医学图像的零树小波编码

背景:医学数字图像必须是高质量的、高分辨率,所以数据量很大,如此巨大的数据量不利于图像存档与传输系统的运行和数字化医院、远程医疗的实现.因此,图像压缩成为图像存档与传输系统要解决的重要问题.目的:分析零树小波变编码算法原理并编程实现对医学数字图像的压缩,使之能够满足医学图像的传输和诊断要求.方法:应用嵌入式零树小波编码算法,探讨小波基和小波变换层数的选择,编程实现对医学数字图像的压缩.结果与结论:选择双正交小波基对医学图像进行4层小波变换实现压缩,获得了较高的峰值信噪比,取得了较好的压缩效果.     

小波变换医学DICOM图像压缩的研究

目的　利用小波变换实现对医学DICOM图像压缩。方法　分析小波变换技术特点及医学DICOM标准的数据结构 ,确定DICOM图像压缩的小波变换算法及编码方法。结果　用VC 实现基于小波技术的DICOM图像压缩。结论　该方法具备无损压缩、低比特速率有损压缩及渐进传输的优点 ,对我国远程医学和图像建档及通信系统的发展具有深远的意义     

用提升格式CDF9/7小波变换和零树编码算法对X线医学图像压缩性能的研究

目的研究提升格式的CDF9/7小波变换和零树编码对X线医学图像的压缩性能.方法分别用基于提升格式CDF9/7小波变换的压缩方法和JPEG标准对X线医学图像进行压缩,包括乳腺钼靶图像、计算机摄影图像和计算机断层图像,压缩比从 3:1到40:1.用主观和客观方法评价压缩图像质量.结果与JPEG标准相比,本文的方法能够获得更好的图像质量和更高的压缩比;与基于Mallat算法的常规CDF9/7小波变换编码相比,提升格式的CDF9/7小波变换和零树编码可减少图像压缩的计算时间.结论本文提出的基于提升格式的CDF9/7小波变换和零树编码的医学图像压缩方法,可满足X线医学图像存储和传输的要求,并符合DICOM 3.0支持的最新的JPEG 2000图像压缩标准.     

基于目标区域小波CT图像压缩算法

目的:在以往对二维X射线影像进行基于SPIHT的区域压缩编码算法研究的基础上,探讨基于目标区域小波SPIHT算法对三维CT图像的压缩方法。方法:利用目标区域的SPIHT小波算法压缩CT图像。通过灰度门限法分割目标和背景,检测并膨胀边缘以确定目标区域。对体数据分块,并进行快速小波变换。利用SPIHT算法对小波系数重要性进行判断、排序和分类形成多层位流结构。排序过程首先对小波系数建立空间树结构,然后沿空间方向树对系数进行重要性测试,分类过程对重要系数从高位到低位分成不同分辨率的位平面依次输出。结果:基于优化分割的SPIHT算法对CT目标区域压缩好于JPEG2000及JPEG算法,对CT图像目标区域以1bpp的高码率进行小波SPIHT压缩,背景以0.15bpp低码率JPEG压缩压缩,全图平均压缩码率为0.5bpp,目标区域的PSNR为43.2dB,目标区域PSNR比JPEG2000区域压缩算法提高0.8dB。结论:对于CT图像,基于目标区域的SPIHT小波压缩算法优于JPEG2000、JPEG和传统的SPIHT算法,并能在高压缩比情况下保证医学图像的质量。     

一种应用于视皮质假体图像压缩及编码系统的设计

背景:目前,视皮质假体已成为视觉修复实现的主要方法之一,图像压缩在视皮质假体的前期图像处理过程中占有重要地位.目的:探讨从空域及亮度信息两个方面分别对图像信息进行压缩的方法.方法:选取哈尔小波基对原始图像进行空间分辨率的压缩,并采用多尺度小波变换的方法对空间频率信号进行合理选取,实现信息的进一步压缩.同时,结合视觉皮质放大的特性,通过模拟视网膜对图像的前期处理,建立了非均匀压缩模型,使得图像压缩过程更接近视觉处理过程.还对亮度信息进行压缩及编码,实现了图像信息最终的压缩编码.结果与结论:构建了基于数字信号处理器的前期图像压缩及编码系统,最终实现了在10*10的点阵图阵列中进行图像信息的表达.     

医学图像处理中的小波变换应用

医学图像在现代医疗诊断中有重要作用,近年来小波变换在医学图像处理如边缘提取、去噪、增强、图像压缩、融合等方面得到了广泛的应用.本文利用小波变换的理论分析和相关文献报道对以上处理方法进行综述.     

基于小波变换的医学超声图像去噪及增强方法

目的探求一种基于小波变换的医学超声图像去噪及增强方法。方法提出了一种基于小波分析理论的医学超声图像噪声的综合抑制方法,首先对医学超声图像进行对数变换,将乘性噪声变成加性噪声;然后进行多尺度小波变换,将图像分解成一系列不同尺度上的小波系数,对变换后不同尺度的高频子图像进行非线性小波软阈值处理,阈值处理后的高频子图像进行增强;最后,经小波逆变换和指数变换恢复去噪后图像。结果原图像中斑纹噪声被有效去除,图像边缘细节得以保留。结论该方法可有效保留细节信号,极大限度地去除斑纹噪声。     

小波变换在量子点编码识别中的应用

背景:为实现更多种类的量子点编码,量子点的荧光发射峰必定出现重叠,这就造成了量子点编码识别的困难.目的:应用小波变换对重叠峰展开技术,对两种相邻波长量子点的编码进行识别.方法:在显微镜引导下,以375 nm的紫外光激发单个量子点编码微球的荧光光谱,被光纤光谱仪采后,应用小波变换对数据多维展开,然后经过样条函数处理,再通过小波反变换重构波谱展开的光谱.结果与结论:为了使处理数据的长度为2~n,在原始数据进行了插值运算.经过小波变换处理后,峰位置保持不变,能够提取编码荧光光谱的特征值.通过小波变换,混合微球的荧光光谱被展开,能够识别出两种量子点编码,提高了识别的分辨率.通过提高对相邻光谱的编码的识别,量子点编码的颜色必将增加,从而显著丰富编码的信息量.结果提示用小波变换对光谱进行处理后,可以实现对不同波长的荧光展开,提高了识别效率,为实现肿瘤标志物的高通量检测奠定基础.     

基于小波变换的医学图像融合技术

医学图像融合作为信息融合技术的一个重要领域，在90年代受到学术界的广泛重视。现代医学影像成像系统的应用，为临床诊断提供了不同模态的图像，它们可提供的医学信息各有其特点，如CT骨窗图像骨骼成像非常清晰，分辨率极高，可为病灶的定位起到良好的参照，MRI图像分辨率不及CT，但软组织成像清晰，可用于病灶范围的确定，PET图像提供了人体的功能信息，但图像模糊，分辨率低。如果我们能够把这些信息综合显示，就能够为临床诊断提供更加充分的信息。     

基于小波变换的心音包络提取算法及应用

背景:心音信号包含了大量心脏瓣膜活动的生理信息,心音分析对诊断心脏疾病具有重要的临床意义。目的:旨在通过心音的包络提取,分析心音信号的各种特征,进而判断心音中是否包含杂音,以改善传统听诊技术高度依赖医生经验、听诊范围受限的缺点。方法:提出了一种采用小波变换来提取心音包络的方法,通过与采用希尔伯特-黄变换、数学形态学、平均香农能量等心音包络求解方法进行对比,证明这种方法具有算法简便、曲线光滑、特征点突出等优点。结果与结论:将该方法用于临床真实心音的包络提取,利用支持向量机来训练所提取心音包络的面积和小波能量两个特征参数,判别心音信号是否明显包含杂音。选用35例心音数据对算法进行验证,结果表明该算法的准确率达到95%,具有很强的实用性。     

基于各向异性扩散和小波变换的磁共振图像降噪和增强方法

降噪是医学图像处理中一个非常重要的问题,传统去噪方法在降低噪声的同时会模糊图像的边缘,各向异性扩散滤波在降低图像噪声的同时能够使图像的边缘得到保持.利用小波变换可以对图像进行多尺度分解,使我们可以在不同尺度上对图像进行处理.本文利用各向异性扩散滤波对MRI图像进行降噪,然后利用平稳小波变换对图像进行增强处理.实验结果表明,该方法在有效去除噪声的同时能够增强图像的细节,有效地提高了图像的质量.     

基于离散小波变换的fMRI数据特征提取

目的 设计一种灵敏度高且处理速度快的fMRI数据小波分析方法.方法 先用离散小波变换和频谱分析确定有用信号存在的小波分解尺度,也即特征尺度;再对实验数据进行离散小波分解,重构时将非特征尺度里的小波系数设置为0;再以相关分析对小波重构信号进行激活检测.结果 对视觉数据的分析结果显示,新方法的灵敏度与基于平稳小波变换、SPM2方法相当,而优于基于提升小波变换的方法;新方法的处理速度与基于提升小波变换的方法相当,但较平稳小波变换方法有较大提高.结论 本文为fMRI数据提供了一种更为灵敏且快速的小波分析方法,更为实用.     

基于平稳小波变换的减小MR图像截断伪影的方法

如何缩短磁共振成像的时间一直是磁共振成像领域研究的热点问题之一.在实际工作中只采集部分相位编码的磁共振信号进行磁共振图像重建,不但可以缩短成像的时间,而且可以使图像保持较高的信噪比,但在重建的图像上出现了截断伪影.采用平稳小波变换和图像模板技术消除图像截断伪影及噪声,可有效地提高图像质量.     

基于小波变换的PET/CT图像融合算法研究进展

随着图像融合技术在影像学领域的不断发展,越来越多新的影像技术及成像设备出现。PET/CT将PET和CT两种模态的医学图像进行融合,优势互补,提高了医师诊断疾病的效率及准确率。小波变换在医学图像融合中有重要作用,基于小波变换的算法使融合后图像的细节更加清晰而易于诊断,已成为近年来医学图像融合领域中研究的重点。本文对基于小波变换的PET/CT图像融合算法的研究进展进行综述。     

Ultrasound contrast imaging based on a novel algorithm combined pulse inversion with wavelet transform

In this article, an ultrasound contrast imaging method that combines the pulse-inversion technique with wavelet transform has been proposed to enhance the contrast between bubbles and surrounding tissues. In this technique, wavelet transform is utilized to analyze the correlation between mother wavelet and the received echoes from a pair of inverted transmit pulses, respectively. To obtain a better correlation, a new mother wavelet named “bubble wavelet” is constructed according to the modified Herring equation. Radio-frequency (RF) data were acquired from a modified digital diagnostic ultrasound system that transmits two identical pulses with opposite polarity. The proposed method was validated by simulations. Experiments were performed on an ultrasound flow phantom and results showed that the contrast-to-tissue ratio (CTR) was improved by up to 28 dB depending on types of mother wavelet, scales and depths, compared with that obtained using pulse-inversion-based second-harmonic imaging. Experiments in vivo were also conducted out using kidneys of rabbits and results showed that the signals of surrounding tissues can be well suppressed compared with that of bubbles. The proposed method was compared with the quadratic pulse inversion (QPI) imaging on the same set of experimental data. Further improvements might be achieved with optimized bubble wavelet and imaging algorithm.     

基于维纳滤波与小波相融合的超声医学图像去噪方法

目的 探求一种有效的超声医学图像去噪方法.方法 在分析维纳滤波和基于自适应前处理的多尺度小波非线性阈值斑点噪声抑制方法(MSSNT-A)的基础上,提出一种基于维纳滤波与MSSNT-A相融合的超声医学图像去噪方法.利用该方法首先对加噪图像分别进行维纳滤波和MSSNT-A去噪.然后提取维纳滤波处理后的图像边缘,再将其与MSSNT-A去噪后的图像的_柑应像素点进行融合,得到去噪图像.结果 有效地去除了斑点噪声,图像的细节得到保留.结论 与维纳滤波和MSSNT-A方法相比,该方法在有效去除斑点噪声的同时,很好地保留了图像边缘和图像细节信息.     

基于小波变换的数字胸片增强

目的 研究一种基于小波变换的数字胸片图像增强新算法.方法 小波分解后,首先利用小波阈值法进行去噪预处理,然后对高频分量采用非线性增强,对低频分量采用反锐化掩模增强方法,通过小波反变换重构出增强后的图像.结果 通过对传统增强方法和本文提出的小波增强新方法进行实验对比,验证了本文算法对数字胸片图像有较好的增强效果.结论 对于分辨力低、噪声干扰严重、光照不均的数字胸片图像,本文提出的基于小波变换的增强新方法可保留图像细节信息,同时有效去除噪声.     

基于小波变换的功能磁共振数据处理方法

近年来,小波变换在功能磁共振成像(fMRI)数据分析中获得了广泛的应用,小波变换的一些独特的性质使之非常适合于fMRI数据的处理。本文对基于小波变换的fMRI数据分析方法予以综述,指出了基于小波变换的分析方法的优势和局限性,并对这类方法的发展趋势进行了展望。     

医学图像无损压缩技术研究进展

医学成像技术已经成为现代临床医学诊断与治疗的核心支撑技术。然而,对于各种医学成像设备所获取的图像,庞大的数据量给图像存储与传输带来了巨大压力,并严重制约着医学图像的后续应用。随着医学成像设备分辨率的不断提高,所获取的图像数据量必将持续膨胀。因此,必须利用有效的压缩技术对其进行压缩。无损压缩能够完全保持原始医学图像的所有信息,在实际应用中获得了广泛的接受。本文对医学图像无损压缩技术的研究进展进行总结与分析,并对其发展趋势进行展望。