基于数学形态学人脑MR图像感兴趣区域的提取**◆

背景：在人脑MRI图像中感兴趣区域提取中,应用数学形态学方法取得了较好的效果,但是在抗噪性能和结构元素选取时存在一些不足之处,使得提取效果有缺陷。目的：在数学形态学的基础上,采用一系列改进的数学形态学方法,以期清晰完整地提取人脑MR图像中的感兴趣区域如脑脊液部位,为医学诊断提供准确信息。方法：首先采用复合形态学滤波去除脉冲和高斯噪声,用高低帽变换进行图像增强,然后用形态分水岭阈值分割提取脑部各成分,对分割出的脑脊液图像进行形态开闭滤波、边缘跟踪和灰度填充后,运用抗噪型边缘检测算子检测出清晰完整的脑脊液区域边缘,最后在原图像中用彩色标定,突出感兴趣区域。结果与结论：综合应用多种数学形态学算法,清晰完整地提取了人脑MRI图像中的感兴趣区域——脑脊液部位。经验证,该方法具有简单、快速、精度高、适用性强等特点。关键词：图像分割;边缘检测;人脑图像;数学形态学;感兴趣区域;提取     

一种基于指数型先验分布的正电子发射断层图像重建算法

背景:最大似然估计算法是正电子发射断层图像重建的经典算法,能够在信息量不足的情况下获得分辨率和噪声特性均优于滤波反投影重建的重建结果.但是MLEM算法具有不稳定性,即随迭代次数的增加,图像噪声反而会增加.目的:针对MLEM算法的图像噪声问题,提出一种基于指数型先验分布约束的MAP重建算法.方法:将指数先验分布代替传统MAP重建中的高斯先验,并用信噪比和归一化均方误差来判断重建质量.结果与结论:实验证明,该算法不仅能够抑制噪声,而且能够保持重建图像的边缘,不会造成过分平滑.     

基于3D打印技术的血流成像光纤探头设计

目的 使用3D打印技术设计制作一种适合近红外漫射光相关层析成像技术的光纤探头,以获取更精准的组织血流值.方法 使用Solidworks软件进行光纤探头的3D建模,根据设计模型,利用光敏树脂材料完成光纤探头的3D打印;并利用3D打印的平板式光学探头在仿体实验和人体实验中进行有效性验证.结果 在仿体实验中,使用3D打印技术...     

一种基于指数型先验分布的正电子发射断层图像重建算法**◆

背景：最大似然估计算法是正电子发射断层图像重建的经典算法,能够在信息量不足的情况下获得分辨率和噪声特性均优于滤波反投影重建的重建结果。但是MLEM算法具有不稳定性,即随迭代次数的增加,图像噪声反而会增加。目的：针对MLEM算法的图像噪声问题,提出一种基于指数型先验分布约束的MAP重建算法。方法：将指数先验分布代替传统MAP重建中的高斯先验,并用信噪比和归一化均方误差来判断重建质量。结果与结论：实验证明,该算法不仅能够抑制噪声,而且能够保持重建图像的边缘,不会造成过分平滑。     

近红外漫射光相关断层成像的乳腺光纤探头设计

为获得稳定的光学信号,提高近红外漫射光相关断层成像技术(diffuse correlation tomography,DCT)的诊断效率,本研究结合阵列式光开关,设计了一种适用于DCT的弧面式光学乳腺探头,可将DCT检测部位扩展到人体乳腺组织。为验证该乳腺探头的有效性及实用性,本研究设计了相应的乳腺仿体,并进行了仿体实验。结果表明,该乳腺探头可较好地契合DCT设备,并能捕捉微弱的血流变化,有望促进DCT技术在早期乳腺恶性肿瘤筛查中的临床应用。     

正电子发射断层图像重建中基于有序子集惩罚最小二乘算法的应用

为了解决正电子断层成像中传统迭代重建算法不能有效抑制噪声和收敛速度慢的问题,在最小二乘算法中引入二次平滑先验惩罚项,并结合有序子集加速方法用于正电子发射断层图像重建,形成了有序子集惩罚最小二乘算法。实验结果表明,有序子集惩罚最小二乘算法相对于最大似然估计等算法,不仅能够有效地抑制噪声,重建出质量更好的图像,而且较大地提高了收敛速度。     

基于数学形态学人脑MR图像感兴趣区域的提取

背景:在人脑MRI图像中感兴趣区域提取中,应用数学形态学方法取得了较好的效果,但是在抗噪性能和结构元素选取时存在一些不足之处,使得提取效果有缺陷.目的:在数学形态学的基础上,采用一系列改进的数学形态学方法,以期清晰完整地提取人脑MR图像中的感兴趣区域如脑脊液部位,为医学诊断提供准确信息.方法:首先采用复合形态学滤波去除脉冲和高斯噪声,用高低帽变换进行图像增强,然后用形态分水岭阈值分割提取脑部各成分,对分割出的脑脊液图像进行形态开闭滤波、边缘跟踪和灰度填充后,运用抗噪型边缘检测算子检测出清晰完整的脑脊液区域边缘,最后在原图像中用彩色标定,突出感兴趣区域.结果与结论:综合应用多种数学形态学算法,清晰完整地提取了人脑MRI图像中的感兴趣区域--脑脊液部位.经验证,该方法具有简单、快速、精度高、适用性强等特点.     

诱发生理状态下的脑血流动力学的无创光学评估

许多脑部疾病影响人体自我调节能力,可以通过测量脑部血流(Cerebral Blood Flow,CBF)来评估脑自我调节能力。本研究中利用课题组自行开发的近红外光相关谱血流仪来无创检测CBF,同时使用无创连续血压仪来检测人体的平均动脉压(Mean Arterial Pressure,MAP)。10名健康受试者参加了本研究,我们设计70°头上位倾斜试验来诱发血流动力学的变化,并测量了CBF与MAP的动态关系。使用功率谱分析,我们观察到MAP和CBF数据中约0.1 Hz的人体自发性低频振荡,并且在头上位倾斜试验过程中,MAP和CBF的相关性为78%。本研究提供了脑部自我调节能力的评估方法,对于今后的脑功能评估和疾病诊断具有重要意义。     

基于混合准则的IMRT计划优化

在适形调强放射治疗计划优化方法中,基于广义等效均匀剂量(gEUD)的生物优化不能较好地控制靶区剂量覆盖特性,基于剂量体积(DV)的物理优化不能反映组织对剂量的非线性反应,为此提出一种基于gEUD生物准则和物理准则(最小剂量和平均剂量)混合准则约束的方法,结合两类准则的优势,更好地兼顾靶区剂量覆盖特性和保护危及器官。采用10例前列腺病例数据仿真,从剂量学和生物学两方面比较和评价。混合准则优化较物理准则优化能够在保证靶区剂量覆盖特性相似的前提下,降低危及器官的剂量,直肠的平均剂量、V₅₀和V₆₀,膀胱的平均剂量、V₆₅、V₇₀、V₇₅、正常组织并发症概率(NTCP)和gEUD有统计学显著差异(P<0.05)。混合准则优化与生物准则优化相比,一方面靶区剂量覆盖特性得到很大改善,靶区剂量统计指标和生物指标均有显著性差异(P<0.05);另一方面危及器官得到保护,表现在直肠平均剂量、V₅₀、V₆₀、V₇₅、NTCP和gEUD,膀胱V₇₅和gEUD有显著性差异(P<0.05)。总之,在保证靶区放疗剂量的同时,基于gEUD的混合准则放疗优化能够减少危及器官的照射剂量,为进一步改善靶区剂量覆盖特性、提高治疗增益比提供可能。     

基于小波熵的心电信号去噪处理

实测的心电信号不可避免地存在一些强干扰和噪声,如何在强背景干扰和噪声下准确提取出有用的心电信号,是心脏病智能诊断的一个重要内容。提出一种新的基于小波熵的弱心电信号去噪方法,先将信号小波分解,再对不同分解尺度上的高频系数进行小波熵阈值的量化处理,然后利用最高一层小波分解的低频系数分量和经过阈值处理的不同尺度的高频小波系数分量,组成进行信号重构所需要的系数分量进行重构,将严重的干扰和噪声去掉,实现有效信号的提取。最后分别利用临床的实测心电数据和M IT/B IH心电数据库信号进行验证,并针对不同噪声类型和不同信噪比情况进行分析。结果表明,该方法简单有效,尤其对于高频噪声效果更优,且适于实际应用。