首页 > 文献资料
-
基于MR图像纹理特征的阿尔茨海默病分类模型
目的 基于MR图像,提取脑部海马区域纹理特征参数建立阿尔茨海默病(Alzheimer disease,AD)的早期分类预测模型.方法 研究数据来源于美国国立老年研究所ADNI数据库,收集研究对象的磁共振(magnetic resonance,MR)脑图像,分别基于左、右和双侧海马图像,通过区域增长法和Contourlet变换提取纹理特征参数,结合研究对象的基本信息作为特征变量采用高斯过程分类方法建立AD患者和健康对照的诊断模型以及轻度认知障碍(mild cognitive impairment,MCI)患者转变为AD的预测模型,并评价模型的灵敏度、特异度以及ROC曲线下面积.结果 研究共纳入420例研究对象.基于AD和健康对照两组构建的分类模型,双侧海马区的灵敏度、特异度以及ROC曲线下面积分别为92.7％、87.1％和0.922,均大于基于左侧或右侧海马区图像建立的模型.基于MCI数据建立的AD早期预测模型中,灵敏度高为82.4％,ROC曲线下面积高为0.836.结论 基于脑部海马区的Contourlet纹理特征构建预测模型,可以识别AD早期的病变情况,这将有助于早期监测MCI进展为AD,为减缓和治疗AD发病提供依据.
关键词： 阿尔茨海默病 Contourlet变换 纹理特征 高斯过程模型 轻度认知障碍 -
基于RCSCT变换的DR图像去噪及加速
目的 数字化X线摄影(digital radiography,DR)图像中的高斯噪声对图像质量影响大,消除此类噪声有利于提高图像质量以辅助医生做出正确的诊断.方法 为抑制DR图像的高斯噪声,首先采用递归循环平移与Contourlet变换结合的(recursive cycle spinning Contourlet transform,RCSCT)方法变换分解DR图像,接着采用连续的二元软阈值函数处理变换系数防止系数被过度扼杀,然后基于CUDA(compute unified device architecture,计算统一设备架构)平台对去噪方法加速.结果 该方法提高了去噪后的图像峰值信噪比,有效抑制了伪吉布斯现象,保留了更多的图像细节信息,并且加速处理后运算耗时较短.结论 本文方法比小波变换和Contourlet变换在保留视觉细节信息方面效果更优,算法耗时少,实用性好.
关键词： DR图像去噪 Contourlet变换 递归循环平移 计算统一设备架构 -
基于Contourlet变换的CT和锥形束CT图像配准算法
目的提出一种基于Contourlet变换,用于放射治疗定位的CT与锥形束CT(cone beam CT,CBCT)图像配准的方法.方法 利用Contourlet变换多尺度多方向的分辨特性,将待配准图像进行Contourlet变换分解,分解后的高频方向子带合成梯度图像,采用归一化互信息作为相似性测度,把梯度图像与低频方向子带以加权函数结合,进行临床医学图像的刚性配准,有效弥补了互信息配准中缺少空间信息的不足.结果 通过已知空间变换参数图像的配准结果验证了算法的准确性.配准后10幅图像变换参数的误差极小,且均方根误差接近于0.结论 该图像配准算法精确度高,并具有很好的鲁棒性,有助于提高图像引导放射治疗(image guided radiation therapy,IGRT)中解剖组织结构和靶区的定位精度.
关键词： 图像配准 多分辨率分解 Contourlet变换 互信息 -
基于Contourlet变换和非线性扩散的IVUS图像去噪
血管内超声(IVUS)图像的分割对于动脉粥样硬化疾病的研究和介入治疗具有重要的意义,但由于其自身存在斑点噪声,从而严重影响图像自动分割的准确性和速度.提出一种基于Contourlet变换和非线性扩散的斑点去除算法(CTND);利用自适应的对比度因子,在Contourlet域直接对IVUS图像各方向子带进行非线性扩散滤波,而不需要同态处理.实验结果表明,这种算法在保持IVUS图像强、弱边缘的同时,能有效地去除斑点噪声,并为图像外膜的提取奠定良好的基础.
关键词： Contourlet变换 IVUS图像 各向异性扩散 斑点去噪 -
基于Contourlet域Context模型的磁共振图像去噪方法
磁共振图像(MRI)广泛地应用在医学诊断上,但由于噪声的影响存在,一些重要的信息被淹没.目前,人们把小波应用在磁共振图像的去噪上,但是由于小波方向性不足,常用的一些经典方法门限选择不够恰当,造成处理后,图像纹理特征被弱化,图像边缘变得模糊.本文利用contourlet变换,构建context模型,来实现磁共振图像的去噪.仿真实验结果表明,本方法是有效可用的,与其它方法比较,具有更高的PSNR值和较优的视觉效果.
关键词： Contourlet变换 Context模型 磁共振图像 去噪 -
一种基于区域和Contourlet变换的多聚焦图像融合新方法
本文提出了一种基于区域和contourlet变换相结合的图像融合新方法.该方法首先对源图像进行contourlet变换,得到高频和低频图像;接着根据各尺度上高频图像的大小来调整源图像尺寸进行分割,得到多尺度分割图像;然后采用区域高频系数绝对值之和作为区域活动度来指导系数融合;后进行contourlet逆变换得到融合图像.采用均方根误差、信噪比、边缘融合质量指标和加权融合质量指标4种准则来评价融合算法的性能.实验结果表明,本文方法不仅在客观评价指标上优于小波变换法,而且从主观评价上来看,本文的方法得到的融合图像更加的清晰.
关键词： Contourlet变换 图像融合 小波变换 -
基于无下采样Contourlet变换的图像融合
无下采样Contourlet变换(nonsubsampled contourlet transform,NSCT)是基于Contourlet变换的一种扩展,可以对图像进行灵活的多尺度、多方向和平移不变性分解.本文提出了一种基于NSCT的图像融合算法.首先对图像进行NSCT变换;然后对变换得到的低频和高频分量系数分别采用三种不同的融合规则进行融合处理;后重构图像得到融合结果.文中给出了实验结果,通过对结果的分析比较,表明该方法的性能较传统的基于小波变换或基于Contourlet变换的融合方法有了一定的提高,融合效果更好.
-
基于Contourlet的医学图像融合技术探讨
针对不同医学影像设备获得的多源图像信息有效融合和综合利用的问题,提出一种基于Contourlet区域特性的医学图像融合算法——CRSIF算法,借助于Contourlet变换的优良特性,在Contourlet变换域使用加权平均和选择方式实现频域系数的有效融合,对低频子带采用局部加权能量作为评价标准,高频子带采用区域加权Contourlet对比度的树型结构设计,以满足区域的融合规则.对CT/MR脑部医学图像的仿真分析表明,该算法可克服传统规则下融合图像不连续及产生毛刺和斑点的缺陷,使融合图像与人类视觉系统的感知特性相吻合.
关键词： Contourlet变换 图像融合 医学图像 融合规则 -
利用Contoudet变换进行双源CT图像中的二尖瓣分割
目的 利用双源CT图像对心脏二尖瓣瓣膜进行了增强与分割,为日后进行二尖瓣三维重建和运动分析提供基础.方法 提出了自适应种子填充法和Contourlet小波变换分别用于不同情况下的分割:首先用自适应种子填充法对双源CT胸腔图像进行心脏在造影剂下的区域分割,再用Contourlet小波变换对区域分割后的图像进行二尖瓣的增强和分割.结果 在MATLAB7.0的环境下对双源CT图像成功进行了处理和分割,获取了清晰的心脏二尖瓣图像.结论 本文提出的分割方法对不同情况下的分割非常有效,实验的结论对医生从事二尖瓣瓣膜运动研究和二尖瓣瓣膜外科手术规划提供有益的参考.
关键词： 双源CT 自适应种子填充法 Contourlet变换 图像分割 -
基于Contourlet阈值法的锥形束CT图像去噪研究
目的:将多尺度分析工具之一的Contourlet变换运用到锥形束CT(CBCT)图像去噪领域,并对Contourlet不同阈值去噪方法进行探讨.提出基于Contourlet变换结合半软阈值方法对锥形束CT去噪,并论证去噪效果.方法:利用Contourlet变换的多尺度多方向性以及平移不变性,对低分辨率锥形束CT图像进行拉普拉斯塔形滤波和方向滤波多层分解后得到变换系数,随后对变换系数采用不同阈僮方法进行处理,后逆序反变换得到去噪后图像.通过软阈值和硬阈值方法在Contourlet变换中的应用,提出半软阈值结合Contourlet变换方法对锥形束CT图像去噪.通过对头,胸,盆腔各10例临床锥形束CT图像的去噪,比较三种阈值去噪效果.结果:半软阈值法在胸部和盆腔部锥形束CT图像去噪中比Contourlet硬阈值去噪在PSNR上平均高出1.40 dB和3.11 dB,但在头部锥形束CT图像处理中无优势,而Con-tourlet软阈值去噪后的锥形束CT图像在消除噪声的同时,信号自身的能量被消弱多.结论:本文半软阈值法在一定程度上修正了硬,软阈值函数的缺陷,结合Contourlet变换在处理图像几何结构方面的优势,为锥形束CT图像去噪提供了一个新思路.
关键词： 锥形束CT (CBCT) 图像去噪 Contourlet变换 半软阈值 -
基于MATLAB的锥形束CT图像去噪研究
目的:锥形束CT既是一种全新的CT成像技术,也是图像引导下放射治疗系统的关键设备.针对锥形束CT图像的低对比度,散射伪影较大的缺陷,在MATLAB平台上对CBCT去噪方法进行研究和探讨,以寻找合适的锥形束CT去噪方法.方法:首先应用不同去噪方法,如邻域平滑,中值滤波,小波去噪方法等;再应用Contourlet变换进行锥形束CT去噪,设计不同的拉普拉斯塔式滤波器和二维方向滤波器组,寻找优的滤波器组合；Contourlet变换是一种新的图像二维表示方法,具有多分辨率,局部定位,多方向性和近邻界采样和各向异性等性质.利用Contourlet变换在处理图像几何结构方面的优点,提取图像中边缘连续特征,来区别噪声和边缘,从而增强图像边缘和细节信息,同时抑制噪声.比较常规去噪,小波去噪,Contourlet去噪和不同滤波器组合去噪效果.结果:结合头部,胸部,盆腔各10组临床图像进行去噪效果统计和分析,表明小波阈值量化法和Contourlet法在锥形束CT图像去噪上各有优势,在Contourlet法中,滤波器组合“pkva8”和“9-7”的去噪效果好.结论:Contourlet去噪方法和小波阈值量化法都比空间邻域平滑法,中值滤波法和普通小波去噪法有优势.而Contourlet去噪方法更能有效改进CBCT图像质量,特别是胸部图像质量的改善.
关键词： 锥形束CT 图像去噪 Contourlet变换 塔型方向滤波器组 -
一种基于Contourlet变换与分裂Bregman方法的CT图像重建算法
针对稀疏投影CT图像重建算法中梯度算子在图像稀疏表示方面的局限,本文将Contourlet变换与CT图像重构相结合,利用Contourlet变换包含图像中的方向信息,从而更有效表达图像这一优势,提出一种将Contourlet变换与小化图像总变差(TV)方法相结合,进而借助分裂Bregman方法进行优化求解的CT重建算法.实验结果表明,在投影数较少的条件下,本文算法重构结果在RMSE与UQI方面均优于ART与TV方法,重构图像的边缘细节亦保持良好,且抗噪性能较强,说明本文算法更适合稀疏投影情况下的重建.
