基于GPU加速的并行脑皮层重建算法研究

提出了一种基于GPU加速的脑皮层重建并行算法.该算法采用过完备球面小波变换对大脑皮层数据进行多尺度分解及重建.首先在三维欧氏空间,给出了沿坐标轴独立进行球面调和-卷积计算的理论证明;然后利用GPU的通用计算功能对球面调和变换和球面卷积运算进行并行处理,实现了脑皮层快速重建.实验结果表明,使用提出的算法重建的脑皮层与传统CPU算法的结果几乎没有差别,但是计算速度提高了50倍.     

基于分割的三维医学图像表面重建算法

提出了一种基于分割的三维医学图像表面重建算法,它将图像分割与MC(marching cubes)算法有机地结合,这样可以根据不同医学图像的特点,采用适合的分割方法,实现对不同组织的准确分割,并利用分割结果精确地提取等值面,避免了MC只适合于阈值分割的局限性.同时采用一种基于区域增长的立方体检测方法,提高了表面跟踪的效率.实验证明,运用本算法,重建速度和显示效果均有提高.     

手术模拟系统中关键技术的研究

该文介绍了中科院自动化所人工智能实验室开发的手术仿真系统 ,该系统具有切片重组、虚拟切割、测量等功能 ,可以辅助医生进行诊断。随后对系统中的关键技术进行了讨论和分析     

基于距离均衡化的网格平滑算法

在三维网格模型的生成过程中，不可避免地会出现噪声，如何有效地消除这些噪声巳成为计算机辅助设计及计算机图形学领域的一个重要课题，文中给出一种通过距离均衡化对网格进行平滑的算法，该算法以顶点到其周围邻域平均平面的距离为出发点，通过控制顶点沿其法向方向移动使得该距离达到一种均衡；同时膛采用法向量控制的平滑来保持网格边界，实验结果说明了算法的有效性。     

基于机器学习和几何变换的实时2D/3D脊椎配准

在图像引导的脊柱手术中,实时高效的2D/3D配准是一项重要且具有挑战性的任务.通常的2D/3D配准一般是将三维图像投影到二维平面,然后进行2D/2D的配准.由于投影空间涉及到3个平移以及3个旋转参数,其投影空间的复杂度为O（n6）,使得配准很难兼具高准确性和高实时性.本文提出了一个结合机器学习与几何变换的2D/3D配准方法,首先,使用统计形状模型对目标脊椎进行建模,并构建了一种新的投影方式,使得6个投影参数中的4个可以使用几何的方法计算出来;接下来利用回归学习的方法学习目标脊椎的形状与投影参数之间的关系;最终,结合学到的关系和几何变换完成配准.本方法的两个姿态参数的平均预测误差为0.84°和0.81°,平均目标配准误差（Mean target registration error,mTRE）为0.87mm,平均配准时间为0.9s.实验结果表明本方法具有很好的实时性和准确性.     

非侵入式脑—机接口编解码技术研究进展

脑—机接口（brain-computer interface,BCI）系统通过采集、分析大脑信号,将其转换为输出指令,从而跨越外周神经系统,实现由大脑信号对外部设备的直接控制,进而用于替代、修复、增强、补充或改善中枢神经系统的正常输出。非侵入式脑—机接口由于具有安全性以及便携性等优点,得到了广泛关注和持续研究。研究人员对脑信号编码方法的不断探索扩展了BCI系统的应用场景和适用范围。同时,脑信号解码方法的不断研发极大地克服了脑电信号信噪比低的缺点,提高了系统性能,这都为构建高性能脑—机接口系统奠定了基础。本文综述了非侵入式脑—机接口编解码技术以及系统应用的最新研究进展,展望其未来发展前景,以期促进BCI系统的深入研究与广泛应用。     

基于CORBA的分布式计算模型设计

在层次化的C／S模式中同时引入了应用服务中间件和通讯服务中间件,提出了基于CORBA的四层C／S数据库应用模型,最后基于该模型给出了一个实例。     

基于脑电的快速序列视觉呈现脑-机接口系统研究进展综述

脑-机接口(BCI)系统建立大脑与外部设备之间的直接交流通路,结合快速序列视觉呈现(RSVP)范式能够实现利用人类视觉系统进行高流通量图像目标检索。近些年来,RSVP-BCI系统在范式编码、脑电(EEG)解码和系统应用方面的研究取得了长足的进步。对范式编码的研究揭示不同范式参数对系统性能的影响,促进提升系统性能;脑电解码的研究在提升算法分类性能的同时推动少训练、零训练样本、多模态等场景下的应用;对RSVP-BCI系统应用的研究实现推动系统走向实际应用并拓宽了应用领域。同时,系统仍面临着迈向实际时可应用领域范围窄、脑电跨域解码难题以及计算机视觉飞速进步带来的挑战。该文对RSVP-BCI近年来的相关研究进展进行了回顾与总结,并对未来的发展方向进行了展望。     

fMRI的视觉神经信息编解码方法综述

视觉神经信息编解码旨在利用功能磁共振成像(functional magnetic resonance imaging,fMRI)等神经影像数据研究视觉刺激与大脑神经活动之间的关系。编码研究可以对神经活动模式进行建模和预测,有助于脑科学与类脑智能的发展;解码研究可以对人的视知觉状态进行解译,能够促进脑机接口领域的发展。因此,基于fMRI的视觉神经信息编解码方法研究具有重要的科学意义和工程价值。本文在总结基于fMRI的视觉神经信息编解码关键技术与研究进展的基础上,分析现有视觉神经信息编解码方法的局限。在视觉神经信息编码方面,详细介绍了基于群体感受野估计方法的发展过程;在视觉神经信息解码方面,首先,按照任务类型将其划分为语义分类、图像辨识和图像重建3个部分,并深入阐述了每个部分的代表性研究工作和所用的方法。特别地,在图像重建部分着重介绍了基于深度生成模型(主要包括变分自编码器和生成对抗网络)的简单图像、人脸图像和复杂自然图像的重建技术。其次,统计整理了该领域常用的10个开源数据集,并对数据集的样本规模、被试个数、刺激类型、研究用途及下载地址进行了详细归纳。最后,详细介绍了视觉神经信息编解码模...     

医学影像处理与分析开发包MITK的设计与实现

随着VTK(visualization ToolKit)和ITK(insight segmentation and registration ToolKit)两个软件开发包的成功,医学影像领域内的研究人员越来越重视本领域内的软件包的开发问题.介绍了所开发的集成化的三维医学影像处理与分析开发包MITK(medical imaging ToolKit),其目的主要是提供一个一致的框架,整合医学图像分割、配准、可视化等功能.给出了MITK的设计目标、整体框架和关键技术的实现,以及一些应用实例以展示MITK的功能.希望MITK能成为本领域内研究开发人员的另外一个可选择的开发包.