基于可形变模型的左心室形状恢复与运动跟踪

从心脏核磁共振图像恢复左心室的3D形状并跟踪其运动,是当前医学图像分析领域的重要研究课题之一。提出了一种基于可形变模型的左心室3D形状恢复与运动跟踪方法,该模型充分考虑了左心室的实际几何形状,将左心室描述为一个一端封闭、非轴对称、轴线弯曲的广义圆柱壳;模型的参数为函数,用全局参数即可捕捉左心室的局部形变;模型的求解纳入基于物理学的可形变模型框架之下,这样,左心室的形状恢复与运动跟踪变成一个动态的数据拟合过程。根据跟踪的结果可以观察左心室的容积、质量等在一个心动周期中的变化情况,计算每博容积、射血分数等心功能指标,为心脏疾病诊断提供直观的临床参考。     

MR心脏序列图像左心室内外壁联合分割和时序追踪新方法

MR心脏图像左心室内外壁的自动分割是计算机辅助心功能诊断的前提。本文提出了一种MR心脏图像的左心室内外壁的联合分割和时序追踪的新方法。首先用改进几何动态轮廓线算法分割一帧3维MR图像中的左心室内壁,然后通过时序追踪得到同一层面各帧的内壁轮廓。分割外壁时,以内壁为初始轮廓,设计一种由距离和区域灰度均值约束的区域膨胀力,分割心室的外壁。在临床实际心电门控动态4D心脏MRI序列图像上的实验结果表明,算法分割左心室的内外壁的结果和专家手动分割结果很接近;并且根据心室内外壁分割结果建立的左心室3维模型,可以计算出几种重要的临床心功能指标。     

基于相关型图像传感器3维人脸成像的3维AAMs人脸识别方法的研究

主动外观模型是基于统计分析建立物体2维模型的有效方法,它融合了目标的形状和纹理信息。在基于相关型图像传感器3维人脸成像的基础上,提出了一种建立3维人脸模型的方法,该方法利用由相关型图像传感器得到的深度信息和与之对应的亮度信息将2维AAMs扩展为3维AAMs,融合人脸的形状,纹理和深度信息来构建3维人脸模型。人脸识别实验结果表明,该方法在不同人脸姿态,表情和光照条件下识别效果要优于Eigenface和2维AAMs。     

利用带标记线核磁共振图像的左心室力学形态分析

为直观地分析左心室在心脏收缩期的形变情况，提出一种左心事力学形态分析方法．首先利用带标记线的心脏核磁共振图像数据针对左心室建立系数可变的物理可形变模型，并在所建模型的基础上，利用心脏收缩期各个时刻的左心室轮廓点数据恢复三维外形；然后利用心脏收缩期各相邻时刻的标记点数据计算左心室模型外力；最后将模型外力转换为收缩应力分量、切向应力分量和拉伸应力分量，并将各个应力分量用彩色云图显示．实验结果表明，文中方法能直观、有效地反映左心室内外表面在整个心脏收缩期的应力分布及形变趋势，获取的力学形态变化云图将成为重要的医学诊断依据．     

基于激光测距仪的障碍物检测的仿真研究

为了进行准确和有效的导航,提出了利用机器人的车载激光测距仪来检测环境中的障碍物.利用激光测距仪对机器人的局部环境建立栅格地图,在该模型下对障碍物进行检测.针对连续变化时刻(t-1)和(t)下的两帧“图像”,在极坐标系中进行障碍物分割,根据分割结果建立障碍物链Object_ List (t-1)和Object_ List (t),计算出各特征参数,并作进一步的匹配和分类分析.如果存在动态障碍物,估计出相应的运动参数,更新得到t时刻的动态障碍物集Dob (N).为了验证算法的有效性,利用visual C++进行仿真,仿真实验结果表明,该方法进行环境中的动静态障碍物的检测是可行的和有效的.     

一种心脏运动补偿算法的GPU实现

在心肌灌注核磁共振（MR）图像中,病人的呼吸和心跳会使心脏的位置和形状发生改变,因此需要对心脏核磁共振（CMR）时间序列图像中的心肌图像位置进行运动补偿。针对医学图像特征较少的问题,利用马尔科夫随机场（MRF）模型,提出一种基于图像配准的心脏运动补偿算法。根据心动周期不同时间点图像像素块的邻域和灰度信息,计算心脏的运动向量,将最相似的像素块平移到图像的相近位置,对心跳产生的位移进行补偿。由于MRF模型的计算量较大,将CPU算法和GPU算法相结合,计算耗时部分使用GPU并行实现,以提高程序的运行速度。实验结果表明,该方法能有效地对心肌灌注MR图像中心脏的位移和弹性形变进行补偿,结合GPU算法能使运动补偿算法的计算性能提高400％,图像配准时间仅为CPU算法的1／3。     

改进的二维Renyi嫡图像闭值分割

提出一种基于灰度一梯度信息二维Rcnyi墒图像阂值分割新方法。首先,由图像灰度值和梯度值构造出二维直方图,在此基础上计算目标和背景区域的二维Renyi嫡,并使此嫡值函数最大,得到分割阂值。像素梯度信息和Renyi嫡可调参数相结合,可以处理更多类型的图像,同时分割得到的图像内部更均匀,边界形状更准确。     

基于快速建立四面体网格的有限元心脏建模

针对目前通过医学成像技术获得心脏序列图像来提取相关心脏结构参数,判断心脏的功能的三维心脏建模技术的热点问题.提出了一种基于快速建立四面体网格的有限元心脏建模的方法,结合心脏这种形变模型的各种约束条件,模拟心脏的动态形变,利用有限元与生物力学原理构建心脏表面重建的有限元方程,由心脏表面三角网格数据点快速构建一系列不相重叠的四面体网格单元,以满足单元的应力矢量及单元节点位移矢量计算的需要,为模拟重建心脏运动奠定基础.实验结果表明了有效性和可行性.     

基于改进主动轮廓模型的心室内窥显示及测量

将改进的Snake模型应用于心脏超声波图像处理:基于改进Snake模型的思想,得到了心脏超声波图像二维切片序列的轮廓点,在此基础上,得到分割出的心室上下左右4个曲面上轮廓点到中心平面的距离矩阵,并通过插值和平滑处理以及滤波处理工作,拟合出心室的三维曲面图(内窥曲面),取得了较好的效果;在医学测量方面,对心室的切片面积、变化趋势及心室的体积进行了测量。实验表明,Snake模型应用于心脏超声波图像处理中是可行的,在三维医学图像处理中有较大的应用前景。     

先验形状力场参数活动轮廓模型及其医学图像分割

先验形状参数活动轮廓模型是一种抗噪声干扰稳定的图像分割方法．它具有对弱边缘、凹区域进行分割的能力，同时有较大的边缘捕捉范围．通过引入一种非距离性的先验形状力场，构建一种新的能反映先验形状的参数活动轮廓模型．新的先验形状活动轮廓模型避免了曲线之间距离的计算，减少了模型的复杂性．新的方法可以较好地解决传统型参数活动轮廓模型的一些本质缺陷.实验对带噪声且为弱边缘的医学CT图像和超声图像进行分割能得到理想的边缘轮廓.     

3D reconstruction of a femoral shape using a parametric model and two 2D fluoroscopic images

In medical diagnostic imaging, the X-ray CT scanner and the MRI system have been widely used to examine 3D shapes and internal structures of living organisms and bones. However, these apparatuses are generally large and very expensive. Since an appointment is also required before examination, these systems are not suitable for urgent fracture diagnosis in emergency treatment. However, X-ray/fluoroscopy has been widely used as traditional medical diagnosis. Therefore, the realization of the reconstruction of precise 3D shapes of living organisms or bones from a few conventional 2D fluoroscopic images might be very useful in practice, in terms of cost, labor, and radiation exposure. The present paper proposes a method by which to estimate a patient-specific 3D shape of a femur from only two fluoroscopic images using a parametric femoral model. First, we develop a parametric femoral model by the statistical analysis of 3D femoral shapes created from CT images of 56 patients. Then, the position and shape parameters of the parametric model are estimated from two 2D fluoroscopic images using a distance map constructed by the Level Set Method. Experiments using synthesized images, fluoroscopic images of a phantom femur, and in vivo images for hip prosthesis patients are successfully carried out, and it is verified that the proposed system has practical applications.     

深度学习下的医学影像分割算法综述

医学影像分割是计算机视觉在医学影像处理中的一个重要应用领域,其目标是从医学影像中分割出目标区域,为后续的疾病诊断和治疗提供有效的帮助。近年来深度学习技术在图像处理方面取得了巨大进展,基于深度学习的医学影像分割算法逐渐成为该领域研究的重点和热点。叙述了计算机视觉下的医学影像分割任务及其难点,重点综述了基于深度学习的医学影像分割算法,对当前具有代表性的相关方法进行了分类和总结,介绍了医学影像分割算法常用的评价指标和数据集。对该技术的发展进行了总结和展望。     

Global structure constrained local shape prior estimation for medical image segmentation

Organ shape plays an important role in clinical diagnosis, surgical planning and treatment evaluation. Shape modeling is a critical factor affecting the performance of deformable model based segmentation methods for organ shape extraction. In most existing works, shape modeling is completed in the original shape space, with the presence of outliers. In addition, the specificity of the patient was not taken into account. This paper proposes a novel target-oriented shape prior model to deal with these two problems in a unified framework. The proposed method measures the intrinsic similarity between the target shape and the training shapes on an embedded manifold by manifold learning techniques. With this approach, shapes in the training set can be selected according to their intrinsic similarity to the target image. With more accurate shape guidance, an optimized search is performed by a deformable model to minimize an energy functional for image segmentation, which is efficiently achieved by using dynamic programming. Our method has been validated on 2D prostate localization and 3D prostate segmentation in MRI scans. Compared to other existing methods, our proposed method exhibits better performance in both studies.     

基于小波系数的双变量模型中医诊断图像处理方法

中医四诊即望、闻、问、切,是中医用于诊断疾病的四个基本方法,它们是中医正确辨证和有效治疗的前提.对中医诊断图像进行去噪可以提高医学图像的信息利用率,小波变换是目前最新的时频分析工具,是医学图像去噪的强有力处理工具.提出了一种基于层内和层间相关性的双变量模型小波收缩图像处理方法.实验证明,该图像处理方法能有效去除中医诊断图像中的噪声.     

Statistical analysis of manual segmentations of structures in medical images

The problem of extracting anatomical structures from medical images is both very important and difficult. In this paper we are motivated by a new paradigm in medical image segmentation, termed Citizen Science, which involves a volunteer effort from multiple, possibly non-expert, human participants. These contributors observe 2D images and generate their estimates of anatomical boundaries in the form of planar closed curves. The challenge, of course, is to combine these different estimates in a coherent fashion and to develop an overall estimate of the underlying structure. Treating these curves as random samples, we use statistical shape theory to generate joint inferences and analyze this data generated by the citizen scientists. The specific goals in this analysis are: (1) to find a robust estimate of the representative curve that provides an overall segmentation, (2) to quantify the level of agreement between segmentations, both globally (full contours) and locally (parts of contours), and (3) to automatically detect outliers and help reduce their influence in the estimation. We demonstrate these ideas using a number of artificial examples and real applications in medical imaging, and summarize their potential use in future scenarios.     

基于知识的多层Mumford-Shah向量值图像分割模型

针对多层Mumford-Shah模型不能正确分割对比度小且部分被遮挡的复杂医学图像问题, 将目标形状先验知识窄带水平集统计形状模型集成到多层Mumford-Shah模型, 提出了基于目标形状先验知识的多层Mumford-Shah向量值图像分割模型和求解该图像分割模型泛函最小值的水平集逐层迭代算法. 实验结果表明, 该方法能够有效分割对比度小且部分被血管遮挡的早期青光眼病人视乳头图像.     

医学3D计算机视觉：研究进展和挑战

医学影像的诊断是许多临床决策的基础,而医学影像的智能分析是医疗人工智能的重要组成部分。与此同时,随着越来越多3D空间传感器的兴起和普及,3D计算机视觉正变得越发重要。本文关注医学影像分析和3D计算机的交叉领域,即医学3D计算机视觉或医学3D视觉。本文将医学3D计算机视觉系统划分为任务、数据和表征3个层面,并结合最新文献呈现这3个层面的研究进展。在任务层面,介绍医学3D计算机视觉中的分类、分割、检测、配准和成像重建,以及这些任务在临床诊断和医学影像分析中的作用和特点。在数据层面,简要介绍了医学3D数据中最重要的数据模态：包括计算机断层成像（computed tomography,CT）、磁共振成像（magnetic resonance imaging,MRI）、正电子放射断层成像（positron emission tomography,PET）等,以及一些新兴研究提出的其他数据格式。在此基础上,整理了医学3D计算机视觉中重要的研究数据集,并标注其数据模态和主要视觉任务。在表征层面,介绍并讨论了2D网络、3D网络和混合网络在医学3D数据的表征学习上的优缺点。此外,针对医学影像中普遍存在的小数据问题,重点讨论了医学3D数据表征学习中的预训练问题。最后,总结了目前医学3D计算机视觉的研究现状,并指出目前尚待解决的研究挑战、问题和方向。     

基于图象内容的颅骨缺如自动分析研究

基于图象内容的自动分析是当今医学影像领域的研究热点 ,分析颅骨 CT图象是否缺如能为医生的诊断提供帮助 .为此 ,提出了一套新的实用方法 ,该方法首先采用基于 k-均值聚类动态选取种子像素和生长准则的区域增长法精确地将颅骨从图象中自动分割出来 ,然后利用边界跟踪法找出分割出的区域边界 ,分析其形状 ,以圆形度作为描述参数 ,最后利用熵函数推导出计算机自动诊断颅骨缺如的规则 .实验证明 ,该方法通过对图象内容的分析 ,对于未参加训练的 10 0例 ,从第 3脑室下部层面到大脑皮质上部层面 ,颅脑图象缺如现象的诊断识别率达到了10 0 % .该研究为颅脑图象的自动诊断奠定了基础     

基于自适应块聚类的医学图像超分辨重建

医学图像在病人的诊疗过程中具有重要的参考意义。然而,受设备分辨率和放射剂量的影响,现有设备获得的医学图像分辨率较低,容易对最终诊疗结果产生不利影响。针对这个问题,提出了一种自适应块聚类的医学图像超分辨重建算法。首先,该算法对图像进行四叉树分解,自适应地获得不同尺度的图像块;然后,通过图像块特征提取和聚类处理得到各个不同尺度图像块的聚类中心;最后,利用聚类中心和相应的回归系数重建出高分辨率图像。实验结果表明,所提方法在医学图像重建效果和峰值信噪比、结构相似性对比等方面能够取得更好的效果。     

基于网格变形的从图像重建三维人脸

从图像重建高质量三维人脸一直是计算机视觉和图形学的一个重要研究问题.不同于传统的基于立体匹配的窄基线多视几何和数据驱动的人脸形变方法,提出一种结合网格变形技术和立体视觉原理的、从图像重建高质量三维人脸模型方法.给定从不同视角拍摄的几幅人脸图像,基于健壮图像特征获得可靠的相机外部参数和稀疏三维点;在此基础上,提出一种结合几何细节保持和图像一致性约束的三维人脸变形算法重建三维人脸,通过对人脸模板的网格变形,使得变形人脸在多幅图像中的可见投影具有一致性的图像颜色强度.基于模板的人脸变形可以有效地解决三维模型成像中的遮挡问题,采用健壮估计法消除噪声、离群点和光照对目标函数收敛性的影响,对目标函数的多次非线性优化求解进一步改进了人脸重建的质量.采用合成人脸图像和真实人脸图像重建三维人脸的实验结果表明,文中算法可以从几幅宽基线图像重建高质量的三维人脸模型.