首页 > 文献资料
-
一种基于K-均值聚类的CIELAB和HSI色彩空间舌质舌苔分割算法
目的:建立一种基于CIELAB(国际照明委员会1976年L*a*b*标准)和HSI(hue,saturation and intensity,色调、饱和度、亮度)色彩空间的舌质舌苔的分割算法.方法:以数码相机采集神经内科患者的舌图(有淡红舌薄白苔、腻苔、黄苔、舌红少苔、舌面瘀斑等舌图种类)为研究对象.算法结合了CIELAB和HSI色彩空间描述舌图的优势,先以舌图的a*值为聚类样本,使用K-均值聚类对舌质舌苔进行初步分割,然后再根据H值排除紫斑区域以完成分割.结果:该算法不仅可以分割舌质和舌苔,并且能识别舌质上的紫斑.使用该算法对56例采集自临床舌图进行舌质舌苔分割,成功率达92.85%.结论:该算法能自适应分割舌质舌苔,分割结果具有临床诊断价值.
-
基于常压低氧舱的人低氧耐力辨识与调控
目的 针对由低氧分压引起的高原急性反应问题,设计了一种可以模拟高原环境的常压低氧舱.基于常压低氧舱对人的低氧耐力进行辨识与调控.方法 充分利用舱体的漏气性通过控制进气量实现对舱体的精确控制.通过科学的低氧训练,融合血氧饱和度、心率、呼吸率、睡眠时间、深睡时间、呼吸暂停指数6项指标对人的低氧耐力进行辨识与调控.结果 实现了舱体的精确控制,人的低氧耐力得到有效辨识与提高.结论 常压低氧舱的间歇性低氧训练是一种科学有效的低氧耐力调控与辨识手段.
-
梯度小波纹理模型及其在超声心动图分割中的应用
本研究在图像的高斯马尔可夫随机场(GMRF)模型和梯度小波变换的基础上提出了梯度小波多尺度纹理分析的概念,推导出了梯度小波变换系数和高斯马尔可夫过程参数的关系,并在此基础上给出了纹理特征参数的估计方法.这些参数构成了一个多尺度纹理特征空间,本研究利用K-均值算法实现了特征参数聚类.本研究提出的方法在超声心动图的分割中取得了令人满意的效果.
-
基于遗传算法的基因表达数据的K-均值聚类分析
聚类算法在基因表达数据的分析处理过程中得到日益广泛的应用.本文通过把 K-均值聚类算法引入到遗传算法中,结合基因微阵列的特点,来讨论一种基于遗传算法的K-均值聚类模型,目的是利用遗传算法的全局性来提高聚类算法找到全局优的可能性,实验结果证明,该算法可以很好地解决某些基因表达数据的聚类分析问题.
-
基于K-Means及K-NN的磁共振颅脑图像分割初探
目的 对K-均值聚类(K-Means)和K-近邻规则(K-NN)方法 在MR颅脑图像分割中的应用进行研究,分析二者优缺点并提出改进.方法 利用K-Means算法和K-NN算法对脑组织进行分割.为了减少人脑的劳动使算法自动进行,提出使用K-Means方法 提取K-NN方法 的训练样本.结果 K-Means与K-NN及改良后的K-NN算法(KMN)能很好地从大脑结构中分割白质(white matter,WM)、灰质(grey matter,GM)和脑脊液(cerebrospinal fluid,CSF).结论 实验表明K-Means与K-NN能快速有效地分割脑组织,改进后的K-NN方法 减少了人工参与,并能获得较好的分割效果.
-
云南不明原因猝死时空分布特征研究
目的 村分布在云南省中部和西北部,在空间分布上呈现聚集性特征(一阶邻近系数为0.489,P<0.001);97.0%的猝死发生于6～9月,猝死日期中位数为7月22日,在7月和8月各出现一个高峰;按空间位置可将猝死自然村聚为4类病区,用A、B、C、D表示,以鹤庆和宁蒗为代表的B类病区发病日期中位数为7月30日,比其他病区发病日期中位数7月19日迟11天.结论 云南不明原因猝死具有时间特异性和空间特异性,主要在6～9月份集中发生在云南省中部和西北部区域的山区和半山区,不同区域发病时间不完全一致.
-
公式法与K-均值聚类分析法在判断站立位矢状面骨盆前后倾准确性的比较研究
[目的]通过与标准方法测量对比,比较公式法与K-均值聚类分析法在判断站立位矢状面上骨盆前后倾的准确性.[方法]选取78位健康志愿者(20～65岁)的站立位全脊柱侧位X线片(含髋关节),测量骶骨倾斜角、骨盆倾斜角、骨盆投射角,并采用标准法判读骨盆的前后倾.采用公式法及均值聚类分析进行分析判定骨盆的前后倾,并将结果与标准判定方法进行一致性比较分析,分析符合率.[结果]采用公式法判定的结果中1例不一致,符合率为98.70％,Kappa值=0.965 ＞0.7,一致性高;K-均值聚类分析法中15例不一致,符合率为80.77％,Kappa值=0.523 ＞0.4,一致性一般;可以得出公式法较K均值聚类法的符合率更高.[结论]公式法可作为一种准确地评判站立位时骨盆前后倾的方法.
关键词： 骨盆倾斜 脊柱-骨盆矢状面平衡 K-均值聚类 骨盆倾斜角 骶骨倾斜角 -
应用VTK技术建立唇腭裂可视化模型
目的:寻求一种高效率、高精度建立唇腭裂患者颌面部可视化模型的方法.方法:利用薄层CT获取原始数据,运用k-均值聚类算法进行图像分割,结合VTK(Visualization Toolkit)技术进行可视化模型的建立.结果:建立了更为精确的唇腭裂患者颌面部的可视化模型,总结出了一种更为方便高效的通用可视化建模方法.结论:应用VTK方法建立可视化模型,软件开发周期更短,精度更高,应用更广泛.
