放射治疗计划软件中等剂量线跟踪技术

背景与目的:放射治疗需要最大限度地提高肿瘤的放射剂量并尽可能减少正常组织所受到的剂量,以达到最佳的放疗效果。在制定治疗计划过程中,等剂量线是评估剂量分布的最重要的指标,为获得病人断层内的等剂量线,需要计算病人体素的剂量,该工作计算量大,耗费时间长。本研究旨在得出一种快速的等剂量线分布跟踪算法,以满足临床上对病体内放射剂量分布进行评价的需要。方法:本文研究了基于二值图的轮廓跟踪技术,采用基于8邻域法的等剂量线跟踪算法,结合"边计算、边跟踪",实现了治疗计划软件中的等剂量线跟踪技术。结果:8邻域法可以减少轮廓跟踪过程中的搜索点,结合"边计算、边跟踪"的方法,减少了剂量计算的体素点数,大大提高等剂量线跟踪的速度。结论:试验表明,使用本研究所提出的等剂量跟踪技术,能够较快地获得等剂量线,完全符合临床应用的要求。     

三维计划治疗中等剂量线绘制的改进

本文提出了一种称做链码法的等剂量线绘制的改进算法,该方法与传统的网格法相比,无需求解直线之间的交点和两点间的距离,大大地简化了计算量,同时该算法还能遍历所有可能的等剂量点,     

超声图像处理中Snake模型研究

Snake模型是一种基于高层信息的有效目标轮廓提取算法,其优点是作用过程及最后结果的目标轮廓是一条完整的曲线,从而引起广泛的关注.鉴于医学超声图像的信噪比较低,用经典的边缘提取算法无法得到较好的结果,因此人们将Snake模型进行了各种各样的改进,并且越来越多地将它运用到医学超声图像处理中来.本文对乳腺超声图像进行阈值分割、形态滤波等一系列预处理后,将改进的Snake模型对乳腺超声图像进行肿瘤的边缘提取,得到了比较好的结果.     

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.     

伽玛刀治疗计划系统中基于链码的图像轮廓提取算法

在伽玛刀治疗计划系统中，为了给三维重建提供直观的参考依据，要求准确地对体表、病灶和其他组织进行轮廓提取。针对目前该系统中以手工轮廓提取为主的现状，本文提出一种基于链码的轮廓提取算法对其进行比较改进，并给出断层扫描图像应用本算法的结果。结果表明本算法的使用提高了治疗计划系统中轮廓提取的自动化程度，并能满足精度要求。     

基于兴奋-抑制交叉视觉皮质模型的V1区轮廓整合机制和注意力选择实现

本文旨在利用模仿生物神经细胞同步脉冲发放的交叉视觉皮质模型(ICM)对生物视觉系统的轮廓整合机制及注意力选择机制进行初步探索。将生物神经元"兴奋-抑制"振荡子的思想引入到ICM中,同时引入目标轮廓链码作为高层反馈控制输入,提出了拥有自底向上(BUTTON-UP)及自顶向下(TOP-DOWN)机制的兴奋-抑制交叉视觉皮质模型(EI-ICM)。仿真实验显示,本文提出的模型可有效抑制噪声使得光滑边缘同步发放,从而完成BOTTOM-UP过程;目标轮廓链码的引入可得到与输入目标链码一致的目标轮廓,而其它目标由于与输入目标链码不匹配,无法形成闭合轮廓,从而完成TOP-DOWN过程。结果表明本文提出的模型可模拟视觉皮层V1区轮廓整合及注意力选择机制。     

一种新的等剂量线跟踪和绘制算法

等剂量曲线的跟踪和绘制是放射物理剂量学中的一个基本！司题。本文描述了一种逐行逐列扫描式等剂量曲线的跟踪和绘制算法。它具有思路简捷、占用内存少、程序移植性强、绘图区域边界判断简单及适用于任意形状的封闭区域等优点。该方法也适用于其它等值线的跟踪和绘制。     

基于医学图像的人体组织有限元模型的建立方法

在医学图像处理、分析和一些成像算法重构中,建立准确的人体组织轮廓外形和有限元模型对于图像分析和改善重构算法的性能、提高分析和重构结果的准确性具有重要作用。本文使用图像处理与曲线拟合的办法,提取CT图像中的真实人体边界,进行分层的有限元剖分与相关参数设置,获得基于真实人体的有限元重构模型。该方法构建的有限元重构模型已在医学图像处理实际工作中得到了初步的应用。     

生成式对抗网络在医学图像处理中的应用

近年来,研究人员将众多领域方法引入到医学图像处理中。经过不断改进,医学图像处理算法的效果和效率均得到不同程度的提高。目前,生成式对抗网络(GAN)在医学图像处理领域中的应用研究发展迅速。本文主要综述了GAN在医学图像处理中的应用研究情况,介绍了GAN的基本概念,并从医学图像降噪、检测、分割、合成、重建和分类等六个方面对GAN应用研究的最新进展进行了归纳总结,最后对该领域中值得进一步研究的方向进行了展望。     

用无约束优化薄板样条实现平滑的医学图像弹性配准

医学图像弹性配准是医学图像处理的一个重要研究方向。目前采用的方法多是手动选择对应标记点，然后用薄板样条插值方法计算配准变换。由于对应点的选取总是存在误差，所以配准的准确性受到影响，而且手动选点操作繁杂、耗时大。为此，我们根据最优化理论，改进了薄板样条插值方法，并在此基础上采用了一种自动标记点选择方法。将这两者结合，我们得到了一种自动、准确、鲁棒性好的配准方法，运用此方法进行医学图像的弹性配准，得到了更好的结果。