一种基于自适应最小模糊熵的CT图像分割方法

为了从CT图像中提取到多个组织的解剖特征,解决运算速度的提高与运算结果不稳定的矛盾,我们提出了一种基于自适应最小模糊熵的图像分割算法.为了找到分割灰度图像的最佳阈值.首先利用迭代公式以及图像的直方图来计算出每个模糊子集的隶属函数中指数参数的值以及阈值的搜索范围,然后在已确定的搜索范围内用穷举法搜索出能使模糊熵最小的最佳阈值.实验表明该方法能较好的完成CT图像的分割.此算法运算速度较快;与用遗传算法、模拟退火算法相比较,运算结果稳定,重复性更好,得到的图像细节成分要更多些.     

高精度红外光点位置检测分析系统

高精度红外光点位置检测分析系统是基于光电位置敏感器件、立体测量学研制而成的运动物体分析系统。它能快速、准确地测出运动物体各特征点的瞬时位置，并在此基础上进行分析计算，给出三维坐标及针对具体应用领域的特征曲线和参数。该系统可应用于人体运动检测、外科手术定位等领域。     

基于物体空间序法的CT图像三维重建算法的研究

首先对三维可视化方法进行了分类概述。接着对基本的物体空间序法及其改进算法——抛雪球法做了详细的描述，并且通过对两组CT数据进行三维重建实验，得到高质量的重构图像。最后，本文研究并采用了提取表面体素进行体绘制加速的方法，实现了基于等值面提取表面的加速算法，实验证明加速算法能够满足显示要求并能起到明显的加速作用。     

基于内模自适应估计器的VEP信号提取新方法

本文基于确定信号和扰动和内模建立了两种视觉诱发脑电（VEP）和自发脑电（EEG）混合信号的组合状态空间模型，基于时域参数模型提出了采用迭代型推广卡尔曼滤波算法来实现VEP信号的自适应估计，最后通过临床实际应用比较分析了两种建模方法的滤波性能。     

一种基于形态学方法优化的种子填充算法及其在脑组织CT影像自动分割中的应用

医学图像的自动组织分割技术已经成为一种迫切的需求和发展趋势。本文将图像腐蚀和膨胀应用到基本种子填充算法中，提出了一种优化的种子填充分割算法，并应用于脑组织CT影像自动分割中。在进行种子选取时，利用腐蚀方法去除种子噪声，使种子的选取达到最优化。对分割后的图像借助膨胀方法消除空白点，使图像更平滑、清晰。实验证明了该方法的有效性。     

基于FCM聚类算法的MRI脑组织图像分割方法比较研究

目的磁共振成像(magnetic resonance imaging,MRI)对脑组织有较好的成像效果,但噪声、偏移场和部分容积效应(partial volume effect,PVE)的存在,使得全自动分割MRI图像面临一定的困难。模糊C均值(fuzzy C-means,FCM)聚类算法在脑组织分割中得到较广泛研究。本文以存在噪声和偏移场影响的脑MRI图像分割为应用背景,研究了大量相关方法,探讨FCM算法分割脑部图像的改进思想。方法本文主要研究了9种FCM算法的理论基础,并通过脑组织分割实验对各种算法进行了分析。结果比较了不同算法的优劣,给出各类算法直观及定量评价结果。结论偏移场和噪声对脑磁共振图像组织分类质量有明显影响。其中几种方法可以减弱这些不利影响,但由于难以选择合适的参数,其分类效果并不理想。如何合理利用空间信息在未来仍有较大研究价值。     

基于自适应标记分水岭算法的肝脏CT图像自动分割

目的为减少人工交互提出了基于自适应标记分水岭的CT系列图像肝脏区域自动分割算法。方法首先对图像进行形态学重构运算以平滑图像,然后计算多尺度形态学梯度,同时提出利用梯度图像非零的局部极小值点的均值进行自适应标记提取,以避免分水岭的过分割和欠分割,再结合肝脏为最大的实质性脏器和相邻图像的相似性实现CT系列图像的肝区自动分割。结果该算法能自动、快速地提取CT系列图像中的肝脏区域。结论分水岭算法能准确定位区域的边缘,通过选择合适的阈值对梯度图像进行标记以抑制分水岭的过分割,实现医学图像中感兴趣区域的自动分割。     

自适应迭代降剂量技术在个性化超低剂量胸部CT成像的应用性研究

目的 迭代算法是实现CT低剂量成像的有效工具,其特点是在降低图像噪声的情况下仍然保持较好的图像质量.但对于扫描条件过低噪声过大的图像,过度的迭代重建有可能降低图像的空间分辨率并损失解剖结构的细节.因此,如何能针对不同病人实施个性化成像、使放射剂量达到可处理的最低水平是在临床实施CT低剂量成像需要解决的问题.本文旨在探讨应用自适应迭代降剂量技术(adaptive iterative dose reduction 3D,AIDR 3D)进行个体化超低剂量胸部CT成像的可行性.方法 从本院2011年12月～2012年2月进行过首次常规剂量胸部CT平扫检查并且明确诊断的病人中,连续收集需要在1个月内进行CT平扫复查的病人共48例,其中男25例,女23例,13～84岁,平均年龄48.27±17.63岁,BMI为15.62～30.85,平均21.62±3.38.这48例病人首次常规剂量检查时采用普通自动曝光控制技术(automatic exposure control,AEC)扫描,其目标噪声值SD为12.5,并用常规滤波反投影(filter back projection,FBP)算法进行重建.复查时进行个性化超低剂量胸部CT成像方案扫描,扫描条件采用整合迭代算法(AIDR 3D)的AEC技术,设置目标噪声值为SD25,其他扫描参数和重建参数保持和常规检查一致,得到的数据分别进行AIDR算法和FBP算法重建.两次检查总共得到三组数据,分别为常规剂量FBP组(A组)、低剂量AIDR组(B组)和低剂量FBP组(C组).3组分别用相应的过滤函数显示肺窗和纵隔窗.对三组数据进行图像质量评价并进行对比:客观评价用图像噪声值进行量化(用CT值的标准差表示),主观评价由两名医师采用3分制(3-优,2-可,1-差)进行独立盲法评分.为了评估结合了AIDR 3D的AEC技术调控管电流的效果,把胸部分成上、中、下部分别进行评价.数据统计采用随机区组设计的Friedman检验,将上、中、下评分均≥2分的病例定义为可诊断,计算可诊断率.扫描的放射剂量则通过记录机器上显示的CTDI和DLP数值,计算有效剂量ED(k=0.014),将复查和首次扫描的剂量进行对比.结果 客观图像质量评价3组肺窗图像的噪声值均有统计学差异(P＜0.05),B组比C组大幅降低噪声值(上66.58％;中39.62％;下48.55％),而B组和A组相比,上肺和下肺噪声分别降低15.67％和15.26％,而中肺噪声值则增加9.33％.3组的纵隔窗图像的噪声值相比均有统计学差异(P＜0.05),B组比C组噪声值显著降低(上66.58％;中39.62％;下48.56％),而B组比A组噪声值有轻度增加(上39.95％;中79.43％;下76.35％).主观图像质量评价:B组的肺窗上、中、下部之间评价无统计学差异(P＞0.05),纵隔窗的上、中、下评价之间无统计学差异(P＞0.05).3组的肺窗图像的可诊断率(上、中、下均在2分或以上)都达到100％,优、良、差的分布没有统计学差异(P＞0.05),但3组纵隔窗图像的可诊断率有显著差异,C组的可诊断率明显较低,B组和A组的可诊断率相同(95.83％ vs 95.83％ vs 56.25％,P＜ 0.05).放射剂量方面,复查扫描(B/C组)和初次扫描(A组)相比有效剂量降低87.05％(0.715 vs 5.524 mSv,k=0.014).结论 采用整合AIDR 3D的AEC技术可以实现对不同体型的人群的胸部个性化超低剂量CT成像.     

利用改进人工神经网络对中草药大黄的鉴别研究

在对大量中草药质量控制实践基础上,该文采用改进的BP算法和近红外光谱对中草药大黄的质量鉴别进行了研究,其具有较高的正确率.同时将改进BP算法的隐含层节点个数和动量因子对正确率的影响与传统BP算法的做了比较研究,并用留一法对其进行了交叉检验,得到了理想的结果 .该法具有样品前处理少,测定快速和非破坏性等特点,在中草药的鉴别领域具有较好的前景.     

像素闪烁算法在肾脏低剂量CT灌注扫描中的应用

目的 探讨深度学习像素闪烁算法在低剂量一站式肾脏CT灌注扫描（CTP）检查中提高图像质量的应用价值。方法 回顾性收集2017年3月至8月本院行全肾脏CT增强及灌注扫描的患者21例。采用Revolution CT机,先行肾脏平扫,然后进行灌注和增强3期扫描,管电压120 kVp,CTP采集管电流为20 mA,增强3期管电流为100 mA,轴扫模式,ASiR-V 80%,X射线管旋转时间0.5 s,z轴覆盖范围160 mm,扫描层厚5 mm,层间隔5 mm。首次28 s采用屏气扫描,共获得15期图像,然后分别于第39、43、47、51、63、83、113、153、213、353、593 s各采集1次,其中第22、51及153 s分别采集增强的皮质期、髓质期及排泄期3期图像。所有CTP数据经深度学习的A7模式进行处理,处理前数据为A组,处理后数据为B组。比较皮质期A、B组肾皮质CT值、CT值标准差、竖脊肌CT值标准差、对比噪声比（CNR）、信噪比（SNR）,比较A、B组肾皮质的血流量、血容量、达峰时间和表面通透性。结果 A、B组图像肾皮质标准差（SD）值（9.04±1.77和5.75±1.00）、竖脊肌SD值（8.52±2.28和5.67±0.98）、CNR（16.28±6.61和28.90±1.50）、SNR（21.41±6.67和30.65±7.67）差异均有统计学意义（t=1.562、6.286、5.925、-5.892、-17.274,P<0.05）;像素闪烁算法处理之后的图像其SD值明显减低,SNR明显升高。两组的肾皮质、肾髓质血流量（BF）值、血容量（BV）值、达峰时间（TP）值及肾髓质的表面通透性（PS）值差异均无统计学意义（P>0.05）。结论 深度学习像素闪烁算法可以减小低条件扫描图像的噪声,增加图像的对比噪声比,从而提高图像质量,并且不影响灌注参数值。