基于不同频率的低能量近红外光疗评估

低能量光疗是一种新型治疗手段,但对光疗的评估还在完善中。我们提出基于不同频率的低能量近红外LED光疗评估研究,进行不同频率光疗实验(0、5、10和20 Hz),分析实验前后的脑电(electroencephalogram,EEG)信号差异和过程中的信号变化。对照组与实验组的脑电信号具有显著性差异,不同频率光疗后的EEG信号复杂度与频率具有相关性,基于同一实验频率、不同通道脑电信号的复杂度差异显著。实验证实了低能量近红外LED光疗的有效性,可为进一步研究光疗机制提供支撑。     

基于NSST与改进模糊的乳腺超声图像增强方法

目的 为解决乳腺超声图像在采集和传输过程中引入噪声导致图像质量下降,影响乳腺癌早期诊断的问题,提出一种基于非下采样剪切波变换（Non-Subsampled Shearlet Transform,NSST）与改进模糊的乳腺超声图像增强方法。方法 首先,通过改进模糊算法增强图像对比度;然后,采用NSST将图像分解为低频部分和高频部分,其中对低频部分进行线性变换以调整图像整体对比度,对高频部分采用阈值模型去除图像中的噪声;最后,将处理后的高频部分和低频部分通过逆NSST获得增强图像。采用信噪比（Signal to Noise Ratio,SNR）和对比噪声比（Contrast to Noise Ratio,CNR）衡量算法去噪性能,结构相似性、特征相似性和信息熵衡量算法细节保留能力,平均梯度衡量算法对比度增强效果。结果 本文方法增强后图像的SNR为2.108,CNR为0.903,信息熵为7.363,平均梯度为9.439,结构相似性为0.939,特征相似性为0.972,均明显高于基于非局部均值自适应选择搜索区域图像去噪算法、基于NSST与模糊对比度的增强算法和基于双边滤波的NSST去噪算法。结...     

基于超声图像的乳腺钙化点自动检测技术

当前乳腺钙化点检测方法多基于X光片,难以应用于超声图像,本研究提出基于超声图像的乳腺钙化点自动检测技术,首先将乳腺超声图像中的肿瘤区域通过勾画模板提取出来,基于简单线性迭代聚类算法进行超像素分割;然后提取表征各超像素的特征量来计算显著性图,基于钙化区域显著性进行粗钙化点分割;最终对分割后的粗钙化点进行形态学检测,达到对超声图像中的细钙化点自动检测。该方法取得了较好的分割效果,具有较强的鲁棒性,为形成具有普适性的肿瘤自动诊断方案奠定了研究基础。