人体数字图像中各组织影像的边缘提取算法研究

针对人体数字医学图像中各组织影像界限不明显、图像总体模糊、单个组织影像不均匀等特点,提出一种能够有效提取影像边缘以区分和观察各组织影像的方法。利用计算机图像处理技术,对组织影像进行灰度处理,进而根据不同组织影像的特征,选定相应的阈值,用算法程序对组织影像边缘进行有效提取,得到一系列效果图,通过观察分析得出实验结果。结果表明,该方法能够有效地提取出人体不同组织影像的边缘,有助于医生的临床诊断与分析。     

数字CR医学图像自适应增强算法研究

数字CR(Computed Radiography)医学放射图像以其高灰阶分辨率、强大的计算机图像后处理功能、小辐射剂量、无胶片诊断、异地会诊等优势,已成为医学成像技术新的热点。然而在成像过程中,由于人体结构和组织的复杂性以及成像系统中的X线散射、电器噪声等各种不利因素的影响导致图像质量的下降,主要表现为细节模糊、对比度差,要对其进行增强处理以改善其视觉质量,便于医生更准确地诊断。而目前通用的CR图像增强方法对比度和噪声增强过度,丢失细节,为此提出一种基于邻域标准差与均值之比自适应增强算法。算法能根据CR图像的邻域标准差与均值之比来调节增强程度的加权因数k,从而自适应的增强CR图像的边缘细节。实验证明,该算法处理后的CR图像细节丰富,信噪比高,具有良好的视觉效果,是一种有效的适合CR医学放射图像的自适应增强算法。     

基于边缘检测的多类别医学图像分类方法

针对乳腺X光医学图像多类分类精度普遍较低的问题,提出了一种基于边缘检测的医学图像多类分类新方法。首先对乳腺X光医学图像进行预处理包括图像去噪和图像增强,再通过边缘检测方法,获取乳腺X光医学图像中的肿块区域,对检测到的肿块区域使用灰度共生矩阵提取特征,对于提取到的特征,采用支持向量机（Support vector machine,SVM）的方法进行分类;对于检测不到肿块区域的乳腺X光医学图像可直接分类为无乳腺癌（即正常）类。实验结果表明,与传统的支持向量机多类分类算法相比,基于边缘检测的医学图像多类分类新方法在乳腺X光医学图像上具有更高的分类精度。     

医学图像三维分割技术*

针对人体组织器官的三维图像分割是医学图像分析和医疗诊断的重要前提,是医学图像三维可视化的重要研究内容。随着医学成像技术和三维可视化技术的飞速发展,计算机辅助诊断成为现实。计算机技术的发展使得医生和研究者可以通过虚拟交互更好地理解人体的解剖结构,对病人作出正确的诊断。在对人体组织器官和感兴趣区域的分割中,三维分割发挥着十分重要的作用。为此,针对目前不同的三维分割算法进行了总体介绍,并将这些算法分为基于结构的分割技术、基于统计学的分割技术和混合技术三大类。     

医学图像处理技术综述

医学影像已成为医学技术中发展最快的领域之一,临床医生在医学图象处理技术的帮助下,对人体内部病变部住的观察更直接、更清晰．确诊率也更高。本文对图像分割、图像配准和图像融合等医学图像处理技术的现状和发展进行了综述。     

基于判别式受限玻尔兹曼机的医学图像分类法

随着计算机技术的发展,越来越多的医学图像分析技术应运而生.利用数据挖掘方法对医学图像做分析是目前研究的热点之一,该方法首先从医学图像中提取统计特征,在此基础上进一步挖掘,这种方法对所提取的特征有很强的依赖性而且受到经验等主观因素的影响.针对乳腺X光图像,采用一种可以从图像中自动学习特征并利用学习到的特征对图像进行分类的医学图像分析新方法——判别式受限玻尔兹曼机(Discriminative Restricted Boltzmann Machine,DRBM).DRBM是一种无向判别模型,它可以自动地从图像中学习特征.在乳腺X光图像标准数据集上的实验结果表明,DRBM对医学图像的分类准确率明显高于其它基于统计特征提取的医学图像分类方法.     

一种基于模糊MSR的医学X光图像增强算法

由于医学X光图像中存在信噪比低、清晰度差、对比度低等缺点,而普通的图像增强算法很难在增强图像细节特征的同时对图像的背景噪声进行抑制。针对上述问题,将模糊多尺度Retinex算法引入医学图像处理的增强算法中：先计算图像中每个像素点的模糊度,再结合模糊度采用多尺度Retinex算法对图像进行增强。实验表明该算法比直方图均衡、同态滤波以及普通的多尺度Retinex算法增强图像的效果更明显,并能在增强图像的同时,有效抑制图像的背景噪声。     

股骨3D模型构建在股骨头置换手术中的应用研究

医学影像三维可视化图像处理技术将医学影像的诊断与分析方法从二维空间拓展到了三维空间,极大地增强了医生对影像信息的阅读能力与水平。通过多维度、多层次观察和分析病变组织与器官的的形态及其与周围组织与器官的空间位置关系,可以更准确地对患者进行诊断并制定有效的治疗方案。本研究在系统分析图像分割算法的基础上,应用Mimics医学图像处理专用软件,通过窗宽窗位调整、阈值分割、蒙板编辑、区域增长以及形态学等一系列图像处理操作,分离出股骨并实施了股骨解剖模型的三维重建。该模型可以任意选择解剖结构进行组合显示及多方位观察,可任意调整透明度和伪彩,为医疗诊断和治疗的手术前科学规划及手术过程中的准确导航提供了一种有效的方法。     

计算机图像处理技术在医学中的应用

现代医学越来越离不开医学图像信息、医疗设备或系统的支持,在医学图像处理和医学设备中,超声成像、CT、磁共振、外科手术、中医舌像诊断都与计算机图像处理技术息息相关。     

医学图像分割的无监督域适应研究综述

医学图像分割在医学图像处理领域中具有广泛的应用前景,通过定位和分割出感兴趣的器官、组织或病变区域,为诊断和治疗提供辅助信息。但不同模态医学图像之间存在域偏移问题,这会导致在实际部署时分割模型的性能大幅下降。域适应技术是解决该问题的有效途径,尤其是无监督域适应,因其不需要目标域标签信息而成为医学图像处理领域的研究热点。目前,针对医学图像分割的无监督域适应研究的综述报告相对较少,对近年医学图像分割的无监督域适应的相关研究进行了整理、分析和总结,并对未来进行了展望,希望帮助相关研究人员快速了解并熟悉该领域的研究现状及趋势。     

医学图像存档及通信系统的设计与实现

医学图像存档及通信系统(PACS)的设计与实现是医学图像处理及传输领域的研究热点本文分析和探讨了一个miniPACS 设计和实现。我们结合自行开发的图像存档服务器,基于医学数字成像及通信标准DICOM3.0, 构建了这个miniPACS, 实现了图像存档,图像查询/提取图像打印以及图像的后处理等功能。     

自组织神经网络在图像处理中的应用

针对医学图像以及医学观察的特点,提出利用Kohonen神经网络进行交互式的医学图像分割。针对常见的聚类数目确定方法在图像处理中存在的不足,本文提出神经网络中输出结点的个数(即图像分割的类别数)不是固定按照某一种或某几种以往常见的方法来确定,而是由医生根据分析病情的需要而动态决定,增加了灵活性和医生的自主性。另外,针对图像处理数据量大、处理速度慢的特点,利用PDS塔型数据结构提高图像分割的速度。     

基于经验模态分解的冠脉造影图像分层血管提取

冠脉造影图像是临床诊断冠心病的金标准。在其成像过程中,受心脏跳动、成像设备等因素的影响,冠脉造影图像不可避免地产生一定的噪音,使得图像模糊尤其是血管边缘和细节的模糊。为协助医生对病情做出准确诊断,该文对冠脉造影图像进行血管提取。心脏中的血管结构特征比较复杂,使用单一的算法很难将冠脉造影图像中完整的血管脉络完整地提取出来。该文通过经验模态分解方法对冠脉造影图像进行分层处理,从而产生含有不同血管脉络特征信息的图像层,对这些图像使用与之适应的血管提取算法,从而将各图像层里的血管特征信息很好的提取出来。     

VR全景图像细节增强处理中多特征融合算法研究

本文针对VR全景图像的成像质量问题,开展全景图像细节增强处理过程中特征算法研究,在常用的图像处理算法的基础上,充分结合不同算法的优点,加入细节增强模块,结合仿真分析及实验验证,最终研究并实现了基于多特征算法融合进行全景图像细节增强处理功能。     

结合分段频域和局部注意力的超声甲状腺分割

目的 超声检查是诊断甲状腺疾病的主要影像学方法之一,但由于超声图像中斑点强度具有随机性、组织器官复杂等问题,导致甲状腺在不同数据源间的形态、大小和纹理差异性较大,容易导致观察者视觉疲劳。针对甲状腺超声成像存在斑点强度随机性以及周边组织复杂性的问题,为了更准确地描述出器官与病理性病变的解剖边界,提出一种基于频域增强和局部注意力机制的甲状腺超声分割网络。方法 针对原始数据采用高低通滤波器获取高低频段的图像信息,整合高频段细节特征与低频段边缘特征,增强图像前背景的对比度,降低图像间的差异性。根据卷积网络中网络深度所提取特征信息量的不同,采用局部注意力机制对高低维特征信息进行自适应激活,增强低维特征的细节信息,弱化对非目标区域的关注,增强高维特征的全局信息,弱化冗余信息对网络的干扰,增强前背景分类以及对非显著性目标检测的能力。采用金字塔级联空洞卷积获取不同感受野的特征信息,解决数据源间图像差异较大的问题。结果 实验结果表明,本文方法在11~16 MHz时采集的16个手绘甲状腺超声公开数据集中,通过10折交叉验证显示准确率为0.989,召回率为0.849,精准率为0.940,Dice系数为0.812,效果优于当前其他医学图像分割网络。通过消融实验,证明本文的几个模块对超声图像分割确实具有一定的提升效果。结论 本文所提分割网络,结合深度学习模型及传统图像处理模型的优点,能较好地处理超声图像随机斑点并且提升非显著性组织分割效果。     

图像分解模型在医学图像增强中的应用

医学图像增强是医学图像处理中的重要环节。通过分析小波去噪和ROF模型的缺陷,先利用ROF分解模型将医学图像分解成为轮廓部分和细节及噪声部分,然后对轮廓部分进行保留,接着考虑到小波系数的非高斯性,对细节和噪声进行了小波去噪,并从中提取了图像的细节部分,最后将之前的轮廓部分与之后的细节部分进行叠加。实验结果表明,本文的算法具有较高的峰值信噪比和较高的边缘保持度。     

PET/CT成像呼吸运动B样条校正

PET/CT成像中的人体呼吸运动会造成图像运动模糊,会严重影响图像质量,对医生的诊断造成影响。目前常用的呼吸门控技术能够在一定程度上改善图像质量,但是均存在其局限性。提出了一种基于CT图像提取呼吸运动特征的B样条方法,对呼吸运动图像进行校正。在PET/CT上获取与PET图像周期匹配的CT图像序列,通过B样条配准方式对在呼吸周期内的CT图序列像提取运动信息;对CT图像所匹配的PET图像做基于运动特征信息的校正变换进行运动校正。几何位移形变和像素人体模实验结果表明,提出的方法对PET/CT呼吸运动图像质量改进明显,具有研究价值。     

基于层级循环神经网络的术中X线图像腰椎自动识别

针对图像引导微创脊柱手术中移动C型臂X线成像特点,通过学习人体腰椎的曲率特征实现腰椎识别,提出一种基于层级循环神经网络的X线图像腰椎自动识别方法.首先为解决X线图像中腰椎纹理混叠的问题,提取腰椎三维模型与二维X线图像中共有的曲率特征作为模型的输入;其次为模拟术中移动C型臂多角度成像的特点,采用双向循环神经网络学习腰椎曲率特征,刻画腰椎曲率特征在不同成像角度下的关联性;最后为解决病理情况下腰椎部分信息缺失的问题,提出一种层级循环神经网络模型,通过逐层融合的网络架构对人体腰椎间天然的上下文关系进行建模,提高模型在病理情况下的腰椎识别率.在开源数据集和术中移动C型臂X线图像上的实验结果表明,文中方法在正常情况和病理情况下的腰椎识别率均优于其他4种方法,且由于使用了数据量较少的二维曲率特征,该方法在训练和测试阶段的计算效率更高,更适合于术中图像引导的应用.     

医学DR图像分割处理过程仿真分析

研究医学DR图像准确分割方法.人体组织的分布特征很难运用准确的数学模型进行描述,由于厚度不均匀,在进行CT图像采集的过程中,图像细节信息会被噪声等不利因素埋没,边缘变得不清晰,对比度降低.传统分割算法主要针对像素的某一个具体特征做出判断,在有噪的环境下,像素提纯受到干扰,很难对非可控信息进行模型控制,导致对医学DR图像的分割效果不好.为了避免上述缺陷,提出了一种人工鱼群算法的医学DR图像分割处理方法.通过对采集的DR图像进行增强处理,提高DR图像的对比度,利用SUSAN算子去除干扰信号,准确计算初始病变区域边界,对边界像素运用人工鱼群方法寻求.实验结果表明,利用改进算法能够有效提高医学DR图像分割的准确性,有利于临床医疗诊断.     

医学超声实时成像中周期性伪影的抑制

随着科学技术的不断发展, 医学诊断技术也在不断的进步之中, 超声技术作为一种医学诊断手段已广泛地应用于各个医疗领域, 并且由于对人体的无害性以及能够动态且清晰地展现人体组织和器官的健康状态从而普遍得到了医生和患者的认可. 在超声技术的不断发展中, 人们对超声实时成像质量上的要求显著提高, 由于超声探头的材质例如陶瓷换能器制造的局限性以及在降低成本及帧速率等原因而采用的低通道扫描的折中方案所造成的噪点和伪影会遮挡人体组织和器官的有用信息从而严重影响医生的辅助诊断, 在超声领域如何进行图像及视频的增强和伪影的抑制成为一个重要的挑战. 本文首先描述了几种空间域抑制伪影的滤波算法及其局限性, 并提出了一种基于频率域的伪影抑制算法, 该算法能够良好的抑制在超声实时成像中的周期性伪影, 本文先通过正弦波模拟周期性伪影实验以突显其在频率域上的特性, 然后将超声图像进行二维傅立叶变换到频率域来对这些伪影进行抑制, 由于这些伪影具有周期性, 所以在频率域上具有明显的特征, 本文通过滑动窗口扫描结合阈值的算法模型找出频率域上对应这些伪影的集合, 然后根据频域的动态范围及给定的阈值来对集合中的这些疑似伪影的点进行压低处理, 再通过反傅立叶变换将超声图像变换到空间域上来从而得到处理后的图像. 通过这种方法, 能够提高超声图像对周期性伪影抑制且保留有用的信息, 能够提高医生对人体器官状况的判断结果的准确性.