基于邻域信息和高斯加权卡方距离的脊椎MR图像分割

提出一种基于邻域信息和高斯加权卡方距离的脊椎MR图像椎体的自动分割方法.由于成像过程中存在噪声和各向异性的影响,单个像素的灰度值对噪声敏感,为此采用5像素×5像素窗口,提取每个像素点邻域内的空间-灰度特征,该特征对噪声具有较强的鲁棒性.利用高斯加权的卡方距离度量两个像素的相似性,构造一种全新的相似度矩阵;而单一的尺度参数存在一定局限性,所以引入一种自适应的局部收缩因子,完成脊椎MR图像椎体的自动分割.实验结果表明,新算法克服了传统方法中常见的过分割和欠分割现象,覆盖率均在96%以上;分割的正常和退行性改变椎体光滑且清晰,具有分割结果准确、鲁棒性强的优点.作为一种一般性的分割方法,该算法可以拓展到其他器官的分割中.     

基于影像组学的脑脊液细胞分类方法

目的：基于影像组学构建出更为高效、准确的脑脊液细胞判别模型。方法：回顾性收集3331张脑脊液细胞显微图像,其中吞噬细胞167张、单核细胞332张、淋巴细胞1081张、中性粒细胞1751张。首先在显微图像上分割出细胞核、细胞核凸包区域和细胞核凸包区域的部分细胞质,然后设计3种细胞核形状特征,即圆度、凸度、坚固性。针对细胞核、凸包区域和凸包区域的部分细胞质设计48种颜色特征。基于细胞核凸包区域提取4 676种纹理特征。结果：共提取了4 727个影像组学特征,在经过ANOVA和LASSO特征选择之后,保留了519个特征,且形状特征和颜色特征都得到了较高比例的保留（100.0%, 66.7%）。特征选择之后,利用SMOTE数据增强和SVM分类器在测试集上进行预测,各项评价指标Accuracy、Sensitivity、Specificity、Precision、F1＿score、AUC高达0.953、0.948、0.990、0.961、0.955、0.996。结论：本文提出的新的细胞显微图像特征提取方案和分类模型对细胞分类问题非常有效,且避免了细胞质分割的难题,无需分割细胞,只需分割细胞核和细胞...     

基于多权重概率图谱的脑部图像分割

目的探讨有效地利用图谱的先验信息和待分割图像的灰度与结构信息,得到光滑、准确的分割结果的脑部图像分割方
法。方法利用配准的局部相似性测度、标号图像的距离场、待分割图像的自相似性计算多权重概率图谱,然后对多权重概率图
谱进行阈值处理得到最终的分割结果。通过配准的相似性测度加权,保证概率图谱计算的准确性;利用标号图像的距离场加
权,引入图谱标号图像提供的位置先验信息;经过待分割图像的自相似性加权,引入了待分割图像提供的灰度与结构信息。结
果对大量脑部MR图像中的海马进行分割实验,并与国际上主流的分割算法进行了比较,对左海马的分割精度提高到87%,对
右海马的分割精度提高到87.5%。结论基于多权重概率图谱的脑部图像分割能有效的提高分割精度。
     

基于引导滤波的多图谱医学图像分割

目的为了有效的利用图谱的先验信息和待分割图像的灰度信息,并在融合标号图像的过程中校正配准引起的误差,得到
光滑、准确的分割结果,提出了一种新的基于引导滤波的多图谱医学图像分割方法。方法本文将多图谱配准与引导滤波相结
合。该方法包含4个部分：第一部分为多图谱配准,通过配准将图谱中存储的形状先验信息映射到待分割图像;第二部为标号融
合,利用配准的相似性作为权重,将形变后的标号图像融合在一起;第三部分为引导滤波,利用引导滤波引入待分割图像的灰度
信息,可以校正配准引起的误差;最后通过阈值处理,得到最终的分割结果。结果对15例脑部MR图像数据中的海马体进行分
割实验,左、右海马体分别达到了86%及87.4%的分割精度,与传统的标号融合算法相比,平均分割精度提升了2.4%。结论本
文方法结合多配谱配准与引导滤波的优势,提高了海马的分割精度,并得到光滑有效的分割精度。
     

基于局部灰度差异的快速自适应活动轮廓模型分割腮腺导管

目的研究一种基于局部灰度差异的快速自适应活动轮廓模型腮腺导管图像分割算法。方法本研究在LBF模型的基础 上,加入了轮廓内外局部灰度的均值差异作为驱动演化曲线的能量项,并且将局部灰度方差差异代替λ1 、λ2 作为能量参数值的 控制项,同时还引入两种不同邻域大小的局部相似因子,来克服图像灰度不均匀和边界模糊的影响以提高分割效率。结果该 算法在分割图像时,能够根据内外局部灰度均值差异和方差差异自适应地调节演化方向、速度以及内外部区域能量所占权重, 在面对复杂梯度边界区域时亦能够检测出真实边界,使演化曲线快速精确地逼近目标边界。结论实验结果表明,本文算法明 显优于现有的几种分割算法,能够实现快速精确地分割腮腺导管图像并且保留图像细节。     

肝脏带病灶CT图像检索方法

本文提出了一种肝脏CT图像的全局特征提取方法,并将boostmetric这种距离测度方法用于医学图像检索。目的是提高肝脏病灶的检出率。全局特征提取方法对非张量积小波分解后的低频子带系数直方图分段进行高斯拟合,此方法利用了低频子带的近似特性,能更好地表达腹部图像的全局特征。对数据库中图像半自动分割病灶区域,然后提取病灶局部特征。进行相似性距离测度时用了boostmetric算法。实验通过肝癌、肝血管瘤、肝囊肿这3种疾病的1688幅CT图像验证了这种特征提取方法的有效性,本方法可以提高病灶的检出率,具有较好的检索效果。     

基于主成分分析的三维医学图像快速配准算法

本文提出了一种新的基于主成分分析的三维医学图像快速配准算法.传统的基于灰度的方法需要考虑整个三维数据的灰度信息,计算复杂度大,无法满足临床需要.而本算法利用数据的轮廓特征,通过主成分分析计算出图像的质心和主轴,通过对齐质心和主轴完成配准.实验结果表明此方法能准确,快速地处理图像刚性配准问题,特别适用于三维医学图像的配准.     

一种新的舌癌图像快速自动分割方法

目的:研究一种新的舌癌图像自动分割算法以实现对舌癌肿瘤的快速准确分割。方法:通过引入一种基于局部均方差的自适应尺度算子实现演化曲线在演化过程中的自动调整,从而更高效率地向真实目标边界运动,并且克服舌癌肿瘤图像中目标边界不清和图像灰度不均匀等不良因素带来的影响。此外,为加快曲线的收敛速度,本文提出了一种新的能量项评估演化曲线轮廓内部和轮廓外部区域灰度的分布差异,以此引导曲线自适应地调整演化速度,减少完成分割任务所需的迭代次数。结果:使用本方法对22幅舌癌肿瘤MRI图像进行分割,分割结果与真实结果之间的重叠率Dice值为0.82,豪斯多夫距离HD值为1.732 mm。结论:将本文算法与其它现有的几种活动轮廓模型进行定性和定量对比分析,实验结果表明本文算法在对细节及弱边缘灰度的处理上表现更加优异,可用于舌癌肿瘤的精确分割,为临床分析提供辅助信息。     

PBL在研究生数理统计教学中的探索

新技术革命的发展给统计学在理论和应用方面都带来巨大的机遇和挑战。在数理统计课程的教学中,需要转变教学理念,进行教学变革,以适应新时代的需求。在教学中结合PBL教学模式,以培养学生自主学习的能力和提高数理统计的素养,取得较好的教学效果。     

一种用于膝关节软骨T2值测量的自动分区方法

目的提出一种把膝关节软骨T2图自动分为三层及九个区域并算出各区域T2均值的方法。方法本方法根据临床经验丰富的放射科医生在T2图上手动勾勒出的膝关节软骨边缘,计算其中轴线以及中轴线的法线,然后将医生分割区域沿法线方向等间距再分为表浅层、中间层、深层三层,再根据中轴线的长度选取两条法线将软骨区域均分为内中外三部分,最后计算各个区域内的T2均值,并通过Bland-Altman分析方法进行统计学分析。结果手工分区和自动分区方法的95%一致性界限为(-3.04 ms,3.20 ms),其一致性界限窄(小于最小均值的一半),变异系数为4.04%。结论自动分区与手工分区这两种方法具有较好的一致性,而且自动分区方法克服了手工分区方法的主观性。