首页 > 文献资料
-
利用振子神经网络实现多分辨率的模式识别
本文提出了一个混沌振子神经网络用于感觉信息编码的模型.其基本原理是:利用神经振子网络的混沌行为对感觉信息进行更有效的处理,这种处理方式可以考虑被识别对象各局部特征的关系.而对多个神经元振子集合行为进行编码,就可以完成对局部特征的捆绑,并得到可供进一步处理和识别的信息.这样可使后一层神经元对识别对象作多分辨率分析.以往的模型都没有考虑信息的捆绑问题,我们提出的模型不仅可以对识别对象进行多分辨率分析,并且分析的结果可以对模式的局部特征进行捆绑.仿真实验初步证实了我们的设想.文中模型由两部分组成,神经元振子层和符合检测层.而实际上的感受器每一层神经元可以身兼两职.
-
一种基于小波变换的配准特征点自动标记算法
以颅脑CT图像为研究对象,提出了一种基于小波变换的自动标记非刚性配准所需对应特征点的算法.这种算法充分考虑了颅脑CT图像的像素点及其临域的纹理特征,通过进行小波变换建立对应于每个像素点的多分辨率小波特征向量,并以小波特征向量间的差异作为判别依据,在目标图像中标记非刚性配准所需的对应特征点.一系列的实验结果表明,这种基于小波变换的算法能够准确地在目标图像中标记出配准所需的对应特征点,可以作为基于特征的非刚性配准对应特征点自动标记的参量之一.
-
医学图像压缩算法研究及进展
高分辨率的X光片和高对比度的CT、MRI等三维医学影像具有很大的信息量,使医学影像诊断系统、PACS系统及远程医疗等数字化技术应用面临巨大的挑战,迫切需要高效实用的医学图像压缩技术.与一般图像压缩相比,医学图像压缩具有其特殊性和复杂性,其压缩必须严格保证诊断的可靠性.本文从医学图像的特殊性出发,对医学图像压缩算法进行了系统的论述和比较,并对未来的研究进行了展望.
-
可视化技术及其在医学教学中的应用
可视化技术是图形生成技术和图像理解技术相结合的一种新技术,它既可理解送入计算机的图像数据,也可从复杂的多维数据中产生图形;可以把科学计算过程中的数据及结果转换成几何图形及图像信息,从而使之可以在屏幕上显示出来并进行交互处理.本文详细介绍了可视化技术的新进展以及在医学教育方面的作用和应用前景.
-
正交小波基函数实现图像引导放射系统中计划CT与锥形束CT图像的形变配准
计划CT图像与锥形束CT(CBCT)图像的配准是基于CBCT图像引导放射系统中实现自适应放疗的重要部分.为了提高系统中形变配准的精度和速度,提出一种基于正交小波变换的形变配准方法,此方法利用正交小波变换的多分辨率特性描述计划CT和CBCT图像的全局和局部形变,由Navier偏微分方程设计极小化能量函数来实现小波系数的能量估计.实验表明,所提出方法用于基于CBCT的图像引导放射系统时,可将日常放疗时的CBCT图像和计划CT图像进行准确且快速的配准,并且可用于放射计划系统中器官的自动分割,从而有效指导自适应治疗.
-
基于自适应微分同胚多分辨率Demons算法的多模态磁共振图像配准
微分同胚Demons能保证变形场的光滑可逆性,避免不合理形变的产生,但迭代次数需手动设定,且对配准结果影响较大.为解决此问题,提出自适应微分同胚的多分辨率Demons算法.首先利用非刚性配准的优化理论框架和多分辨率的策略,引入基于灰度的相似度能量函数,并设置配准终止条件,终实现迭代次数的自适应.用check board图像,相同模态和不同模态的磁共振图像进行测试,采用配准评价指标进行定量分析,并分析不同驱动力和参数对配准结果的影响.实验结果表明:对于相同模态的磁共振图像,均方误差为514.796 5,归一化互相关系数为0.999 3,结构相似度为0.994 8;对于不同模态的磁共振图像,均方误差为1 354.1,归一化互相关系数为0.593 5,结构相似度为0.511 6;该算法均方误差小,归一化相关系数、结构相似度高;该算法具有高效性和鲁棒性,可用于磁共振图像的非刚性配准.
-
基于超声图像特征区分子宫肌瘤和腺肌病
超声图像子宫肌瘤和腺肌病的区分目前主要依赖于医生的经验,缺乏客观的指标.为提高区分的性能,提出一种新的对子宫肌瘤和腺肌病的超声图像进行多分辨率分析的自动分类方法.提取图像在多分辨率下的纹理参数,同时结合计算出的带方向分形维数,建立支撑矢量机进行子宫肌瘤和腺肌病的分类判决.通过对27例正常、45例腺肌病和74例肌瘤离体样本超声图像进行分析,结果表明:提取的多分辨率纹理参数和带方向的分形维数对区分子宫肌瘤和腺肌病是敏感的,结合这两类参数建立的支撑矢量机区分子宫肌瘤和腺肌病的正确率近100%.
-
基于混合金字塔吉布斯随机场模型的图像分割
大后验(Maximum a posterior, MAP)估计已被广泛应用于基于吉布斯随机场(Gibbs Random Fields, GRF)的贝叶斯图像分割中.然而迄今为止,严格意义上的MAP估计仍无法实现,近似的MAP分割也遇到如:计算量极大和GRF模型参数无监督估计难等问题.因此,针对这些困难,通过利用混合金字塔结构,扩展了传统单分辨率意义上GRF模型,提出一种多分辨率的混合金字塔吉布斯模型,从而圆满地解决这些难题.实验表明:提出的模型算法有很好的鲁棒性,且易于实现对图像快速、精确分割.
-
平面轮廓的多分辨率表面缝补
本文阐述了一种基于曲率的多分辨率缝补方法.该方法不仅继承了小波多分辨率缝补方法[6]的优点,而且,利用轮廓曲率的特性,可以更有效地选取轮廓的顶点,使得对原始轮廓的近似更合理,此特性对于优化过程也是有直接帮助的.另外,由于采用了B样条平滑变换计算曲率,使得本方法变得更为简单、更便于操作.
-
利用相关比相似性测度多分辨率配准MR和CT医学图像的方法
本文提出了有效的、能被临床应用所接受的磁共振(MR)和CT医学图像配准方法.在基于体素灰度的医学图像配准领域,本文采用了全新的相关比相似性测度作为配准的测度准则.具体设计时,采用了加速的多分辨率配准方案,对方案中涉及的几何变换选取、重采样、多分辨率体数据表达及优化方法进行了设计分析.后,利用本文提出的多分辨率配准方法,对MR和CT临床医学图像进行配准,给出了令人满意的效果.
-
基于体素灰度三维多模医学图像配准中相似性测度的选取
目的在基于体素灰度医学图像配准领域,找出适合于临床应用的多模医学图像配准相似性测度.方法 在极端的刚体配准条件下,检验出互相关系数,互信息和相关比相似性测度为适合的相似性测度.同时进一步解释了基于互信息相似性测度的医学图像配准易于陷入局部优,而基于相关比相似性测度的方法易于保证配准得到全局优.后,利用加速的多分辨率配准方案和Powell′s优化算法,对临床医学图像进行了基于相关比相似性测度的多模图像配准试验.结果 通过临床医学专家的判断,利用相关比相似性测度进行多模医学图像配准,完全能满足临床的要求,进行MR/CT、MR/PET三维多模医学图像配准时效果非常理想.结论 相比于其他相似性测度,互相关比相似性测度在基于体素灰度,三维多模医学图像配准领域,是一个更为适宜和准确的相似性测度.
-
一种基于颜色特征的快速自动目标检测方法
为快速检测目标,本文提出了一种基于颜色特征的方法.该方法使用人工神经网络进行颜色分类,在多分辨率下依据定位标识器显著的特征进行初次搜索,得到一系列初始目标,然后在原图中对它们进行特征提取,再使用人工神经网络进行真伪目标判别.实验证明,该方法可以准确、实时地检测目标.
-
多分辨率的数字减影图像配准算法
提出基于小波变换的图像配准算法是一种多分辨率匹配算法.该算法可以利用数字减影图像在不同层次上的相似性,配准精度从低至高逐步提高,同时有效地减少运动矢量的搜索复杂度,较好地解决了运算量和检测精度之间的矛盾.该方法被证明是以指数衰减收敛的.整个配准过程在不牺牲配准效果的前提下,提高了匹配速度以及一致性.
-
三维超声心脏图像的模糊聚类分割
采用三维超声心动图对小儿先天性心脏病进行诊断与治疗能达到比传统二维超声心动图更直观的效果.然而由于超声图像质量较差,三维超声心动图的可视化效果往往无法达到医生的要求.本文对三维超声心脏图像进行分割,以改进超声图像的可视化效果,并为参数提取等提供基础.首先采用快速的模糊c均值聚类得到初始分割结果;然后利用图像多分辨率技术进行修正;接着结合图像的对比度进行进一步的分割;后,把处理后的图像用绘制的方法显示出来.本文的结果对超声图像的可视化效果有一定的改善.
-
基于互信息的医学图像配准中互信息的计算
基于互信息的配准方法是医学图像配准领域的重要方法.互信息是图像配准中常用的相似性度量,具有鲁棒、精度高等优点,但基于互信息的配准计算量大,制约了它的实际应用.我们采用基于多分辨率和混合优化策略的配准方法,在图像的不同灰度等级数下进行配准,分析了互信息的计算量与灰度等级数的关系,并用人头部的MRI图像和CT图像做了二维的单模模拟实验和多模实际配准实验,结果显示在灰度等级数为32和64时,与灰度等级数为256时相比,配准精度没有明显改变,而计算量下降显著.
-
利用相关比相似性测度多分辨率配准MR和PET医学图像的方法
采用了全新的相关比相似性测度作为配准的测度准则,提出了有效的磁共振(MR)和正电子发射端层扫描(PET)临床医学图像配准方法.具体设计时,采用了加速的多分辨率的配准方案,对方案中涉及的几何变换选取、重采样、多分辨率体数据表达及优化方法进行了详细的设计分析.后,利用多分辨率配准方法,对MR和PET临床医学图像进行配准,给出了令人满意的效果,同时和基于体素灰度的直接配准法相比,配准速度也有了很大提高.
-
海量医学数据场的快速多分辨率体绘制方法
基于小波和Shear-Warp算法,提出一种快速多分辨率体绘制方法(Fast Multi-resolution Volume Rendering Method, FMVRM).本算法首先基于小波对体数据进行压缩;接着,结合所选的分辨率,利用不透明度传递函数(Opacity transfer function, OTF)引导数据的解压;后,基于Shear-Warp算法,利用数据结构基于子数据块的队长编码(Block_based run length encoded, BRLE)和预合成体绘制技术,实现快速而高质量的体绘制.实验证明该方法不仅效率高,而且显示效果好.
