基于CT图像的肺结节计算机辅助检测研究进展

CT是检查肺癌的主要方法之一,而精度越来越高的CT在获得更清晰图像的同时,其数据量也在急剧增加,加重了医生阅片的负担.检测速度快、检测精度高的CT图像肺结节计算机辅助检测系统成为帮助医生诊断的有效工具.该综述阐述了CT图像肺结节计算机辅助检测方法的研究意义、检测过程、各类算法、研究难点,并对CT图像肺结节计算机辅助检测的现状进行了总结和展望.     

实现一个基于元数据的P2P系统

分布式散列表(DHT)是现有结构化P2P系统普遍采用的一种方法,它能将资源的唯一标识映射到资源位置,Tapestry就是一个基于DHT的基础平台.资源共享是P2P技术应用较广的一个领域.本文以一类典型的带有元数据的资源MP3音乐文件为例,介绍了在Tapestry基础上实现一个基于元数据的P2P资源共享系统MPIS的详细过程,它能够根据资源的多个属性来定位所需资源.     

基于EasyDL的新冠肺炎检测系统研究

通过EasyDL平台搭建基于CT影像的新冠肺炎检测系统,利用人工智能在图像识别上能够自动学习图像特征及区分图像特征之间差异的特点,来检测病人是否患有新冠肺炎.实验结果显示,新冠肺炎识别精确度为100.00％,感染性肺疾病识别精确度为98.06％,非感染性肺疾病识别精确度为93.64％,正常肺部识别精确度为98.03％.该系统可以在CT影像上准确检测出病人是否患有新冠肺炎,并将其与感染性肺疾病、非感染性肺疾病、正常肺部CT影像区分开来.     

一个基于Adaboost的快速人脸检测系统的实现

人脸检测技术作为计算机视觉和模式识别领域中的一个重要课题,具有很高的学术研究价值和商业应用价值。本文使用Adaboost算法训练了一个分类器,并且实现了一个快速人脸检测系统。从一个特征库中选择少量关键的类Haar特征产生一个高效的强分类器,再使用cascade方法将强分类器构成一个更为复杂的级联分类器。采用放大检测窗口的方法获得图像的待检测子窗口,比传统的金字塔法减少了很多计算量。实验证明该系统能够快速准确地在一幅图片中检测出人脸。     

基于解剖标记点的手术导航空间配准研究

空间配准是手术导航系统最为关键的技术。点匹配空间配准需要专门为导航进行一次图像扫描，增加了病人的辐射剂量和手术成本，面匹配空间配准因扫描仪扫描范围有限而导致配准精度不均匀，无法在临床上广泛应用。本文提出一种基于解剖标记点的空间配准方法，无须在病人头部粘贴人工标记物，且靶点配准误差相对较小。实验结果表明，该方法的靶点配准误差（Target Registration Error, TRE）均小于2.5mm，能够满足临床应用。     

基于小波变换的图像融合研究

在导航手术过程中，图像引导起着关键作用，直接影响导航精度。CT图像能清晰显示颅骨和粘贴的标记点，却对脑组织的显示有限。MRI图像对脑内部软组织结构分辨高，但对头颅表面信息显示模糊。因此单一模态的图像对于导航手术引导有限。本文提出基于小波变化的图像融合方法，对CT和MRI图像进行了价值信息的有效融合，弥补了单幅图像信息不足的缺点。实验结果表明，该图像融合方法具有较强的鲁棒性，能够满足临床应用。