AAC解码器的Huffman算法选择和优化

Huffman算法的实现是作为MPEG提出的新的一代音频压缩标准AAC的关键,它影响着解码的效率和内存的开销.该文讨论了不同的Huffman解码算法,针对ARM平台选择了适合的Huffman解码算法,并在解码的效率和减少内存的使用方面进行了优化,使解码的效率有10%的提升,内存使用也大大下降.     

虚拟肩关节镜手术中软组织形变的模拟

为实现虚拟肩关节镜手术中软组织的形变模拟,提出一种改进的质点-弹簧模型.通过自适应采样及K阶最邻近节点快速查询算法,建立表面质点密度高而中心质点密度低的拓扑结构模型,在传统质点-弹簧形变模型的基础上,增加防止弹簧翻转的复原力,采用计算统一设备构架实现图形处理器的加速.模拟结果表明,该模型能够实现较真实的形变模拟.     

基于LUT的快速3D气道树骨架线提取

为提高肺部支气管骨架线的提取效率,提出并使用一种基于look-up-table(LUT)的腐蚀细化算法.分析建立腐蚀模型,并根据该模型优化建立了LUT,以该LUT为依据通过索引查找对原始数据进行快速腐蚀细化,对得到的腐蚀结果进行剪枝处理以得到最终的骨架线.实验结果表明:提取过程中LUT的应用从根本上降低了腐蚀细化中判断的复杂度,将复杂的简单点判断问题转化为LUT中的查询问题,从而极大地优化了腐蚀细化中关键的腐蚀过程.相比传统方法,基于LUT的腐蚀细化算法显著提高了骨架线的提取速度,较传统细化法提速近22.95倍.     

脑外科手术导航系统中解剖图谱的三维可视化应用

该论文以脑外科手术中的解剖图谱为对象进行了数字化和三维可视化的应用研究.首先将数字化后的两组标准脑解剖图谱人工统一到一个坐标系(AC-PC)下,完成初期配准功能.这不仅可以提高配准的精度,也可避免实际应用中对不同图谱的重复配准工作.实际应用中,采用可变比例网格(PGS-Proportional Grid System)算法和分段式局域线性配准法(PWL-Piecewise Linear Registration)将脑图谱与病人图象进行实时的三维配准,并且实现了对配准结果实行人机交互式微调的功能以获取更加精确的局部配准结果.经21例临床试验验证,该系统达到了0.5毫米的临床精度要求,并将应用于自主开发中的第二代手术导航系统中.     

基于图形处理器的近似等值面提取算法

提出了一种新颖的等值面提取算法，该算法基于Ray-Isosurface intersection方法，通过模拟三维扫描仪的工作过程来提取等值面。算法应用GPU的并行计算能力来完成主要的计算密度大的计算过程，计算结果存储为点的形式，并通过iso-splatting的技术绘制出来。算法通过控制GPU所使用的缓冲区大小和通过模拟三维扫描仪工作原理进而避免不可见部分的等值面提取，来达到一个高质量的绘制效果和高FPS的交互环境。通过该算法和传统算法在几组数据上面的绘制质量，FPS的比较证明了算法的优越性。     

基于Loose r-sample的网格质量保持技术

为保证虚拟手术系统中的网格质量,提出一种基于Loose r-sample理论的快速表面网格重建算法。记录满足Loose r-sample采样定理的点集,用以描述物体的轮廓。通过约束Delaunay方法对该点集进行三角化,标记顶点和Delaunay单元,重构新的网格。实验结果表明,该算法能够保证生成网格的质量,简化仿真复杂度。     

虚拟手术训练系统的血流模拟

虚拟手术训练系统的血流模拟是系统中模型模拟的重要部分。实时准确的血流流动效果,可以明显地增强虚拟手术训练系统的真实感。首先基于流体力学的Navier-Stokes方程的数值化解法,模拟血流流动的效果;然后在VTK框架中进行渲染,将血流模块集成到一个已有的、初步成熟的系统中;最后通过实验,表明血流模块的加入使系统的真实感得到较好的展现。     

基于RandomWalk算法的CT图像肺实质自动分割

针对复杂情况下肺实质的分割问题,提出了一种基于Random Walk算法对肺实质自动分割的方法。首先,根据胸部组织解剖学及其计算机断层扫描(CT)图像的影像学特征,在肺实质及其周围组织分别确定目标区域种子点和背景种子点位置;然后,使用Random Walk算法对CT图像进行分割,提取近似肺区域的掩模;接下来,对掩模实施数学形态学运算,来进一步调整目标区域种子点和背景种子点的标定位置,使其适合具体的复杂情况;最后,再次使用Random Walk算法分割图像,得到最终的肺实质分割结果。实验结果显示,该方法与金标准的平均绝对距离为0.44±0.13 mm,重合率(DC)为99.21%±0.38%。与其他分割方法相比,该方法在分割精度上得到了显著提高。结果表明,提出的方法能够解决复杂情况下肺实质分割的问题,确保了分割的完整性、准确性、实时性和鲁棒性,分割结果和时间均可满足临床需求。     

基于互信息多步骤优化的医学图像配准

提出了一种新的基于互信息(Mutual Information, MI)的多步骤优化的配准方法。计算输入图像的梯度值，减少了图像的内在信息而使轮廓更为清晰。设计了多步骤的配准框架，优化了配准的收敛过程，使用完整的图像进行有限次的传统配准方法的微调，以实现高精度。为了验证该方法的有效性，分别使用单模、多模和时间序列的方法对临床医学数据进行了实验，与传统的MI配准方法相比，基于互信息的多步骤优化的配准方法具有更高的有效性和精确度。