优化的PCNN自适应三维图像分割算法*

脉冲耦合神经网络(pulse coupled neural network,PCNN)对图像分割具有天然的优势,但是传统的PCNN模型参数难以确定,且算法耗时多。对多种PCNN模型进行研究改进,并利用统计学知识提出了一种精简高效的自适应三维分割算法。将其用于脑部磁共振成像(magnetic resonance imaging,MRI)图像的分割,把脑组织分成白质、灰质和脑脊液。与标准PCNN、传统的Otsu阈值方法、SPM8工具箱及专家手动分割结果的对比实验表明,该自适应算法具有精确性、高效性。     

基于满二叉树分块策略的大规模数据场纹理映射体绘制算法

针对纹理映射体绘制物理内存空间的限制,本文提出一种可在通用图形硬件上完成大规模数据场实时体绘制的有效方法.该方法基于满二叉树纹理分块策略,利用GPU着色器可编程性,将纹理数据制作为一个一维传递函数查找表和一个规模等同于体数据场的动态纹理工作集,有效提高了大规模数据场体绘制的实时性.动态纹理工作集使用抽象分块与继承关系管...     

一种适用于真实人体数据能有效消除Gibbs伪影的MR重建新算法

Gibbs振铃是在磁共振成像中常见的主要存在于组织边缘处的一种伪影,它是在采用部分k空间数据进行图像重建时产生的.Gegenbauer重建方法能够有效消除Gibbs环状伪影并能保持图像高分辨率,但重建时间长且参数的选择对重建结果影响很大.文中引入逆多项式方法对Gegenbauer重建方法进行了改进,同时以Chebyshev多项式替代Gegenbauer多项式,免去了参数的人为选择,提高了重建精度并加快了速度.由于上述方法是针对连续区间讨论的,因此如何通过边缘检测准确地划分连续子区间显得尤为重要.文中提出的频域滤波边缘检测法能得到准确的边缘检测结果,有效地提高了文中方法对具有复杂组织结构的真实人体MR数据重建的精度,使其更具实用性.     

基于Hash函数敏感性的医学图像精确认证

为了有效地鉴定医学图像的真实性和完整性,提出了一种基于提升格式的整数小波变换和Hash函数敏感性相结合的易碎水印方法。该方法在不需要原始图像的条件下,就可以检测到图像1bit的篡改,还可以对篡改区域进行定位。与现有基于小波变换的数字水印方法相比,可以在减少计算复杂性的同时,提高嵌入水印图像的质量。而MD5算法构造的Hash函数的运用提高了水印安全性和水印检测的能力。实验结果表明,本文算法对篡改具有极强的敏感性,且整个认证过程还需密钥完成检测,安全性很高,认证过程计算简单且准确性很高。     

基于SIFT算法的医学CT图像配准

医学CT图像的配准一直以来都是医学图形分析与处理中的研究热点之一,对临床诊断具有非常重要的作用。SIFT算法是一种快速、有效的图像匹配算法,该算法是基于图像的光照、旋转、尺度以及仿射变换不变性,在基于特征点的医学CT图像配准中具有较高的实用价值。针对医学CT图像配准时匹配特征点数目较少,从而导致估算图像变换参数时精度较低的情况,本文采用结合边缘点集匹配的SIFT算法进行医学CT图像配准,取得了良好的效果。     

虚拟大肠镜横跨式交互导航方法研究与应用

虚拟大肠镜检查时存在漏诊,致使虚拟大肠镜无法满足临床需求.为了提高虚拟大肠镜的检查质量,提出一个用于促进诊断的虚拟大肠镜横跨式交互导航方法.允许操作者交互性地控制虚拟相机沿着导航路径横跨式地观察病人大肠的内表面,克服了传统导航方法的缺陷,能够最大限度地减少观察死角,并应用于三维医学可视化系统中.通过临床数据验证表明本方法能够更精确地完成虚拟大肠镜检查,作为一种辅助诊断的方法是有效的.     

基于条件互信息量的随机蕨特征匹配算法

为解决随机蕨属性组合独立性假设导致分类器性能降低的问题,提出了一种基于条件互信息量的随机蕨特征识别方法,通过已知类别属性组合之间的互信息量最大化,将关联度大的特征属性划分为一个蕨丛,并建立朴素贝叶斯模型,训练分类器.此特征属性选择方法改进了随机蕨离线训练机制,有效提高了分类器的性能,显著改善了随机蕨特征匹配算法的有效性.结合实例及仿真分析,验证了所提算法在保证实时性的同时提高了特征匹配的精确度.     

利用模糊识别算法分析冠状动脉造影图像中的血管结构

定性与定量地描述冠状动脉血管,很大程度依赖于造影图像中的血管结构识别结果.对此,该文提出了一种多特征模糊识别算法判别血管结构.实现过程中,首先通过图像预处理获得血管初始特征,然后利用一圆周探测器沿血管路径扫描并获取多种局部测度;在定义各种局部测度的多特征模糊子集及其隶属度函数之后,通过构造模糊识别算子准确地判别血管的端、段、分支和交叉结构.该方法在仿真血管模型和多套实际冠状动脉造影图像上获得了较好的效果,对实际图像的结构识别平均正确率达到92.60%.     

基于MC的医学三维等值面的平滑与归并

为了提高医学三维图象的重建效果和速度,在对用于构造等值面的MC（Marching Cubes）算法进行分析的基础上,提出了对等值面进行三维空间方向平滑和多边形法形法向归并的方法。等值面方向平滑的方法就是将等值面分解为一个三维坐标场和一个法向矢量场,然后对其法向矢量场作矢量平滑处理;而等值面的多边形法向归并则是根据适当的门限值,将原来由大量小三角面片构成的等值面归并成由较少的多边形面片构成的等值面。实验结果表明,该方法能显著改善三维重建的效果,并能提高三维绘制的速度。     

医学图像分割及其发展现状

医学图像分割是各种医学图像应用的基础,当前的临床辅助诊断、图像引导的外科手术和放射治疗中,医学图像分割技术显示出越来越重要的临床价值.由于医学图像种类繁多,常规影像包括磁共振(MR)成像、计算机断层(CT)成像、正电子发射计算机断层显像(PET)、超声(US)成像等,其中MR成像还可以产生多种不同时间参数序列的图像模态.为此,医学图像分割技术已成为面向不同的影像模态、临床目标、特定解剖学部位的一种独特的应用科学体系.结合现有的国内外研究成果,该文详细地介绍和系统地对比了图像分割方法并进行了分类,最后还对6个国际知名医学成像期刊和会议进行了统计分析,阐述了医学图像分割技术的研究趋势.