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。     

一种快速精确的瞳孔和角膜反射光斑中心定位算法的研究

眼动追踪系统在临床医学中有着重要应用,为提高系统中眼图特征值的识别率,创新性地提出一种双层过滤的瞳孔中心和角膜反射光斑中心的定位算法。瞳孔中心定位算法首先对获取的眼睛图像二值化处理,然后以100～300为阈值设定轮廓点数,进行第一次瞳孔过滤,最后用最小二乘法椭圆拟合瞳孔轮廓,并将最接近圆的轮廓作为瞳孔轮廓,继而得到瞳孔中心。在此基础上,进一步对瞳孔中心一定范围内的眼图进行边缘检测,求其轮廓,并找出轮廓的外接矩形中心,然后以瞳孔中心为基点进行坐标转换,最终求出角膜反射光斑中心。算法在一定程度上缩小图像处理的区域,提高实时性和反射光斑的识别率。实验结果表明,所设计的算法能够实时地对不同情况下的瞳孔和角膜反射光斑中心进行准确定位,瞳孔-角膜反射向量坐标最大均方差低于0.74像素,平均误差低于0.53像素。算法运行速度达到12.8 ms/帧。算法满足精确性的同时具有很强的鲁棒性,为后续眼动设备的开发提供重要的参考价值。     

一种基于图像分割的视频眼震图记录新方法

传统眼震图记录技术是通过皮肤电极引导微弱的角膜、视网膜电位差以间接地观测眼球运动位移参数。本研究提出了一种基于图像分割的视频眼震图记录新方法，通过摄像单元对眼球震颤的视频采集，对运动图像进行瞳孔图像分割，而后获取瞳孔图像的一个定点在定坐标系下的坐标值，从而实现对眼球的运动轨迹的记录。实验结果表明，与传统的眼震图记录的方法相比，该方法使眼震图记录的准确性、精确度和可靠性方面具有明显优势，能为临床诊断提供更丰富的信息依据。     

基于角膜地形图的泪膜视频预处理

在基于角膜地形图的泪膜稳定性评估中,针对眼动、睫毛反射和背景干扰,本文提出了一种泪膜视频的预处理算法。首先,利用索贝尔算子(Sobel operator)进行模糊图像检测,然后对灰度图像进行形态学开运算以获取环状图样凸显的目标图像,再通过霍夫圆检测以及快速傅里叶变换提取目标图像的环状图样频率,依据环状图样频率对目标图像进行带通滤波。最后,二值化及形态学闭运算用于确定环状图样区域。本文从数据库中随机选取10段泪膜视频,应用上述算法逐帧进行泪膜图像处理。实验结果表明,该算法有效地去除了视频序列中的无效图像,并实现了环状图样的定位,为后续泪膜稳定性的评估奠定了基础。     

基于Canny算子与数学形态学的细胞边缘提取

我们讨论了一种基于Canny算子和数学形态学的细胞图像的边缘提取方法.先用Canny算子进行细胞图像边缘的提取,再运用数学形态学作膨胀操作,即对图像边缘的断裂情况进行填充;之后对细胞图像内部的孔隙进行填充;最后再进行数学形态学的平滑处理.实验仿真结果表明,该方法优于传统的微分算子及进行Canny算子的边缘检测,为后续的特征提取、目标识别等研究奠定了较好的基础.     

基于形态学去噪的兔眼相干光断层成像中角膜形态自动识别

目的对兔眼相干光断层成像(optical coherence tornography,OCT)中的角膜边缘识别进行研究,以期从不具有较高清晰度的图像中自动获得角膜边缘以及相关形态学参数。方法首先利用Otsu算法对兔眼OCT图像进行二值化,并以半径为5像素的圆盘形结构元素进行形态学去噪运算消除内部伪边缘,通过Canny算子获得角膜边缘图像;然后使用筛选过错误边缘点后的其余边缘点进行边缘的二次曲线一般方程的曲线拟合,求出各点曲率半径;最后用克朗巴哈系数法与人工描绘的边缘获得的相应点的曲率半径进行一致性检验。结果基于形态学去噪的Canny算法获得了较为连续平滑的角膜内外边缘曲线,与手工标点拟合曲线求出的曲率半径值具有较高的一致性(Cronbach’sα=0.953,P0.05)。结论基于形态学去噪的Canny算法可以较为准确地对OCT图像中的兔眼角膜的形态进行识别。     

眼底图像中硬性渗出物检测算法

目的利用眼底图像中硬性渗出物(hard exudates,HE)的亮度与边缘特征,提出一种基于Canny边缘检测算法与形态学重构相结合的HE自动检测方法,以解决目前算法灵敏度低、检测结果中视盘和血管的干扰等问题,对糖尿病视网膜病变(diabetic retinopathy,DR)的自动筛查具有重要意义。方法检测算法包括4个步骤。步骤一,图像预处理,主要包括RGB通道选取、基于形态学的图像对比度增强。步骤二,视网膜图像关键结构的消除,利用基于Gabor滤波的血管分割方法,消除血管边缘对HE检测的影响。将本文视杯分割算法应用在眼底图像红色通道上实现视盘自动分割,消除视盘及其边缘对HE检测的影响。步骤三,利用改进的Canny边缘检测算法和形态学重构方法对HE进行提取。步骤四,基于形态学的图像后处理,消除眼底图像边缘部分假阳性区域。最后利用该算法测试公开数据库中的40幅图像(35幅HE病变图像,5幅正常图像)。结果该算法对基于病变的灵敏性(sensitivity,SE)和阳性预测值(positive predictive value,PPV)分别为93.18%和79.26%,基于图像的灵敏性、特异性(specificity,SP)和准确率(accuracy,ACC)分别为97.14%、80.00%和95.00%。结论与其他方法对比,基于Canny边缘检测算法与形态学重构相结合的HE自动检测算法具有较好的可行性。     

基于Contourlet变换和PCNN的CT图像椎体解剖轮廓特征提取方法的研究

提出一种新的基于Contourlet变换和脉冲耦合神经网络(PCNN)的医学图像解剖轮廓特征提取算法。首先对原始椎体CT图像进行Contourlet变换,得到能稀疏表示图像边缘以及方向信息的子带和低频子带;然后结合PCNN对低频子带进行边缘轮廓细节提取,最后利用处理后的所有子带系数,通过Contourlet逆变换,提取出图像的边缘轮廓。实验将本算法提取的结果与Canny算子、区域生长法以及结合小波变换和PCNN的算法提取的图像边缘轮廓进行比较,结果表明新算法能够有效的实现医学图像解剖结构轮廓特征的提取。     

一种改进的Canny边缘检测算法

针对经典Canny边缘检测算法的一些问题,提出一种既具有较好的抗噪声能力又能自适应提取较多边缘细节改进的Canny边缘检测算法。该算法思想是先进行图像的预处理,包括基于模糊数学方法去除背景噪声的干扰,利用中值滤波和高斯平滑滤波去除图像中的随机噪声。然后,通过差分方法获得图像中各像素点的梯度矢量和梯度幅值,采用非极大值抑制方法获得极值点。最后,基于最大熵自动获取阈值,根据极值点图像和阈值得到边缘图像,使用边缘跟踪算法将不连续的边缘连接起来,并去除孤立噪声点。实验结果表明:改进算法所获得的边缘图像平均提高8 dB,与传统方法相比,可获得更加连续的边缘和更少的噪声点。     

基于数学形态学的血液细胞图像边缘提取

根据血液细胞边缘附近的灰度分布梯度较大的特性,运用数学形态学对缺铁性贫血的血涂片上的血细胞进行图像的边缘提取.并对原始图像分别用Sobel算子、Laplacian算子、LOG算子以及局部阈值法进行边缘检测,实验结果表明,基于数学形态学的边缘提取算法对于血液细胞图像边缘提取有很好的效果.     

一种基于ITK脑部MRI混合分割方法的设计与实现

背景：由于脑部MR图像中信息对比度不高,各种脑部组织的形状复杂等特点,分割方法的选择比较困难,单一的算法很难获得满意的分割结果。 目的：针对脑部MRI的特点综合利用现有的算法开发和定制有效的分割应用算法。 方法：根据邻域连接和Canny水平集分割算法的优缺点,结合图像特征,用邻域连接方法的分割结果作为Canny水平集分割算法的先验分割模型,借以确定出Canny算法的下限阈值,从而完成两种算法的混合分割。 结果与结论：采用实验所用混合方法得到的白质和灰质的分割结果,经与专家手工分割结果对比,证明该方法取得了较好的分割效果,从而证明综合利用现有的算法,不仅避免了重复劳动,还能开发和定制出更加有效的分割应用算法,具备很好的应用潜力。     

基于CT图像的颅内血肿检测与分割

目的:为提高血肿分割精度,提出一种基于改进Canny算子的颅内类血肿噪声检测方法。方法:首先用区域生长算 法分割出颅脑组织,去掉颅骨等干扰信息。然后使用基于改进Canny边缘检测的方法检测颅脑边缘类血肿噪声,并与原 图像进行与运算消除该噪声。最后,通过使用OTSU适应度函数的遗传算法精准分割出颅内血肿。结果:该方法在随机 抽取的200例颅脑血肿图像中,血肿检测的准确率达到96.3%,Dice相似度达到93.5%。结论:该方法能准确、有效地检测 并分割出颅内血肿。     

全方向M型心动图中非功能运动的分离和修正

由于受到血液的冲击和周围肌肉的牵拉,B超探测到的心脏运动包含了功能性和非功能性两种运动,由此获得的心动波形图不能准确反映心脏的功能。首先采用改进的Canny算法并辅以改进的径向灰度搜索算法提取左心室短轴轮廓,然后使用基于傅里叶描述子的运动提取方法和质心主轴法获取心脏的非功能性运动,并从复合运动中剔除非功能性运动。基于该方法得到的心动曲线消除了心动波形图中的多线、偏移和被平滑等现象,经修正后的采样方向线能够跟随心脏特定结构的各方向平移,没有出现心动曲线随非功能运动位移和特征点失落等情况,可更准确地反映心脏结构特定部位的功能性运动。     

基于CT医学图像的边缘提取研究

为了实现人体器官的三维重建,如何准确、有效地提取二维医学图像的边缘成了首要解决的问题.我们提出一种新的图像边缘提取方法,该方法先将原始CT图像二值化,然后利用数学形态运算对二值化图像进行预处理,最后利用Canny算子提取图像边缘.通过肾脏CT图像边缘提取结果表明,该方法简单、高效、性能优越.     

Development of a fully automatic scheme for detection of masses in whole breast ultrasound images

Ultrasonography has been used for breast cancer screening in Japan. Screening using a conventional hand-held probe is operator dependent and thus it is possible that some areas of the breast may not be scanned. To overcome such problems, a mechanical whole breast ultrasound (US) scanner has been proposed and developed for screening purposes. However, another issue is that radiologists might tire while interpreting all images in a large-volume screening; this increases the likelihood that masses may remain undetected. Therefore, the aim of this study is to develop a fully automatic scheme for the detection of masses in whole breast US images in order to assist the interpretations of radiologists and potentially improve the screening accuracy. The authors database comprised 109 whole breast US imagoes, which include 36 masses (16 malignant masses, 5 fibroadenomas, and 15 cysts). A whole breast US image with 84 slice images (interval between two slice images: 2 mm) was obtained by the ASU-1004 US scanner (ALOKA Co., Ltd., Japan). The feature based on the edge directions in each slice and a method for subtracting between the slice images were used for the detection of masses in the authors proposed scheme. The Canny edge detector was applied to detect edges in US images; these edges were classified as near-vertical edges or near-horizontal edges using a morphological method. The positions of mass candidates were located using the near-vertical edges as a cue. Then, the located positions were segmented by the watershed algorithm and mass candidate regions were detected using the segmented regions and the low-density regions extracted by the slice subtraction method. For the removal of false positives (FPs), rule-based schemes and a quadratic discriminant analysis were applied for the distribution between masses and FPs. As a result, the sensitivity of the authors scheme for the detection of masses was 80.6% (29/36) with 3.8 FPs per whole breast image. The authors scheme for a computer-aided detection may be useful in improving the screening performance and efficiency.     

用自适应血管边缘检测方法自动跟踪测量血管自律运动

为实现以视频速度实时测量，建立一条与血管轴向垂直且在血管径向覆盖血管边缘的测量线作为采样窗口。通过对该测量线光密度分布的分析得到一个可逐帧自适应光密度变化的动态阈值，根据血管边缘区域内光密度曲线的形态特征和管径动态变化的可能范围来判定微血管边缘。建立多项判定规则提高边缘测定的精度并跳过非边缘区以加快处理速度。为进一步提高这种边缘测定的可靠性，在原图像上叠加一个与被测血管边缘位置相一致的动态图形指示。实用结果发现：即使在微血管图像背景复杂和反差较弱的情况下，这种采用自适应阈值和多项判别规则的微血管边缘动态检测方法仍能完成对微血管自律运动的自动跟踪测量     

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。