关于CT图像肝纤维化评定标准的研究

肝脏疾病严重威胁着人民的健康.本文通过对肝纤维化生理病理特点以及在 CT图像上表现的分析,利用灰度共生矩阵的算法对纤维化病人与正常人的 CT图像进行纹理分析,探索区分两者的有效参数,为肝纤维化的 CT图像诊断提供依据.     

MRI图像中颅骨不连续外轮廓的多分辨率提取

目前,许多医学图像处理（例如图像三维重构,图像建模,图像配准和图像融合等）都需要进行图像的边缘提取,因此,边缘提取方法在医学图像处理中有极其重要的意义,轮廓闭合图像的边缘比较容易提取,而解剖和外伤等原因造成轮廓不连续时边缘提取比较复杂,美国和欧洲等发达国家从20世纪90年代后期开始着手医学图像不连续边缘提取方法的研究,国内的有关研究仍少见报道,本课题以脑图像为例,试图综合运用多分辨率法与八邻距离转换法来提取脑图像的不连续外轮廓,研究结果表明,此方法在提取不连续脑图像的连缘时快速有效,同时可以去掉高频干扰,有利于图像的配准。     

基于MR图像的轻度认知功能障碍患者胼胝体三维纹理分析研究

目的研究轻度认知功能障碍(Mild Cognitive Impairment,MCI)患者胼胝体MR图像的三维纹理特征,以期尽早发现和筛选出阿尔茨海默病(Alzheimer’s Disease,AD)的高危人群,为AD的治疗提供最佳的时间。方法选取18例MCI患者(MCI组)及18例健康对照组(NC组)的MR图像进行三维纹理分析,采用灰度共生矩阵和游程长矩阵提取每位受试者胼胝体的10个三维纹理特征,比较两组样本的各纹理特征间是否存在显著性差异。结果提取的10个纹理参数中除灰度不均匀度因子,两组间没有显著性差异(P>0.05),其余9个参数两组间均存在显著性差异(P<0.05)。结论三维纹理特征能反映出MCI患者胼胝体部位的病理病变,有助于AD的早期诊断和治疗。     

脑导纳微分环对脑梗和高血压患者的脑血管功能分析

探讨脑梗和高血压患者脑导纳微分环的Ⅰ相面积、Ⅱ相面积变化、环形改变的特点及差异,进而评价其脑血管功能,为配合临床诊断和治疗提供参考.     

组合算法用于肝纤维化CT图像研究

肝纤维化CT图像纹理分析研究是一个针对临床需求的研究课题,目前国内外报道很少.本文将灰度共生矩阵和颗粒分析方法进行组合,对肝纤维化CT图像训练样本进行深入研究.结果说明可以使用该方法来区分这两组图像,并提高了检测样本的识别率.     

《医学模糊决策》的教学探索

帮助医学生用模糊不精确的观点和方法去观察和分析医学中的不确定性事物以辅助医学决策并在此过程中培养科学的思维方法,并探讨了此课程需要继续改进的方面。     

阿尔茨海默病患者MR图像胼胝体三维纹理特征研究

目的 研究阿尔茨海默病(Alzheimer Disease,AD)胼胝体磁共振图像的三维纹理特征.方法 对12例AD患者和12例健康对照者(Normal Controls,NC)进行三维纹理分析.采用灰度共生矩阵方法提取三维纹理参数,分析纹理参数在两组间的差异及与临床简易智能状态检查量表(Mini-Mental Stare Examination,MMSE)评分之间的相关性.结果 研究结果显示,胼胝体部位的能量、逆差矩、对比度、熵、差熵及差方差在两组间存在显著性差异,并且MMSE评分存在相关性.结论 三维纹理特征可能反映出AD患者胼胝体部位的病理病变,有助于AD的诊断.     

肝纤维化CT图像的频域特征分析

针对肝纤维化CT图像纹理方向性和规律性较低的特点,本研究用频谱法对图像进行处理,得到了在正常组、肝纤维化早期组和晚期组之间有统计学差异的能量、方差、低频能量比和低高频能量比等4个特征分量。     

MRI医学图像纹理分析系统的研制与开发

很多研究都已经证实当人体的组织发生病理变化时，图像纹理特征也会相应改变，如何从MRI图像中提取表征这种常规MRI无法观察到的微观结构改变的特征是本文研究的重点。本文旨在开发一个对MRI医学图像进行纹理分析的系统，其功能包括实现图像的显示及图像信息的读取。选取ROI（Regions of Interest，感兴趣区），对感兴趣区提取5个纹理特征，形成样本，存人样本库，以及对样本进行分类和统计检验。本系统的开发为从纹理分析的角度研究MRI医学图像提供了方便，具有较高的实用价值。     

基于小波包技术的脑血流导纳信号熵特征分析

目的：探讨通过脑血流导纳信号的熵特征分析，揭示脑血管功能状态。 方法：选择2004-09／2005-01首都医科大学宣武医院神经内科收治的高血压患者、动脉硬化患者各30例。选择2002—09／2003-01首都医科大学正常者30人作对照。①利用ENG系列导纳式双侧脑血流图自动检测仪，对各组人员进行脑导纳信号的额一乳突导联检测。②利用小波包分解技术提取脑导纳信号不同频段的熵特征，进行对照比较和统计学分析。 结果：两组患者各．30例，正常对照30人，全部进入结果分析。①小波包2级分解显示，高血压组和动脉硬化组的熵值均低于正常组，高血压组和正常组的T（2，1）熵特征值差异有显著性意义（303．61&;#177;20．48，368．09&;#177;14．20，P=0．012）。②3级分解显示；在中频段，高血压组脑导纳信号的熵特征值与正常组T（2，1），T（3,2）和T（3,4）差异有显著性意义（P〈0．05）；而动脉硬化组的熵值差异则全部有显著性意义。 结论：利用小波包技术从脑导纳信号中提取的熵特征值正常组和异常组之间存在差异，而且在中频段的特征值存在显著性差异，借助小波包分析手段，通过对脑导纳信号的分解，研究脑血管功能状态，这将为进一步的研究如信号分类等提供依据。