基于红外图像的手关节区域自动提取

目的手工选取关节区域的诊断方式增加了关节类疾病诊断的主观性和工作量。针对这一问题本文提出一种自动定位红外图像中人手关节的方法。方法根据人手的解剖学结构和手部特征点的位置,提出自动提取手关节区域的3种模型,即四边形模型、椭圆形模型和圆形模型,其中手部特征点包括目前手部图像研究中常用的11个特征点,以及本文新提出的2个辅助特征点。最后,通过一种基准图像比较方法验证本文方法的有效性。结果使用该方法能够准确找到关节中心的位置,在红外图像中自动定位出手部关节区域。结论该关节区域自动提取算法有助于关节定位及疾病诊断。     

Automated extraction of metacarpophalangeal joints in infrared images of human hands

目的手工选取关节区域的诊断方式增加了关节类疾病诊断的主观性和工作量.针对这一问题本文提出一种自动定位红外图像中人手关节的方法.方法 根据人手的解剖学结构和手部特征点的位置,提出自动提取手关节区域的3种模型,即四边形模型、椭圆形模型和圆形模型,其中手部特征点包括目前手部图像研究中常用的11个特征点,以及本文新提出的2个辅助特征点.最后,通过一种基准图像比较方法验证本文方法的有效性.结果 使用该方法能够准确找到关节中心的位置,在红外图像中自动定位出手部关节区域.结论该关节区域自动提取算法有助于关节定位及疾病诊断.     

基于图像投影的基因芯片图像网格定位

对基因芯片图像进行网格定位是芯片分析的前提和关键。利用芯片图像在水平方向和竖直方向的投影,可将二维图像分析问题转化为一维信号处理问题。本文对图像的投影信号进行算术平均滤波,然后利用不同参数滤波后投影信号间的灰度偏差进行网格定位。实验表明该方法对芯片信号点的定位有很高的准确性,且算法简单易行。     

基于MATLAB的低密度基因芯片图像处理

目的基于MATLAB设计低密度基因芯片图像处理系统,对经过Scan Array扫描系统获得的用cy3和cy5染色的低密度芯片的荧光图像进行处理和样点的网格定位,从中提取样点的荧光强度信息,结合样点的生物学信息,进行定量分析,研究基因表达的规律与功能之间可能存在的联系。方法结合不同的滤波算子,经腐蚀、膨胀等数学形态学运算,可在滤除噪声的同时,校正荧光图像中的缓慢背景变化,提高图像质量。根据芯片阵列的行与列的数目,通过人机交互的半自动网格定位,确定样点区域,进行样点识别。研究了基于边缘检测的图像分割方法,可以有效地分离有价值的弱信号点和背景点或者噪声,进行目标区域识别,提取背景信号。采用中值法计算样点的荧光强度,并确定样点信号。采用完全归一方法进行归一化处理,减少不同图像的荧光强度差异。结果利用该系统对基因芯片图像进行处理,减少了污点、噪声及其他各种因素的影响,提高了图像的质量;确定了样点区域,提取了背景信号和样点信号;对提取的特征数据进行了归一化处理。结论笔者主要研究如何对低密度基因芯片图像进行处理,结果显示,该系统可以基本实现低密度基因芯片图像处理功能,所采用的图像分析方法是可行的,能为以后的生物学分析...     

高性价比寡核苷酸基因表达谱芯片的制备方法

目的探讨探针长度对寡核苷酸(Oligo)基因芯片杂交信号的影响。方法以大肠杆菌基因表达信息作为实验模型,根据已有大肠杆菌全基因组芯片数据选择覆盖高、中、低杂交信号强度的20个大肠杆菌基因,针对该20个基因分别设计59-mer和70-mer长度Oligo探针,并将2种探针点制在同一张芯片中,同时设阳性对照探针和阴性对照点样液。提取大肠杆菌RNA,经过反转录、扩增、荧光标记后与芯片进行杂交反应,采用激光共聚焦扫描仪扫描芯片,利用数据分析软件提取探针的杂交信号值并进行显著性分析。结果大肠杆菌28SrRNA和18SrRNA条带清晰,无降解带出现,质量合格。芯片杂交结果显示59-mer和70-mer长度探针的杂交效率和杂交信号差异无统计学意义(P=0.9810),阳性对照探针出现阳性杂交信号,阴性对照点样液未检测到杂交信号,符合质控要求。结论59-mer长度探针可用来制备Oligo基因芯片,这不仅降低了基因芯片制作成本,而且将推动基因芯片技术更为普及的应用。     

K562细胞株表达基因探针制作的探讨

目的　研究基因芯片探针的制备方法 ,为K5 6 2细胞基因表达谱芯片的制作及其在基因表达研究中应用打下基础。　方法　以人红白血病K5 6 2细胞株为材料 ,应用一种分离显示基因的新方法即限制性显示 (RD PCR)技术 ,分离DNA片段 ,作为基因芯片探针。　结果　分离到近千个大小在 2 0 0～ 5 0 0bp的基因片段 ,认为该方法可以克服DD PCR中出现的假阳性较多的缺点 ,简单易操作 ,且利用该方法分离的基因探针 ,制备DNA微集芯片 ,同全长cDNA探针制作芯片相比 ,其探针长度小且相对均一 ,杂交动力学易于控制。　结论　限制性显示技术为基因芯片探针的制备提供了一个全新的思路 ,并将大大加速基因芯片技术及其应用研究     

通用型病毒检测芯片在三种人类致病病毒属检测中的应用

目的 研究制备对人类有致病作用的38个属的病毒寡核苷酸（oligo）基因芯片对三种人类致病病毒的检测能力。方法 应用生物信息学软件设计70-mer oligo探针，固定于玻片载体制备成基因芯片。以痘苗病毒天坛株、甲肝病毒、乙肝病毒作为检测样本，提取病毒核酸，经随机引物扩增、荧光标记，用于芯片杂交，清洗和干燥后对芯片进行扫描和数据分析。结果 芯片上oligo探针能与相应病毒的PCR扩增样品杂交，呈现阳性荧光信号。结论 建立的病毒寡核苷酸基因芯片能够检出和区分三种检测病毒，为进行未知病毒的基因芯片筛查方法的建立奠定了基础。     

运用基因芯片技术研究孕妇TORCH感染

本文利用DNA引物和探针设计软件DNAC lub和Prim er 5.0,根据从Genbank中查得的巨细胞病毒(HCMV169)、单纯疱疹病毒(HSV-Ⅰ,Ⅱ)、风疹病毒(RV)和弓形虫(TOX)基因序列分别设计16只寡核苷酸探针,长度30bp左右,合成后用简易手动点样仪M icroCaster按4×4矩阵点在氨基化玻片上,制成基因芯片;将被检测致病微生物DNA和质粒载体DNA用同一种内切酶切割、连接成“杂种”DNA,再利用载体上的通用引物进行PCR扩增和荧光染料标记扩增产物,并将该产物与DNA芯片杂交,用芯片扫描仪GeneTACTMUC4(Genom ic Solutions Inc)进行扫描,利用随机提供的软件GeneTAC IntegratorM icroarray Analysis Software Version3.30进行数据处理和分析。结果用该种方法制备的基因芯片可同时检测5种致病微生物,将用荧光定量PCR检测的阳性标本用基因芯片检测结果基本一致。     

基于深度学习的医学计算机辅助检测方法研究

针对自动检测医学图像中指定目标时存在的问题,提出了一种基于深度学习自动检测目标位置和估计对象姿态的算法。该算法基于区域深度卷积神经网络和目标结构的先验知识,采用区域生成候选框网络、感兴趣区域池化策略,引入包括分类损失、边框位置回归定位损失和像平面内朝向损失的多任务损失函数,近似优化一个端到端的有监督定位网络,能快速地对医学图像中目标自动定位,有效地为下一步的分割和参数自动提取提供定位结果。并在超声心动图左心室检测中提出利用检测额外标记点(二尖瓣环、心内膜垫和心尖),能高效地对左心室朝向姿态进行估计。为了验证算法的鲁棒性和有效性,实验数据选取经食管超声心动图和核磁共振图像。实验结果表明算法是快速、精确和有效的。     

胰腺癌相关基因寡核苷酸芯片的制备和初步应用(英文)

目的：研究胰腺癌相关基因寡核苷酸芯片的构建及其在检测胰腺癌基因表达谱方面的应用。方法：有目的地筛选胰腺癌相关基因，采用合成后点样的方法将合成的寡核苷酸探针点于同型双功能偶联剂（APS-PDC）包被的基片上，制成寡核苷酸基因芯片。Trizol法抽提组织总RNA，并用Qiagen Rneasy kit 进一步纯化。在cDNA第1链合成过程中，通过反转录酶将CyDye标记核苷酸直接渗入到cDNA中制备荧光探针，其中用Cy3-dCTP标记胰腺癌组织，Cy5-dCTP标记正常胰腺组织。将荧光标记探针定量后与芯片杂交16-18 h。用Agilent 扫描仪进行扫描，Imagene3.0软件（Biodiscovery,Inc.）图像分析，计算2种荧光Cy3 与Cy5信号强度的比值。挑选差异基因CDC25B和TUSC3进行荧光定量PUR（Sybrgreen方法）验证，以B-actin基因为内参照基因，PCR产物的定量方法采用比较Ct法。结果：芯片杂交扫描图像信号清晰，具有较低的整体背景和较高的信噪比，各阳性质控点信号均匀一致，阴性质控点和空白点信号低。与正常组织相比，胰腺癌组织中差异表达基因24条，占全部基因的25.5%，其中上调基因17条（占18.1%），下调基因7条（占7.4%）。荧光定量PCR验证，CDC25B和TUSC3基因在胰腺癌中的表达分别为上调和下调，其表达趋势与芯片实验的结果一致。结论：制备的胰腺癌相关基因芯片，可同时、并行检测多种胰腺癌相关基因的表达改变，具有一定的特异性和灵敏性。胰腺癌组织与正常胰腺组织相比，基因表达谱具有明显的差异，为进一步研究胰腺癌的发病机理和早期诊断提供了有用的信息。     

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。     

Detection of the Optic Nerve Head in Fundus Images of the Retina Using the Hough Transform for Circles

Detection of the optic nerve head (ONH) is a key preprocessing component in algorithms for the automatic extraction of the anatomical structures of the retina. We propose a method to automatically locate the ONH in fundus images of the retina. The method includes edge detection using the Sobel operators and detection of circles using the Hough transform. The Hough transform assists in the detection of the center and radius of a circle that approximates the margin of the ONH. Forty images of the retina from the Digital Retinal Images for Vessel Extraction (DRIVE) dataset were used to test the performance of the proposed method. The center and boundary of the ONH were independently marked by an ophthalmologist for evaluation. Free-response receiver operating characteristics (FROC) analysis as well as measures of distance and overlap were used to evaluate the performance of the proposed method. The centers of the ONH were detected with an average distance of 0.36 mm to the corresponding centers marked by the ophthalmologist; the detected circles had an average overlap of 0.73 with the boundaries of the ONH drawn by the ophthalmologist. FROC analysis indicated a sensitivity of detection of 92.5% at 8.9 false-positives per image. With an intensity-based criterion for the selection of the circle and a limit of 40 pixels (0.8 mm) on the distance between the center of the detected circle and the manually identified center of the ONH, a successful detection rate of 90% was obtained with the DRIVE dataset.     

About the variability of the shape of the glenoid cavity

The morphology of the glenoid cavity is highly variable, and no consensus exists regarding how to classify the different forms. We examined 98 dry scapulae to identify a common morphological entity and to define reproducible bony references of the glenoid cavity. The glenoid cavities were photographed perpendicularly in a standardized fashion. The bony peripheral rim was studied on these two-dimensional images, defined by randomly chosen points in order to define one or more circles. This study showed that only the peripheral rim of the inferior quadrants of the articular surface was found to be located on a circle (P=0.926) with a radius of 12.8 mm (SD 1.3 mm). Defining the center of this circle appeared to be more reliable (ICC 0.98) than determining the middle point of the longitudinal axis (0,0) between the most cranial and most caudal points, defined as Saller's line (ICC 0.89). The distance of the center of this projected circle to the middle point of Saller's line had a unimodal distribution, suggesting the existence of only one glenoid cavity morphotype. We then investigated the relationship between the center of the circle and the area of subchondral bone thickening under the bare spot, the so-called tubercle of Assaki. Ten phenolized cadaveric glenoid cavities were examined with computed tomography. A circle was projected on the first image showing the bony peripheral rim, and this circle was copied on the consecutive slices until the tubercle of Assaki came across. The center of the circle was located within the area of the tubercle of Assaki, in all but one specimen. To investigate the clinical implications of this finding, the cadaver specimens were used to compare the position of the center of the circle with the postulated center of implantation according to the literature, and to the reference guide for a commonly used total shoulder prosthesis. The center of the circle was consistently situated more distal than the postulated center of the guide (mean 5.5 mm, range 4–8 mm) and the middle point of the glenoid cavity (mean 2 mm, range 1–3 mm). These findings could offer a reproducible point of reference for the glenoid cavity in osseous anthropometry and a valuable reference in shoulder replacement surgery, and might help in the definition of osseous glenohumeral instability.     

基于Bubble小波的结肠镜图像暗区中心点估计的研究

本文首次提出了一种新的基于Bubble小波的结肠镜图像中心点的确定方法 ,弥补了传统方法中因暗区不明显而无法确定中心点的不足。并用所求的中心点来引导肠镜前端导管 ,起到导航的作用。该方法首先将真彩色结肠镜图像由RGB格式转换成HSI格式 ,然后用Bubble小波对其亮度分量I进行边缘提取 ,最后找出所有类似圆弧状边缘线的圆心经加权求和后得到真正的中心点。实验证明了这种方法的可靠性     

Automated registration of multimodal brain image sets using computer vision methods.

We present a new method of registering three dimensional image volumes of the brain of a given patient acquired at different times or with different imaging modalities, or both. Registration is an essential requirement for fusing the data from the two image sets so as to either increase the available information by exploiting complementary imaging modalities, or to measure small changes over time for prognostication, disease assessment, etc. The new technique exploits an external, removable, remountable reference frame which is attached to the head. Computer vision techniques are used to determine the positions of fiducial marks in every image. The transformation required to map each image of one image volume onto the other image volume is developed using the theory of quaternions. The results indicate that the new technique is robust and practical in a clinical setting.     

DNA微阵列的数字图像处理

从微阵列图像中提取基因表达和识别基因，并进一步测定基因的功能是DNA微阵列研究的主要目标，而微阵列图像处理通过定位和提取每个cDNA靶点上探针的信号强度，并通过计算平均灰度值和分析强度比率等为生物学家进行更高层的基因分析提供必要条件，本文介绍采用红绿双色荧光标记杂交实验进行微阵列图像处理几个关键步骤；微阵列靶区的分割，背景强度的提取，靶点检测，靶点灰度提取、靶点表达程度分析。     

基于抑制性突触多层神经元群放电编码的图像边缘检测

图像边缘检测所获得的目标轮廓细节质量,对于后续图像分析或理解过程具有重要作用。提出一种基于视觉机制的图像边缘检测新方法:构建抑制性突触连接的多层神经元群,在待检测图像的激励下,分析7像素×7像素视觉感受野窗口内互连接神经元的脉冲放电过程,记录发放时刻进行次序编码;同时考虑神经元之间的侧向抑制作用,在选择注意机制作用下获得增强图像;之后利用Log Gabor滤波器模拟视觉系统中的方向选择特性,获取8个方向的滤波结果,经过输出层神经元群的融合处理并经灰度映射到0～255的范围后获得边缘图像。对含有丰富边缘细节特性的24幅菌落图像进行处理,其处理结果的ROC评价指标均值为0.698 4,优于PCNN法的0.659 3;从评价指标的均方差来看,该结果具有更好的一致性。另外,从信息熵评价指标来看,该方法同样具有一定的优势,能够有效提取图像的边缘信息,而且也能反映更多层次的图像细节。所提出的方法为利用视觉生理特性进行图像处理提供了崭新而有效的思路。