结合蚁群算法的Snake模型的医学图像分割方法

图像分割是医学图像处理中一个网难而又极其重要的课题.本文提出一种新的结合Snake模型和蚁群算法的图像分割算法.Snake模型是一种将目标的轮廓模型与图像特征相匹配的分割方法,而蚁群算法可以帮助人们理解生物系统的原理以及在机器人技术、计算机图形学等领域已经得到广泛应用.本文在结合已有Snake模型和蚁群算法优点的基础上,提出了新的图像蚁群分割模型.实验结果表明,本文提出的分割方法能够比较好的保留图像的细节信息,并具有一定的抗噪声能力.     

基于Mean Shift的三维医学图像交互式分割方法

目的：提出一种新的三维医学图像交互式分割方法,利用Mean Shift算法将空间域与特征域相结合的高维计算优势,直接对图像的三维空间分布信息进行处理,同时采用人工与计算机相结合的交互式分割方法在医学图像序列上分割出感兴趣区域。方法：通常将Mean Shift方法用于图像分割都需要对整幅图像中的所有像素点进行大量的迭代计算,这样使得分割效率很低。而本文基于交互式分割算法原理,通过在感兴趣区域人工设定一个或少数几个初始点,利用人工给出的先验信息只需对感兴趣区域进行Mean Shift的自适应迭代计算和处理,不仅可以克服上述缺陷,还能得到较为精确的分割结果。结果：本文根据该方法进行了实验,从肺部图像序列中准确地分割出了三维的肺结节区域,从时间上和准确度上均能满足临床需求。结论：实验结果证明该交互式分割方法是一种非常有效的三维医学图像分割方法。本文的方法可以同时联合灰度域和空间域特征实现分割,而且它基于所选择的分割特征还具有任意多维空间联合分割的潜力,不失为一种深有发展前景的三维交互式分割方法。     

一种利用直方图特征峰的肾小球图像分割方法

根据肾小球医学图像的特点 ,提出了一种新的基于直方图特征峰的图像分割方法。通过定位图像的特征峰 ,从而有效地对肾小球医学图像进行阈值化。经实验证明 ,本文提出的算法能快速、准确地分割肾小球图像。     

一种利用直方图特征峰的肾小球图像分割方法

根据肾小球医学图像的特点,提出了一种新的基于直方图特征峰的图像分割方法。通过定位图像的特征峰,从而有效地坚小球医学图像进行阈值化。经实验证明,本提出的算法能快速、准确地分割肾小球图像。     

多尺度MRI断层图像特征提取新技术研究

由于医学图像本身信号噪声大，边缘呈弱信号特征，用传统的图像边缘检测算法提取图像特征常会将图像中的噪声作为边缘提取，不能准确地反映医学图像中有价值的信息(如病灶大小等)。现提出一种改进算法，此法以现有的小波模极大值特征提取算法为基础，利用模糊理论确定隶属函数，提取弱信号边缘并用多尺度融合理论边缘点合成。结果表明，此方法在提取MRI图像特征的同时，可有效地抑制噪声，有助于剔除图像的伪边缘，准确定位图像边缘信息，有利于图像分割重建，便于医生根据图像确定病灶或组织的位置大小等。     

基于射线距离误差的三维医学图像分割的新型评价方法

三维医学图像的分割是计算机辅助诊断与治疗中至关重要的技术。由于现有的三维医学图像分割算法种类繁多且性能各异,对各种分割算法性能公正直观的评价显得尤为重要。我们在对现有常用评价方法做出综合的比较后,提出了一种基于局域距离误差的综合、直观的三维图像分割的新型评价方法,并详细描述了该评价方法中局域误差和全局精确度的评价法。最后,利用这种新型的评价方法对三种常用的分割算法(Fast Marching,Morpholo-gical Reconstruction and Watershed)及一种笔者提出的新型Hybrid算法进行评价,此新型分割算法也在文中作了简要介绍。通过实验,可以验证新的评价方法能够更加科学、直观地对各种三维医学图像分割算法进行评价。     

一种基于生成对抗网络的无监督域自适应磁共振图像分割方法EI北大核心CSCD

智能医学图像分割方法正在快速地发展和应用,但面临着域转移挑战,即由于源域和目标域数据分布不同导致算法性能下降。为此,本文提出了一种基于生成对抗网络(GAN)的无监督端到端域自适应医学图像分割方法。设计网络训练调整模型,由分割网络和鉴别网络组成。分割网络以残差模块为基本模块,增加对特征的复用能力,降低模型优化难度,并将分割损失与对抗损失相结合,在鉴别网络的作用下学习图像特征层面的跨域特征。鉴别网络采用卷积神经网络,并带入源域标签训练,用来区分生成网络的分割结果是来自源域或目标域,整个训练过程无监督。使用膝关节磁共振(MR)图像公开数据集和采集的临床数据集进行实验,与经典的特征级域自适应方法和图像级域自适应方法对比,所提方法的平均戴斯相似性系数(DSC)分别提高了2.52%与6.10%。本文方法有效提高了分割方法的域自适应能力,显著提高了对胫骨和股骨的分割精度,可以较好地解决磁共振图像分割中的域转移问题。     

基于先验的随机游走算法在医学图像分割中的应用

目的:常规的交互式图像分割算法通常只能对单个目标进行分割,或对多个目标的分割比较繁琐。针对该问题,本文期望提出一种基于随机游走算法的改进算法,以实现离散多目标的快速分割。方法:随机游走算法是使用最为广泛的交互式图像分割方法之一,在各类图像的分割中表现良好。而对于目标呈现离散分布的图像,该方法虽然也可以对其进行分割,但需要用户在各个离散的目标区域均选择种子点,因此分割效率低下。针对该问题,本文将初始种子点的灰度信息作为先验,初步估计待分割图像中像素点隶属于各类种子点的概率,并将其作为非图像空间项加入随机游走算法的目标函数,引导图像分割。使用改进方法分别对人工合成图像和临床医学图像进行分割,验证本文算法。结果:改进方法在减少交互的情况下,能有效地对人工合成图像和临床医学图像中的多个离散目标实现全部分割,且分割结果明显优于原始的随机游走算法。结论:本文提出的改进方法能有效地实现离散目标的医学图像分割,并且简化了分割的交互过程。     

基于灰度和形状的非刚性图像配准算法的研究

提出一种新的灰度和形状信息相结合的全自动同模态医学图像非刚性配准-分割算法,将欧氏距离表示的形状信息融入基于灰度的配准算法中,构造出新的代价函数.该算法在医学图像多目标分割的应用中,能够较好地完成灰度相近、边缘模糊、间距较小的不同结构的分割.对5组真实脑部MRI图像进行分割脑深层灰质结构的实验,结果表明,本算法优于基于灰度信息的图像配准算法.     

利用图谱匹配分割标注VHP数据集

利用TT脑图谱中丰富的结构信息,本文提出了一种自动分割脑图像的方法,并将其用于Visible Human数据集（VHD）的脑图像的分割,这种方法可分为两步,首先,将VHD中的脑图像和TT Atlas配准,通过图像和医学图谱的匹配,可以把图谱中存储的拓朴信息直接映射到ＶＨＤ,然后,利用这个预分割的模板对VHD脑图像进行模糊聚类分割,为自动将模板中的结构信息用于分割,本文利用Chamfer距离变换,提出了一中引入形状因子的FCM聚类算法。     

基于医学图像纹理特征的疾病诊断方法及其应用现状

纹理特征是图像分析的重要线索.本文介绍了几种纹理特征提取方法及其在医学领域中应用,在此基础上提出了医学图像纹理分析技术在疾病诊断中面临的重点和难点,并指出了其发展前景.     

儿童孤独症的临床及脑影像学研究

目的：对儿童孤独症的临床特征及脑影像学进行研究。方法：病例确诊依据“中国精神疾病分类方案与诊断标准（修订第二版）”中有关孤独症的诊断标准。临床资料收集来源于病史、躯体检查及精神状况检查。用单光子发射CT检查患儿的脑影像。结果：共确诊患儿86例（男75,女11）,占精神专科门诊人数的3％。他们在孕产期有明确并发症的占27％,4人有阳性家族史。言语发育和交往障碍是所有患儿的核心症状,多数有多动表现,部分患儿还伴有明显的情绪及其它行为障碍。做过头部CT或／和MRI检查的44人中,42例报告无异常。32例完成脑SPECT检查,其中24人（男23,女1）存在局部放射性分布减低,这种异常主要见于大脑皮质的额叶和颞叶,以左侧额叶最为常见。结论：SPECT在反映儿童孤独症的病理生理方面比结构性脑成像更为敏感。本病患儿大脑以质额叶和颞叶存在局部血流灌注或／和细胞功能障碍,以左侧额叶最明显。     

基于内容的医学图像检索

本文介绍了基于内容的医学图像检索的目的、意义和实现方法以及国内外研究现状和关键技术,并对未来的发展方向做了展望。     

肝组织超声图像特征参数与温度相关性研究

热疗过程中对组织温度进行实时无创监测是近年来研究的热点和难点.本文对新鲜离体猪肝进行水浴加热实验并采集超声图像;分析了固定感兴趣区域数字减影图像的灰度直方图、灰度共生矩阵和灰度-梯度共生矩阵特征参数与温度的相关性.分析结果表明,其中灰度均值、灰度标准差、灰度熵;4个方向（0°,45°,90°,135°）上的角二阶矩、对比度、逆差矩、相关;灰度分布不均匀性、能量、混合熵、惯性在26～45℃范围内与温度具有较高的相关性.以上11个图像特征可为选择测温模型参数提供参考,并有望应用于组织高温热疗凝固区检测等实际问题.     

面向情绪脑电分析的增强型功率谱密度特征提取方法

针对功率谱密度在脑电情绪分析中存在特征单一且无法有效表示频率间差异的问题，提出一种增强型功率谱密度特征提取方法，实现对情绪的分析与差异显著性判断。该方法通过脑电信号的α频率功率谱密度得到功率谱密度图像，利用图像特征提取算法提取其颜色特征、纹理特征与相似性特征，再基于相关性准则剔除冗余特征，以差异显著性P值的最小平均值为目标，获得最终的特征子集，从而有效地融合了不同图像特征，最后对被试的情绪进行分析与差异显著性判断。试验结果表明，所提出的方法能够有效量化SEED数据集中被试的情绪差异；在自行设计情绪脑电试验中，与其他方法相比，利用所提出的方法得到的差异显著性值更小，证明了方法的可行性和有效性。     

基于多模态特征融合的脑瘤图像分割方法

针对目前大多数医学图像分割方法难以对多模态图像进行特征融合进而完成精确分割任务的问题,提出一种基于编码器-解码器总体架构的多模态脑瘤图像特征融合策略。首先,编码阶段利用孪生网络对不同模态数据进行特征提取,孪生网络结构参数和权值共享的特性可有效减少网络参数量;其次,在进行特征提取的编码阶段加入级间融合,保留不同模态的共性特征的同时强调其互补特征;然后,在解码阶段引入密集跳跃连接思想,最大程度结合不同尺度特征图的低级细节和高级语义信息;最后,设计混合损失函数,在网络生成的预测图受真值图监督的同时让最高级特征融合图也受同倍下采样真值图的监督。所提方法在公开数据集BraTS2019上进行实验,并用图像分割常用的5种指标进行评估。在脑瘤及水肿区域分割任务中得到平均Dice系数为0.884,阳性预测率为0.870,灵敏度为0.898,豪斯多夫距离为3.917,平均交并比达到79.1%,与较先进的算法U-Net和PA-Net相比多项指标均有提升。实验结果说明,级间融合和层间跳跃连接的加入对多模态医学图像的分割效果有所提升,在医学上对脑肿瘤磁共振图像进行病变区域分割具有重要的应用价值和理论意义。     

基于边界特征的乳腺肿瘤超声图像识别

通过对乳腺肿瘤边界特征的分析，得到边界的特征量似圆度，面积比率，长宽比组成的特征矢量，最后用反向传播人工神经网络（BP）的算法对经病理证实的119幅乳腺良、恶性肿块超声图像进行分类识别。BP神经网络对良、恶性肿瘤正确识别率分别为89．7％、73．5N。量化后的乳腺超声图像肿瘤轮廓特征结合BP神经网络可以比较有效的用于肿瘤的良、恶性识别。     

基于多AGENT技术的CT图像检索

针对众多CT图像,利用多Agent技术,提出了一种新的图像检索方法。首先对原始图像库进行特征提取并分类,建立与类别相关的图像特征库,然后根据特征和权重按相似度匹配原则进行图像检索。检索过程由多Agent协同控制,反馈Agent依据待检索图像数据和用户反馈信息,对检索过程中的特征权重重置并更改图像库。实验结果表明该方法具有较好的检索效能。     

基于特征点的人体红外图像自动分割技术

目的医学红外人体图像区域分割是大规模医学红外图像处理的关键步骤。为快速有效地获取医学红外图像中的人体信息,本文提出一种在医学红外图像中自动提取并划分人体区域的方法。方法由红外热像仪在静室中采集人的裸体红外图像,然后通过对红外人体图像灰度分布特征分析而取得的阈值来获取人体区域,以人体横向距离(宽度)函数结合人体红外图像中的特殊方向亮带的识别,提取人体的特征点,并通过特征点对人体区域进行分割。结果对来自8人的72幅图像进行验证,其中64幅可以正确分割,证明该方法可以对直立姿势的红外人体图像进行自动区域分割与提取。结论该红外人体图像区域自动分割算法可为基于红外图像的疾病筛查及计算机辅助诊断提供技术基础。     

一种基于小波变换的配准特征点自动标记算法

以颅脑CT图像为研究对象,提出了一种基于小波变换的自动标记非刚性配准所需对应特征点的算法.这种算法充分考虑了颅脑CT图像的像素点及其临域的纹理特征,通过进行小波变换建立对应于每个像素点的多分辨率小波特征向量,并以小波特征向量间的差异作为判别依据,在目标图像中标记非刚性配准所需的对应特征点.一系列的实验结果表明,这种基于小波变换的算法能够准确地在目标图像中标记出配准所需的对应特征点,可以作为基于特征的非刚性配准对应特征点自动标记的参量之一.