小波变换在消除超声成像噪声中的应用

小波分析是目前国际上公认的性能优良的信号时—频分析工具,其多分辨率分析具有良好的空间域和频率域局部化特性,因此很适合于对二维图像信号进行处理。本文针对肝脏超声成像中因相位不同的散射回波相互干涉而产生的斑点噪声,利用小波变换对其进行消噪处理。处理结果显示此方法能达到较好的消噪效果。     

基于BP神经网络的超声图像识别方法的研究

在B型超声肾脏图像的特征提取和基于BP神经网络的超声图像识别方法上进行理论和实践上的探讨,包括图像特征区域的选取与特征点的提取,BP网络结构的输入、输出层的设计和隐层节点数的选取等问题.对由80幅肾脏超声图像(其中36幅为正常图像,44幅为异常图像)组成的数据做识别实验,结果表明BP神经网络具有很强的自适应性,对超声图像正常与否的自动识别效果较好,能达到较高的正确率.     

用于心力变化趋势评价的基于概率神经网络的心音识别算法

讨论了用于评估心力变化趋势的心音识别算法，包含了对不同运动条件下记录的心音样本的识别。尤其是讨论了对剧烈运动负荷后记录的心音进行的识别。提出的算法包括两个相互联系的方法。第一个是基于概率神经网络的算法，用于识别静息状态和轻微运动状态；第二个是基于心音本身特点的算法，用于对剧烈运动（本研究中约定的全运动量）后心音的识别。最后，使用该算法对45个在静息状态和轻微运动（1／4运动量）状态下记录的正常和异常心音的样本，以及28个剧烈运动后记录的心音样本进行了识别。结果表明94％的样本可被正确识别和分类。这个识别算法为后续的心音分析研究提供了可靠基础。     

基于模糊逻辑理论的红细胞图像边缘检测

根据红细胞边缘本身所具有的特性 ,针对传统红细胞边缘检测方法的不足 ,基于模糊逻辑理论以及Pal King算法 ,提出了一种新的边缘检测方法应用于红细胞边缘提取 ,并对原始图像分别用Sobel算子。Pal King算法以及本文提出的基于模糊理论的方法进行边缘检测。实验结果表明 ,基于模糊理论的边缘提取方法对红细胞的边缘提取有很好的效果     

基于数学形态学的心音包络提取与识别方法研究

心音包络比原始心音可以更好地显示心音的特征,是进行心音独立识别的基础.本文把数学形态学应用于心音包络的提取和识别的研究.首先利用形态学滤波和全波整流对原始心音进行预处理;然后利用形态学闭运算提取心音包络;最后应用形态学开运算来消除噪声包络.在数学形态学提取的心音包络基础上,对50例心音样本进行了第一心音、第二心音识别,全部20例正常心音的第一心音和第二心音被正确识别,27例包含心杂音的异常心音的第一心音、第二心音也被正确识别.为进一步的心音分析及心音诊断奠定了基础.