基于标记脉冲耦合神经网络的乳腺肿块分层检测方法

乳腺X线图像中的肿块检测是乳腺癌早期诊断的重要手段。该文提出了一种新的肿块检测方法。将脉冲耦合神经网络(Pulse Coupled Neural Networks, PCNN)与标记符相结合设计了标记PCNN图像分层方法,继而利用多同心层(Multiple Concentric Layers, MCL)模型得到可疑区域。最后,借助肿块的形态学特征剔除假阳性区域得到最终的肿块。实验结果表明,该文方法在保证假阳性率(False Positive Rate, FPR)的同时,肿块真阳性率(True Positive Rate, TPR)达到92.08%。同时针对东方女性致密型乳腺案例中检测结果明显优于MCL方法和MCA方法。     

三结构各向同性包覆燃料颗粒相衬CT图像的噪声和伪像抑制方法初探

对三结构各向同性包覆燃料颗粒相衬CT图像的噪声和伪像抑制进行了初步探索,提出了三种方法分别抑制由探测器随机噪声、非线性漂移以及灵敏度非均匀性所导致的图像噪声或伪像.对抑制噪声或伪像前后的图像质量进行了主观评价以及定量分析,结果表明,本文提出的三种方法在有效抑制上述三种类型噪声或伪像的同时仍然能够保证重建图像中不同结构间边缘的清晰度.     

脉冲耦合神经网络在图像处理中的参数确定

脉冲耦合神经网络(PCNN)模型可有效地应用于图像处理领域.但目前在PCNN模型理论方面的研究较少,参数的确定仍停留在经验阶段,这很大程度上限制了PCNN模型的发展.本文对PCNN模型进行理论上的推导,特别是模型各参数对PCNN特性的影响,给出了PCNN模型应用于图像处理中各参数确定的准则.在将其应用于眼底图像处理中,取得与人工参数选取相似的效果,表现出较好的鲁棒性.     

基于多特征参数模型聚类的动态频谱接入策略

为尽可能地提高认知网络系统对认知用户多种不同业务类型的传输质量,提出了一种基于信道多特征参数模型聚类的动态接入技术。在建立认知用户可接入信道的多特征参数模型的基础上,利用多目标聚类方法实现信道的频谱池划分,用于指导认知用户制定不同的信道动态接入策略,满足认知用户不同的业务传输对频谱性能的需求。通过了多种参数组合以及动态频谱仿真实验验证,结果表明该方法可有效地实现信道的性能划分,提高认知用户的频谱接入效率。     

一种新的眼底图像视神经乳头分割方法

视神经检查是减小青光眼致盲风险最为重要的临床诊断方法,医学研究发现视神经乳头形态参数是诊断人眼是否患病的主要指标.为实现视乳头形态参数的计算机辅助测量,本文提出了一种新的视神经乳头自动分割方法,基于极坐标空间形态学预处理和改进的随机游走自动分割算法实现视神经乳头的精确分割.采用临床视神经图像库进行实验,分割结果与眼科专家手工分割金标准比较,取得了96.52%的分割重叠精度,较之传统算法有较大提高,验证了该方法的有效性.     

基于加权多特征参数模型的动态频谱接入方法

为尽可能满足认知网络系统对认知用户多种类型业务的传输需求,提出了一种基于信道加权多特征参数模型分组聚类的动态频谱接入技术. 通过建立可接入信道的加权多特征参数模型,采用多目标聚类实现信道的频谱池分组划分,以实现认知用户频谱的动态接入,满足认知用户业务传输对频谱性能的需求. 通过多特征参数组合、动态频谱仿真实验验证,结果表明该方法可有效地实现信道的性能划分,提高认知用户的频谱接入效率和业务传输性能.     

对比双侧视图信息的致密型乳腺X线图像肿块检测

针对现有双视图肿块检测方法存在的问题,提出一种适用于致密型乳腺X线图像的直接对比双侧视图信息的计算机辅助肿块检测方法.为提高双侧图像对称区域的匹配精度,分割图像中的胸肌区域及腋窝区域,建立仅包含乳房区域的生理坐标系;综合乳腺生理特征及肿块病理性质提取感兴趣区域,以梯度图像的局部三元模式特征距离作为尺度测量对称像素的相似度,有效地降低了肿块检测假阳性率.采用北京大学人民医院乳腺中心提供的临床图像进行算法性能实验,结果表明,生理坐标系在定位与匹配对称区域方面具有良好的性能;与现有双视图肿块检测方法相比,在相同的肿块检测正确率下,文中方法获得更低的检测假阳性率.     

一种有效的压缩感知图像重建算法

多数现有的压缩感知重建算法基于单观测向量,处理图像信号时将其表示成一维信号,算法效率低,重建图像的效果也有待提高.本文提出了一种基于多观测向量和稀疏贝叶斯学习的重建算法,通过同时处理观测矩阵的每一列直接求得加权系数矩阵,从而快速重建图像.在相同的采样率条件下,该算法的重建图像效果更好,算法效率明显提高.采用标准测试图像...     

视觉选择注意机制模型及其应用

结合目前生物学关于感受野研究的进展,提出具有方向性的高斯差算子（ODOG）,并在此基础上建立视觉选择注意机制模型（VSAM）。ODOG算子通过改变感受野模版的大小适应不同分辨率的要求,同时具有方向性,符合目前对非经典感受野方面新的研究进展。VSAM模型基于bottom—up控制策略,通过对非经典感受野的模拟,以达到提取不同分辨率特征信息的目的。模型源于生物视觉启发,能较好地模拟感受野同心圆拮抗和方向选择性的特点,将其应用于眼底图像处理中,取得了预期的效果。     

医学图像关键点检测深度学习方法研究与挑战

作为众多医学图像处理的前提和关键,医学图像关键点检测具有重要的理论研究和应用价值.由于个体间差异性和个体内歧义性的影响,以及更高的临床应用定位精度的要求,医学解剖关键点检测面临着巨大的挑战.鉴于深度学习技术在医学图像关键点检测乃至整个医学图像处理领域都表现出了强大的实力,本文全面检索发表于顶级医学期刊和会议论文集中的医...