排序方式: 共有7条查询结果,搜索用时 15 毫秒
1
1.
研究冠脉内超卢多普勒血流信号的极点特征,期望为微循环障碍等缺血性心脏病的诊断提供客观指标。先对冠脉内超声多普勒血流信号分段建立自回归滑动平均(Auto-regressive&moving-average,即ARMA)模型,获取一个心动用期信号的极点分布,计算极点分布的特征参数。通过分析18例冠脉内超声多普勒血流信号,得出若干个对冠脉微循环障碍敏感的特征参数。结果表明:冠脉内超声多普勒血流信号的极点特征参数,可以一定程度反映冠脉循环的状况。 相似文献
2.
提取血管内超声(IVUS)图像的血管内腔轮廓对冠状动脉疾病的诊断有积极意义.本文提出了一种基于梯度矢量流(GVF)snake与多尺度分析的轮廓提取新方法.针对传统GVF snake的轮廓初始化、抑制噪声和伪像干扰两个难点,本文方法在如下两个方面进行了改进第一,利用序列图像的特性产生时间方差图并得到初始轮廓,从而实现轮廓提取过程的全自动化;第二,引入多尺度分析,使GVF snake在离散小波变换得到的多尺度图中形变,从而增强了算法的鲁棒性.对仿真图像和实际IVUS图像的实验表明,该方法在轮廓提取的精度方面优于传统的GVF snake方法. 相似文献
3.
4.
5.
6.
基于活动轮廓模型和Contourlet多分辨率分析分割血管内超声图像 总被引:9,自引:5,他引:4
血管内超声斑块图像的分割对动脉粥样硬化疾病的诊断有重要价值。针对传统分割方法初始化和鲁棒性两个问题,提出一种基于活动轮廓模型和Contourlet多分辨率分析分割血管内超声斑块图像的新方法。该方法运用Contourlet变换将原图像分解为多分辨率低通分量和多分辨率带通分量方向性子带。对低通分量进行模板匹配,确定血管内腔边界和中外膜边界的初始轮廓;对带通分量方向性子带进行扩散滤波,抑制噪声的同时尽可能保留有用边缘,并结合边界矢量场使轮廓演化得到最终分割结果,从而提高了分割算法的鲁棒性。对100幅仿真图像和120幅实际图像的分割结果表明,该方法能自动、精确地提取血管的两条边界。相对于传统活动轮廓模型法,该方法分割实际图像的平均距离误差提高了3.04像素,面积差异百分比提高了6.30%。 相似文献
1