骨科X线图像的边缘检测

目的 利用计算机图像处理技术进行骨科x线图像的边缘检测。方法 对X线图像进行数字化和滤波后，使用常规的边缘检测算子对图像进行处理，结合不同算子的原理进行结果分析，然后在对比实验中使用基于数学形态学的边缘检测方法。结果 各种边缘检测算子获得不同的结果，经对比讨论后，可见使用数学形态学方法的结果较好。结论 基于数学形态学的方法适用于骨科X线图像的处理。     

基于多尺度形态学的医学图像局部对比度增强

目的：寻找一种更精确有效的医学图像局部对比度增强方法，解决磁共振图像中常出现的局部对比度不足问题。方法：在对已有算法研究的基础上。提出了新算法。新算法的特点是：形态学运算采用了非对偶运算，对比度扩展运算采用加法运算代替乘法运算。为避免灰度偏差，提出了条件归一方法。结果：用实用磁共振图像和模拟实验对新算法进行了测试。新算法在精度、运算速度及对噪声的敏感性方面都优于已有同类算法。结论：利用形态学非对偶运算能够以更精确的方式实现局部对比度增强，灰度级偏差可以通过归一化方法消除。     

基于对象识别和分割的图像噪声抑制

在医学图像降噪中,不损失图像细节是至关重要的.传统的方法是直接对整个图像进行滤波处理.然而这种操作在减少噪声的同时也会破坏图像的细节.因此,关键的问题就是怎样在保持图像细节的同时能够减少噪声.为了解决上面提到的问题,在这篇论文中提出了一种模拟生物视觉的图像处理方法,首先提取图像的边缘信息,将图像分割成边缘区域和非边缘区域,然后对这两个区域采取不同的滤波降噪,再进行重新合成.与传统方法相比,本方法在保存图像细节上有一定的效果.     

基于CT图像提取人体组织边界建立的有限元模型

为提高有限元方法应用于医学领域的准确度,有必要建立含有人体组织器官真实结构信息的有限元模型.文章提出了一种基于人体CT图像提取组织器官边界,并根据提取到的真实边界进一步建立二维有限元模型的方法.利用该方法最终可建立含有真实结构信息的人体有限元模型.经过对医院实际CT图像的测试,结果证实,该方法简单、快捷、适应性强,为基于医学图像的有限元分析奠定了良好基础.     

基于多尺度形态学的医学图像局部对比度增强

目的:寻找一种更精确有效的医学图像局部对比度增强方法,解决磁共振图像中常出现的局部对比度不足问题。方法:在对已有算法研究的基础上,提出了新算法。新算法的特点是:形态学运算采用了非对偶运算,对比度扩展运算采用加法运算代替乘法运算。为避免灰度偏差,提出了条件归一方法。结果:用实用磁共振图像和模拟实验对新算法进行了测试。新算法在精度、运算速度及对噪声的敏感性方面都优于已有同类算法。结论:利用形态学非对偶运算能够以更精确的方式实现局部对比度增强,灰度级偏差可以通过归一化方法消除。     

超声乳腺肿瘤图像的边缘提取

目的探求乳腺肿瘤超声图像的边缘提取。方法广义梯度矢量流Snake模型已经成功地用于噪声相对比较小的CT、MRI等医学图像,然而乳腺肿瘤超声图像对比度低,斑点噪声大,很难将该模型直接应用于乳腺肿瘤超声图像。本文针对乳腺肿瘤超声图像的特点如图像对比度低,斑点噪声大,部分边缘缺失,肿瘤内部微细结构分布复杂(如血管,钙化灶等),特别恶性肿瘤还具有复杂形状等,采用相应的图像处理技术如非线性各向异性扩散滤除斑点噪声,形态学滤波器平滑图像,直方图均衡化提高图像的对比度,最后将该模型引入到乳腺肿瘤超声图像边缘提取。结果实验对158例乳腺肿瘤超声图像进行边缘提取,定量和定性分析均获得满意的结果。结论本文方法可以有效地用于超声乳腺肿瘤图像的边缘提取。     

基于自动策略的脑图像分割

目的脑图像分割在外科手术规划和脑疾病诊断等方面都起着极为重要的作用,建立脑图像分割的自动策略成为一种需要。方法通过各向异性滤波,统计阈值分割,数学形态学滤波,和基于模糊连接算法对脑图像进行自动分割。结果实验表明这种分割策略能取得良好的分割结果。结论本文提出的算法可以有效地完成脑图像的自动分割工作。     

彩色血液细胞图像的分割

本文系统回顾了对彩色血液细胞图像进行分割的彩色空间和传统方法(包括阈值法、边缘检测法和流域分割法)，也介绍了若干新的方法，如基于形变模型的边缘检测法、基于小波变换的流域算法和基于数学形态学的颗粒分析法。指出了要更加准确的对细胞图像进行分割，需要采用统计模式法和神经网络法技术等方法。     

三维多模态医学图像自动配准方法研究

提出一种综合应用图像分割与互信息的医学图像自动配准方法.首先采用门限法和数学形态学方法进行预处理,再用k-means方法进行分割,之后采用基于互信息的Powell优化方法配准.将该方法用于磁共振图像(MRI)和正电子发射断层扫描(PET)临床医学图像配准,得到较满意的效果.     

一个基于MR图像的数字脑图谱

数字化人脑图谱是神经外科手术计划、模型驱动分割和教学的重要工具。本文介绍了一个基于MR图像的数字脑图谱,通过一个交互式的多浏览器,提供脑结构的解剖标识和三维显示。     

Kernel regression based feature extraction for 3D MR image denoising

Kernel regression is a non-parametric estimation technique which has been successfully applied to image denoising and enhancement in recent times. Magnetic resonance 3D image denoising has two features that distinguish it from other typical image denoising applications, namely the tridimensional structure of the images and the nature of the noise, which is Rician rather than Gaussian or impulsive. Here we propose a principled way to adapt the general kernel regression framework to this particular problem. Our noise removal system is rooted on a zeroth order 3D kernel regression, which computes a weighted average of the pixels over a regression window. We propose to obtain the weights from the similarities among small sized feature vectors associated to each pixel. In turn, these features come from a second order 3D kernel regression estimation of the original image values and gradient vectors. By considering directional information in the weight computation, this approach substantially enhances the performance of the filter. Moreover, Rician noise level is automatically estimated without any need of human intervention, i.e. our method is fully automated. Experimental results over synthetic and real images demonstrate that our proposal achieves good performance with respect to the other MRI denoising filters being compared.     

脑功能区自动提取法对强迫症99mTc-ECD脑显像分析

目的采用脑功能区自动提取法分析一组强迫症患者的脑SPECT血流灌注显像,并与ROI比较看是否有优势。方法采用以前一组强迫症患者和正常人的SPECT显像资料,将图像经旋转和形变配准到标准Talairach坐标空间中去,按不同脑区名称将不同脑解剖功能区立体区勾画提取,计算其灰度值,并计算与全脑灰度比值,比较左右脑之间、正常组与患病组间的差异。结果该方法成功提取不同脑功能区,正常组与异常组比较,发现了比ROI方法更多血流改变区。正常组与患者组左右比较也显示左右多区域不对称。结论强迫症患者发作期显示以双侧颞叶多个区域血流降低,并见背侧丘脑等局部血流增高为特点,脑功能区自动提取分析具有比ROI更高检出效率。     

基于数学形态学的功能磁共振信号漂移校正方法

目的 探讨基于数学形态学的功能磁共振信号漂移校正新方法.方法 根据fMRI信号漂移成分的形态特征,采用基于数学形态学的方法校正fMRI信号的基线漂移.结果 应用模拟数据和真实数据测试表明,数学形态学方法能够有效地校正fMRI信号的基线漂移.结论 本研究提出的方法能够同时校正线性和非线性漂移,而不需要任何统计学模型假设.     

MR microscopy of normal human brain

MR microscopy at 9.4T depicts the architecture of the brain in exquisite detail, including the individual laminae of the cortex, the individual nuclei of the basal ganglia, the thalami, subthalami and metathalami, and the orientations and relationship among the dominant nuclei and white matter tracts of the brain. The authors believe that these anatomic relations will ultimately be displayed in vivo as clinical MR scanners begin to operate at field strengths of 4.7T, 7T, and 8T. Then, those familiar with this anatomy will be able to interpret patient images with far greater sophistication.     

Cross contrast multi-channel image registration using image synthesis for MR brain images

Multi-modal deformable registration is important for many medical image analysis tasks such as atlas alignment, image fusion, and distortion correction. Whereas a conventional method would register images with different modalities using modality independent features or information theoretic metrics such as mutual information, this paper presents a new framework that addresses the problem using a two-channel registration algorithm capable of using mono-modal similarity measures such as sum of squared differences or cross-correlation. To make it possible to use these same-modality measures, image synthesis is used to create proxy images for the opposite modality as well as intensity-normalized images from each of the two available images. The new deformable registration framework was evaluated by performing intra-subject deformation recovery, intra-subject boundary alignment, and inter-subject label transfer experiments using multi-contrast magnetic resonance brain imaging data. Three different multi-channel registration algorithms were evaluated, revealing that the framework is robust to the multi-channel deformable registration algorithm that is used. With a single exception, all results demonstrated improvements when compared against single channel registrations using the same algorithm with mutual information.     

基于纹理分析的带标记线心脏MR图像分割

背景：左心室边界的准确分割是对左心室运动及形变进行分析的前提。由于受带标记线心脏核磁共振图像中标记线强梯度的影响,对左心室内膜的提取变得非常困难。目的：为了抑制标记线对图像分割的影响,提出了一种基于最小值-方差能量图的纹理分析方法。方法：首先对局部最小值和方差进行加权求和,得到能量图;然后利用中值滤波滤除能量图中的伪影并保持边界;最后,应用GVF-snake模型提取左心室内膜。结果与结论：针对标记线在心脏MR图像中的分布特征,提出了一种基于最小值-方差的纹理分析方法,该方法有效地去除了标记线。结果提示,对使用该纹理分析方法生成的能量图应用GVF-snake模型可以较好地提取左心室内膜。     

基于纹理分析的带标记线心脏MR图像分割

背景:左心室边界的准确分割是对左心室运动及形变进行分析的前提。由于受带标记线心脏核磁共振图像中标记线强梯度的影响,对左心室内膜的提取变得非常困难。目的:为了抑制标记线对图像分割的影响,提出了一种基于最小值-方差能量图的纹理分析方法。方法:首先对局部最小值和方差进行加权求和,得到能量图;然后利用中值滤波滤除能量图中的伪影并保持边界;最后,应用GVF-snake模型提取左心室内膜。结果与结论:针对标记线在心脏MR图像中的分布特征,提出了一种基于最小值-方差的纹理分析方法,该方法有效地去除了标记线。结果提示,对使用该纹理分析方法生成的能量图应用GVF-snake模型可以较好地提取左心室内膜。     

基于YCbCr空间与柔性数学形态学结合在人脸检测中的算法分析

人脸检测通常是人机系统中人机交互的第1步,在远程诊疗系统中起重要的作用.人脸检测研究不仅能为临床诊断提供客观标准,也能为面部诊断客观化和建立中医远程诊疗系统发挥重要作用.但是传统的检测方法会损失图像中有用的部分信息,而且光照对图片检测效果的影响也很大.文章对输入的图片进行从RGB空间到YCbCr空间的转换,并在YCbCr彩色空间进行色差补偿后,排除背景的干扰,分别对Y,Cb,Cr分量分别进行柔性数学形态学滤波,提取与目标有关的信息,利用在排序加权统计的方法实现形态学的运算.将图片转换为RGB图像后进行二值化得到二值图像,进行形态学滤波得到人脸检测图像.实验结果表明,该算法与传统法的人脸检测方法比较,该方法尤其适合背景较暗的图像,准确率较高,鲁棒性比较好,提取的特征点比较完全,检测效率也比较高.     

MR脑肿瘤图像分割与矩特征研究

目的 对MR脑肿瘤图像进行分割,并对分割的结果进行矩描述.方法 在分析当前常用的医学图像分割方法的基础上,提出一种基于形变模型的医学图像分割方法,并给出了相应的理论算法模型和实现步骤,最后用Visual C 6.0编程,并对MR脑肿瘤图像进行分割实验.结果 本文分割方法分割边界清晰,总体不确定性较小.结论 本文分割方法切实可行,分割效果较好,为进一步的MR脑肿瘤图像分析和研究提供了一种有效工具.     

A neonatal brain MR image template of 1 week newborn

Purpose  

Magnetic resonance imaging (MRI) is often used to detect and treat neonatal cerebral disorders. However, neonatal MR image interpretation is limited by intra- and inter-observer variability. To reduce such variability, a template-based computer-aided diagnosis system is being developed, and several methods for creating templates were evaluated.