基于交叉熵的神经网络在病理图像分析中的应用

目的 探讨利用基于交叉熵的神经网络识别典型病理图像.方法 提取27个宫颈细胞及细胞核的形态学与色度学特征参数并进行标准化处理,运用(SNN)软件对700例宫颈细胞图片进行神经网络分析.结果 细胞按正常、低度和高度鳞状上皮细胞、癌细胞进行分类识别,训练集与测试集识别率分别为98.29%、96.57%.使用相同训练样本数量,识别率高于其他网络模型.结论 该方法可以很好对宫颈细胞进行分类识别,并可应用于其他病理图片定量分析研究.     

基于独立分量分析的肝纤维化超声图像研究

目的研究独立分量分析(ICA)方法在区别肝纤维化疾病中的应用.方法采用FastICA算法,在基于正常肝组织与纤维化肝组织可以看作是独立信源的前提下,对同一病人不同纤维化时期和正常人的超声图像选取局部区域后分别进行独立分量分离.结果FastICA算法可以较快的分离出各组的独立分量,且异常组的独立分量数明显多于正常组.结论对肝纤维化超声图像的独立成分进行分析,并与相应部位的正常肝组织超声图像的独立成分进行比较,是一种值得尝试的新的超声图像分析方法.     

一种用于寻找典型病理图像的聚类分析方法

目的：探讨利用K—medoids聚类分析方法来寻找典型病理图像。方法：对正常、低度和高度鳞状上皮内病变宫颈细胞的51个特征参数进行标准化处理，以消除原始变量数量及量纲影响。运用统计软件R对所有特征参数进行K—medoids聚类分析。结果：对于正常、低度和高度鳞状上皮内病变宫颈细胞的分类正确率分别为91．7％、98．0％和92，0％。作为类中心点的3个病理图片可作为典型病理图片指导临床及教学研究。结论：该方法简单、方便，客观性强，可应用到其他医学领域定量研究。     

妊娠期高血压视网膜血管的计算机图像处理

目的 观察计算机图像处理技术对妊娠期高血压患者眼底图像中视网膜血管的分割结果,探讨妊娠期高血压性视网膜病变的有效诊断方法.方法 选取55例妊娠期高血压患者的眼底图像,35 例血压正常的孕妇的眼底图像作正常对照,借助计算机图像处理技术,对其眼底图像中的视网膜血管进行分割与提取,分析眼底病理变化的特征参数.结果 计算机图像处理技术对正常和病变眼底图像中视网膜血管的分割均较完整,与眼底图像比较,处理后的视网膜血管更清晰、精确,能恰当地描述眼底视网膜血管的特征现象.结论 计算机图像处理技术对高血压患者眼底图像中视网膜血管的分割效果良好,有助于妊娠期高血压患者视网膜病变的临床无损诊断与健康普查.     

医学图像融合算法的应用与研究

目的:不同的医学影像为医生提供不同的医学信息,图像融合技术逐渐成为临床诊断和医学研究的重要手段.方法:本文采用了一种基于不可分离小波框架的图像融合算法.算法首先对已配准的医学图像进行非分离小波分解,把图像分解成低频和高频子图像,针对高频分量和低频分量不同的特点,采用不同的融合规则对其进行融合,最后进行小波逆变换,得到最...     

1种视网膜眼底图像增强的新方法

目的：提高视网膜眼底图像中血管和病灶部位的可视性,便于临床诊断。方法：首先,对采集到的视网膜眼底图像进行数学形态学处理,以弱化背景,使图像得到初步增强;然后,运用有限对比度自适应直方图均衡化算法改善光照不均的现象;最后,利用二维匹配滤波算法进一步强化血管和病灶部位信息,提高血管与背景的对比度。结果：该方法能很好地弱化背景,增强对比度,凸显感兴趣区域,也对视盘区域血管的分割和病灶部位的识别有极大地帮助。结论：该方法可有效地增强正常和病变的眼底图像,辅助医师诊断。     

基于本体的医学图像分析研究

医学图像在临床诊断与治疗中的应用日益广泛,如何有效利用影像管理系统中的大量图像来辅助医生进行分析与诊断,是一个非常重要的问题。传统的基于文本关键字的图像检索方法已不能满足对大型医学图像数据库检索的需要,在分析传统医学图像检索方法不足的基础上,结合模糊本体概念提出一种基于模糊本体的医学图像分析方法。该方法利用模糊本体中隶属度的概念,对查询语句和图像关键词向量空间模型进行模糊本体概念映射和概念相似度计算。实验证明,这一方法具有良好的性能。     

三维图像构建法在肝胆外科研究生教学中的应用

为了更有效地培养研究生对肝脏解剖结构的理解,提高其专业水平,研究生在上级医生的指导下,运用三维图像构建法对手术病人的肝脏病变进行图像构建,构建过程包括阅读CT、MRI图像,手绘三维图像,3D图像制作,手术中拍照,与术前图像进行对比几部分组成。通过立体图像构建的各个步骤和总结报告,研究生得到了锻炼,进行了有针对性的学习,而上级医生通过有针对性的指导教学,也提高了教学水平。     

改进的区域生长法的医院调剂环境下药品图像分割

为了能够对医院调剂环境下的药品图像进行精准分割,进一步提高住院药房设备的自动化水平,本文提出了一种基于药品形状、颜色特性的改进区域生长算法。改进区域生长算法充分利用了传统区域生长算法实时性好和保持边界信息的优点,加入了药品尤其是对胶囊形状、颜色特性的考虑,弥补了传统区域生长算法对于胶囊药品同物双色特性没有很好适应的缺点,有效地解决了药品分割在胶囊药品以及粘连药品图像分割时药品不完整、边界不准确的问题,有助于医院调剂环境下药品图像中数量和种类的识别。     

基于远程会诊的糖尿病视网膜病变图像诊断系统研发和应用

目的：开发远程糖尿病视网膜病变图像诊断系统,提高基层和社区医护人员的诊断水平,解决糖尿病视网膜病变管理的问题。方法：借用互联网计算机辅助诊疗技术,建立糖尿病视网膜病变的眼底图像数据库,采集糖尿病患者的眼底图像,进行分析对比,给出图文诊断报告。结果：开发了一套远程糖尿病视网膜病变图像诊断系统,在我院医疗联合体成功应用。结论：利用此系统利于基层医生全面掌握糖尿病视网膜病变诊疗技术,为降低盲残人群做出贡献。     

Automated Bleeding Detection in Capsule Endoscopy Videos Using Statistical Features and Region Growing

Wireless Capsule Endoscopy (WCE) is a technology in the field of endoscopic imaging which facilitates direct visualization of the entire small intestine. Many algorithms are being developed to automatically identify clinically important frames in WCE videos. This paper presents a supervised method for automated detection of bleeding regions present in WCE frames or images. The proposed method characterizes the image regions by using statistical features derived from the first order histogram probability of the three planes of RGB color space. Despite being inconsistent and tiresome, manual selection of regions has been a popular technique for creating training data in the studies of capsule endoscopic images. We propose a semi-automatic region-annotation algorithm for creating training data efficiently. All possible combinations of different features are exhaustively analyzed to find the optimum feature set with the best performance. During operation, regions from images are obtained by applying a segmentation method. Finally, a trained neural network recognizes the patterns of the data arising from bleeding and non-bleeding regions.     

Bleeding Detection in Wireless Capsule Endoscopy Based on Probabilistic Neural Network

Wireless Capsule Endoscopy (WCE), which allows clinicians to inspect the whole gastrointestinal tract (GI) noninvasively, has bloomed into one of the most efficient technologies to diagnose the bleeding in GI tract. However WCE generates large amount of images in one examination of a patient. It is hard for clinicians to leave continuous time to examine the full WCE images, and this is the main factor limiting the wider application of WCE in clinic. A novel intelligent bleeding detection based on Probabilistic Neural Network (PNN) is proposed in this paper. The features of bleeding region in WCE images distinguishing from non-bleeding region are extracted. A PNN classifier is built to recognize bleeding regions in WCE images. Finally the intelligent bleeding detection method is implemented through programming. The experiments show this method can correctly recognize the bleeding regions in WCE images and clearly mark them out. The sensitivity and specificity on image level are measured as 93.1% and 85.6% respectively.     

基于模糊核聚类的MR图像分割新算法

在传统的模糊聚类算法中引入了核函数,同时引入了控制邻域作用的约束项,提出了改进的基于模糊核聚类的MR图像分割新算法.通过对模拟图和仿真的脑部MR图像的分割实验,证明本算法可以有效地分割含有噪声的图像.     

低剂量脑灌注CT图像恢复方法:基于先验图像约束扩散张量

目的 为减少脑灌注CT检查的辐射剂量,本文提出了一种基于先验图像约束扩散张量的低剂量脑灌注CT图像恢复方法。方法 脑灌注CT图像之间存在丰富的结构冗余信息,高质量的先验图像可以作为结构互补信息引入到低剂量脑灌注CT图像恢复过程中,抑制低剂量脑灌注CT图像中的噪声和伪影。首先,分别计算出先验图像和低剂量脑灌注CT图像的扩散张量,然后构造先验图像约束的扩散张量,并利用新构建的扩散张量对低剂量脑灌注CT图像进行滤波。结果 在数值体膜实验中,本文方法得到的CBF参数图像的SSIM值与FBP算法相比提高了63%。在临床实验中,本文方法得到的CBF参数图像的SSIM值 与FBP算法相比提高了45%。结论 数值体膜和临床数据实验结果表明本文方法在抑制低剂量脑灌注CT图像噪声和伪影的同时可以保持图像的结构细节特征,并且可以获取准确的脑血流动力学参数图像。     

马尔可夫随机场在弥散张量磁共振图像分割方法中的应用

本文利用弥散张量磁共振成像(DT-MRI)的弥散张量信息,引入Frobenius范数,提出了一种基于马尔可夫随机场(MRF)的DT-MRI图像分割新算法.本文实验分别使用该算法和K均值算法对DT-MRI图像进行分割,并将分割结果与FA图像予以评估比较.结果 表明,新算法分割DT-MRI图像的精确度高于K均值算法.另外,新算法分割DT-MRI图像效果优于常规MRI(T2WI)图像.     

An Improved Brain Image Classification Technique with Mining and Shape Prior Segmentation Procedure

The shape prior segmentation procedure and pruned association rule with ImageApriori algorithm has been used to develop an improved brain image classification system are presented in this paper. The CT scan brain images have been classified into three categories namely normal, benign and malignant, considering the low-level features extracted from the images and high level knowledge from specialists to enhance the accuracy in decision process. The experimental results on pre-diagnosed brain images showed 97% sensitivity, 91% specificity and 98.5% accuracy. The proposed algorithm is expected to assist the physicians for efficient classification with multiple key features per image.     

浅谈基于matlab的图像拼接技术在医学图像处理中的应用

医学拼接在医学影像研究中有着广泛的应用。利用图片对器官整体研究时,需要将具有重叠区域的多源信道所采集到的关于同一器官的图像进行图像配准、图像融合等图像拼接技术处理,生成一副关于器官的立体影像图。本文讨论了医学图像处理中图像拼接的几种基本算法。每种图像拼接算法在图像处理中都有各自不同的处理效果,各有优、缺点。在实际使用中,根据不同的情况采用不同的拼接算法,以达到更好的效果。     

Energy Spectrum CT Image Detection Based Dimensionality Reduction with Phase Congruency

The image feature detection is widely used in image registration, image stitching and object recognition. The feature detection algorithm can be applied to the detection of artificial images, and can be used to detect the energy spectrum CT image. A new algorithm of phase consistency detection based on dimensionality reduction is proposed in this paper. We mainly focus on the phase congruency of the spectral CT images in the paper and try to use dimensionality reduction to integrate the information of phase congruency detected in the image. The experimental results show that the algorithm can detect the energy spectrum CT image with clear edge and contour, which is beneficial to the subsequent processing. Meanwhile, the algorithm presented is more effective in diagnosis of disease for medical professionals.     

基于自适应非线性拉伸的DR胸片图像处理

目的本文首先对目前的DR图像处理技术进行总结,并分析胸片图像的特殊性,针对目前图像处理算法对胸片图像处理的不足,提出了一种自适应非线性拉伸的DR胸片图像处理算法。方法该算法在对图像进行增强、均衡、去噪之后,根据图像的统计信息确定感兴趣区,然后利用非线性变换LUT表对图像进行变换。结果在实验部分对Hologic DR探测器产生的图像进行处理,胸片图像细节突出。结论结果表明应用本文算法进行处理后,胸片的感兴趣区对比度增加,细节信息更丰富,更有利于医生进行诊断。