基于共生互信息量的医学图像配准

该文考虑对应点及其邻域内不同方向上的像素点,将图像的空间与方向信息引入到配准中,提出了一种新的相似性测度--共生互信息量(Co-MI),并在此基础上构造了一种新的配准算法--最大共生互信息量法.实验结果表明在图像空间分辨率较低,有噪声影响和图像部分缺损的情况下,该算法具有计算速度快、精度高、鲁棒性强的特点.作为一种一般性的配准方法,共生互信息量同互信息一样,不仅可以用于图像的刚性和弹性配准,还可以应用到图像配准以外的更广阔的领域,如经济学、运筹学、模式识别等.     

基于Z字形编码的数字图像加密

为了保护有价值的数字图像信息,提高信息的安全性,通过分析图像中每一个像素点的排列关系,提出了基于Z字形编码的数字图像加密算法.将原始图像化分成大小相同且不重叠的区域,对每个小区域按照Z字形编码的方式进行重新排列,从而得到一幅加密图像,解密时只需要对加密图像进行反Z字形编码即可以得到解密图像.最后论证了该算法的安全性与周期性.通过实例结果表明了该方法能够得到较好的加密效果,增强了数字图像的安全性.     

基于放射组学特征的胃肠道间质瘤的分类预测

胃肠道间质瘤(GastroIntestinal Stromal Tumors,GIST)是常见的胃肠道肿瘤,具有非定向分化特征,缺乏特异性,且具有恶性潜能,所以GIST的良恶性诊断是临床较为关注的问题。然而,病理活检及CT检查等临床鉴别手段在研究肿瘤异质性方面存在一定困难。文中提出一种基于CT图像提取大量量化的放射组学特征并利用SVM分类器对GIST良恶性进行分类预测的非侵入式方法。首先,应用放射组学方法对120个患有GIST的病人的CT图像肿瘤区域分别提取4个非纹理特征和43个纹理特征。 然后,应用基于ReliefF的前向选择算法进行特征选择,再用最佳特征子集训练得到的SVM分类器来对GIST良恶性进行分类预测。实验中,共有14个纹理特征入选最佳特征子集,且SVM分类模型对GIST良恶性分类的AUC、准确率、敏感性、特异性在训练集中分别为0.9949,0.9277,0.9537,0.9018;在测试集中分别为0.8524,0.8313,0.8197,0.8420。该方法以放射组学的研究方法建立的模型,为GIST良恶性预测提供了一种非入侵式的检测手段,有望成为一种辅助诊断工具,以提高临床GIST良恶性诊断的准确率。     

基于主相位一致性的医学图像配准

 本文提出了一种新的图像特征——主相位一致性(Principal Phase Congruency,PPC),并在此基础上构造了一种新的基于主相位一致性的配准算法.首先计算不同尺度、方向上的相位一致性,然后利用主成分分析将它们进行融合,从而得到信息更加丰富的主相位一致性;将待配准图像的主相位一致性看作模糊集合,引入模糊数学中的贴近度概念,计算它们的模糊相似性.我们对模拟和真实数据进行了实验,结果表明在图像空间分辨率较低,有噪声影响等情况下该算法具有精度高、鲁棒性强的特点,特别适合于医学图像的配准.     

融入空间信息的医学图像优质分割

传统的FCM分割算法只考虑到图像的灰度信息,而忽略了灰度的空间信息,对于迭加了噪声的图像,难以得到准确的结果。从马尔可夫随机场（MRF）中得到启示,考虑到图像灰度信息及其空间分布出发,提出了一种新的基于邻域（Neighbor）信息FCM分割算法,即NFCM算法。实验结果表明该算法所得到的目标图像的边界特征保持完好,图像边界细腻、连续且定位性能好。     

一种并行磁共振成像伪影消除方法

多线圈采集技术与并行成像算法通过降低磁共振成像所必需的梯度编码步数有效提高了成像的扫描速度.但是在数据采集过程中,运动常常会使线圈数据发生异常,从而对最终重建图像质量产生很大影响.本文提出了一种新的重建算法去消除重建图像中产生的伪影.算法把破坏数据看成观测数据样本中的异常值,应用了AM鲁棒估计进行数据修正,很好的抑制了异常值对数据集造成的影响.本研究分别对多线圈并行采集的体模数据与真实脑部数据进行了实验,结果显示算法可以有效消除破坏数据在重建图像中产生的伪影,并通过对比实验充分显示了本算法的优越性.     

Hermite算子在图像配准中的应用

基于Euler-Lagrange方程的医学图像弹性配准算法在临床中有着广泛的应用,它是医学图像处理的研究热点问题。传统算法采用差分近似计算图像的梯度误差较大,本文利用Hermite微分算子计算图像的梯度信息;并在迭代过程中对外力进行平滑约束。通过对模拟和真实数据的实验表明改进方法不仅具有较高的计算精度,而且具有很强的鲁棒性,适合于医学图像的弹性配准。     

乳腺DCE-MRI增强场时间序列和组织形变场的联合估计

乳腺DCE-MRI扫描过程中,病人运动等会使图像序列产生运动伪影,需要对DCE-MRI时间序列图像进行运动补偿,消除运动伪影的影响.为充分利用数据信息和增强在空间和时间上的先验信息,本文提出了联合估计增强场时间序列和组织形变场的贝叶斯框架.采用离散马尔科夫随机场模型分别对增强场时间序列和组织形变场进行建模和添加平滑约束,并通过分步迭代方式进行估计.利用估计的增强场对DCE-MRI时间序列图像进行“去增强”处理后,可将增强时间序列图像视为同一模态图像进行配准.实验结果表明,本文方法可准确估计增强场时间序列,并可达到较高的配准精度.     

基于KL距离加权和局部邻域信息的CV模型

本文提出了基于Kullback-Leibler(KL)距离加权和局部邻域信息的Chen-Vese(CV)模型.引入KL距离作为内外部局部区域能量的权值系数;计算曲线附近点的局部邻域能量之和作为模型的内部能量,从而提高对边缘的检测性能,并降低区域内灰度不均匀等因素对曲线进化的影响.验证实验采用大量实际临床数据,结果表明该...     

基于投影梯度的NMF相关反馈医学图像检索算法

相关反馈技术是近年来在图像检索中较为重要的研究方法,由于有人的参与,它能在一定程度上弥补图像的底层特征难以表达图像语义内容的不足.由于NMF在一定程度上勾勒出了相关图像在基矩阵所代表的空间中的分布,因而对整个图像库进行检索时可以查找到更多的相关图像.提出了一种基于投影梯度的非负矩阵分解(NMF)相关反馈方法,与常用的基...