乳腺钙化点自动检测技术,首先将乳腺超声图像中的肿瘤区域通过勾画模板提取出来,基于简单线性迭代聚类算法进行超像素分割;然后提取表征各超像素的特征量来计算显著性图,基于钙化区域显著性进行粗钙化点分割;最终对分割后的粗钙化点进行形态学检测,达到对超声图像中的细钙化点自动检测。该方法取得了较好的分割效果,具有较强的鲁棒性,为形成具有普适性的肿瘤自动诊断方案奠定了研究基础。     

基于视觉感光层功能的菌落图像多强度边缘检测研究

借鉴视觉神经系统在轮廓感知中的独特优势,提出一种基于视觉感光层功能的图像边缘检测新方法。构建以带漏感的积累发放（LIF）神经元电生理模型为基本单元的神经元网络;根据特定时间窗口内各个神经元的脉冲发放情况,对神经元的增强(ON)或抑制(OFF)类别进行判断;通过拮抗式感受野特性以及神经元激励的反馈增强模式,实现弱边缘的凸显;为克服视觉感光层所具有的适应性并凸显弱细节的对比度,对图像进行多方向、多距离尺度的移动,并融合感光层神经元网络脉冲发放率的差异信息,最后实现图像边缘的有效检测。以具有丰富边缘特性的20幅菌落图像为样本,以边缘置信度和重构相似度作为评价指标,对多强度边缘进行检测。结果表明,所提出方法可以有效完整地检测出图像多强度边缘,且其对弱边缘检测的重构相似度均值高于08,检测准确性有显著的提高(P<005)。所提出的利用生理视觉系统特性进行边缘检测,为包含多强度边缘信息的图像处理提供崭新的思路。     

基于边缘特征点匹配的临床X线自动全景成像研究

目的：本文提出了一种基于边缘特征点匹配的X线自动全景成像方法。方法：一,采用双正交小波变换与Canny算子相结合的算法实现X线图像的有效边缘提取,并通过矩阵计算得到特征点;二,利用Pearson相关系数和随机抽样一致算法来建立图像之间的相关性和匹配性;三,利用渐入渐出的融合算法实现X线无缝全景成像。结果：该算法可快速高质量地实现骨科临床无外部特征的X线图像序列全景拼接。结论：该算法对弱对比度的X线图像序列全景拼接具有很强的鲁棒性,允许X线图像序列之间存在较小的图像旋转和缩放差异,有助于减少X线使用剂量,具有较强的应用价值。     

An extended Kalman filter for mouse tracking

Animal tracking is an important tool for observing behavior, which is useful in various research areas. Animal specimens can be tracked using dynamic models and observation models that require several types of data. Tracking mouse has several barriers due to the physical characteristics of the mouse, their unpredictable movement, and cluttered environments. Therefore, we propose a reliable method that uses a detection stage and a tracking stage to successfully track mouse. The detection stage detects the surface area of the mouse skin, and the tracking stage implements an extended Kalman filter to estimate the state variables of a nonlinear model. The changes in the overall shape of the mouse are tracked using an oval-shaped tracking model to estimate the parameters for the ellipse. An experiment is conducted to demonstrate the performance of the proposed tracking algorithm using six video images showing various types of movement, and the ground truth values for synthetic images are compared to the values generated by the tracking algorithm. A conventional manual tracking method is also applied to compare across eight experimenters. Furthermore, the effectiveness of the proposed tracking method is also demonstrated by applying the tracking algorithm with actual images of mouse.

Open image in new window

Graphical abstract

     

拓扑约束结合匈牙利算法在高密度神经干细胞追踪中的研究

神经干细胞(NSCs)的运动分析是细胞学和生物学研究中重要的组成部分之一,而对大量NSCs同时进行追踪是细胞运动研究的主要难点。为了进一步提高高密度NSCs追踪算法的准确性,本文提出了一种新的基于分割、结合拓扑约束和数据关联的细胞追踪方法。首先针对实验所用的两组细胞图像序列的特点,分别采用了不同的分割方法。然后利用拓扑约束完成相邻两帧中所有细胞的数据关联并建立系数矩阵,最后对该系数矩阵利用匈牙利算法实现细胞的最优匹配,以此模式从序列的前两帧到最后一帧完成细胞追踪。实验结果表明,本文算法与单独利用拓扑约束进行细胞追踪的方法相比,有更好的追踪效果,准确性更高,序列I和序列Ⅱ的最终追踪准确率分别提高了10.17%和4%。     

一种应用于视频眼震分析的瞳孔中心定位方法

为利用眼震红外视频图像进行眼震分析,介绍一种瞳孔中心定位方法。此方法基于形态学和区域连接标记算法,提出了左上邻域方法进行连通图像标记,并对图像进行连通区域分割,再进行连通区域合理校验和连通区域合并,最终得到的瞳孔区域,通过计算获取瞳孔中心位置坐标,实时地把每帧图像得到瞳孔中心坐标通过曲线拟合出来,得到瞳孔的运动轨迹,从而获得临床所期望的诊断信息。眼动实验表明,此瞳孔中心定位算法简单,只需一次扫描图像标记,且定位速度比Hough变换法快一倍,能够满足红外视频眼震分析系统对瞳孔定位的实时性;基于同样的数据源,此方法的定位结果,与一种基于Hough的无现场校准的眼方向检测算法定位结果的相关度为0.975,同样可以获取良好的瞳孔运动轨迹,为眼震分析提供信息依据。     

基于多特征融合跟踪的微小肺结节识别算法

如何在海量的肺部高分辨率CT(HRCT)序列图片中准确识别微小结节(直径为5～10 mm)一直是肺结节计算机辅助检测(CAD)系统的研究重点和难点。本文提出了一种新的微小肺结节识别算法——多特征融合跟踪算法。该算法在处理一个HRCT序列图片时,首先结合大津法和形态学方法获取每一张CT图的肺实质,再通过基于灰度阈值和改进的模板匹配算法提取感兴趣区域(ROI),接着计算ROI的多个有效特征,然后在整个HRCT序列图片中进行ROI的多特征跟踪和融合,最后根据分类规则识别并标出候选肺结节。实验证明,该算法能准确地检测出微小肺结节,且假阳率较低。