基于ITK的医学影像分割算法研究

医学图像分割是医学影像领域非常重要的研究和应用课题。医学图像分割是图像分析、图像融合、图像分类检索以及医学图像专家库的应用基础。ITK（insight segmentation and registration toolkit）是美国国家卫生院专门开发的用于图像分割与配准的算法平台,专门针对医学影像领域,其中包含了丰富的图像分割的算法和操作。水平集（level-set）和区域增长法是分割领域最为成熟的分割算法。研究了水平集和区域生长算法的基本理论和算法基础,以及在图像分割上的应用和实现,分析了这两种算法的特点和应用范围。     

用于医学影像配准的快速框架

图像配准是医学影像处理中的一项常见技术,由于配准操作计算量大,非常耗时,因而设计了一种快速配准框架。输入框架的数据包括一幅固定图像和一幅待配准图像（移动图像）,输出数据是包含两张图像差异结果的图像。除了输入和输出数据,整个框架包括四个组成部分：插值器、度量器、优化器和变换器。插值器用于测定移动图像映射后像素点的灰度值,度量器用于评价变换之后的移动图像和固定图像之间的匹配度,优化器用于优化度量规则,变换器对目标图像实施各种几何变换处理。这四个组成部分在图像配准操作中分别担任不同的角色,从而构建出一个简单、快速、稳定的医学影像配准框架。和其他图像配准框架相比,该框架在结构上更简单,在配准处理和程序开发方面更快捷,在实际应用中取得了良好的效果。     

基于Access的CT医学图像管理系统的关键技术研究

本文利用Access在Visual C++2005平台上开发出了CT医学图像管理系统。首先提取了系列CT图片的文件信息,与此同时提取了文件所在的地址—并导入数据库。从而通过对图像信息的管理实现了对图片的管理,并通过双击数据表中的元素读取序列图像,从而使其成为了医学图像处理系统一部分。在此基础上实现了模糊查询和无重复批量添加,让管理系统更高效、更具人性化。     

物流循环中产品可追溯问题的研究

本文首先介绍了有关物流循环和闭环控制的基本理论,接着阐述了实现零件信息可追 溯的重要性及其在实现过程中存在的问题,进而分析了物流循环中可追溯实现的主要 障碍及其产生原因,最后提出了运用条码技术在物流循环中实现可追溯的方案设想。     

DICOM医学图像三维可视化系统的研究

医学图像三维可视化是当前科学计算可视化应用的重点.通过对DICOM图像的结构、解析方法和三维可视化技术的探讨以及对系统结构和各模块功能的研究,开发了DICOM医学图像三维可视化系统.研究表明,该系统能有效地实现DICOM医学图像三维可视化,为医务人员提供更为直观逼真立体图像,具有广泛的临床应用价值.     

一种基于模糊连接度和维诺图的混合分割方法

介绍一种可用于医学图像处理的、集成了模糊连接度和维诺图分类算法的混合分割方法。首先采用模糊连接度算法对指定图像区域进行过滤处理形成组织样本数据,这些输出数据将作为维诺图分类算法的输入数据和分类标准,然后通过维诺图分类算法对其进行迭代处理直至形成近似的图像区域边界。最终的输出值为一组分割后的三维图像数据,可以采用体绘制方法形成三维图像分割结果,也可用于进一步的图像处理。和其他医学图像分割方法相比,这种混合分割方法集成了基于区域和基于边界两种不同的分割方法,兼具两者的优点,通过两种分割方法的协同工作,提高了图像分割的精度,适用于复杂图像的分割处理。在医学图像计算机辅助诊断系统中集成了这一方法并取得了良好的实际应用效果。