乳腺磁共振图像中偏差场的校正

文中提出一种校正乳腺磁共振图像中光滑、缓慢变化的偏差场的方法。它在同态滤波的基础上，用B样条对初步估计的偏差场进行平滑，从而能更有效地估计磁共振图像中光滑、缓慢变化的偏差场。在有偏差场的模型图像和MR乳腺图像的校正中，此方法均取得了成功。     

MR图像运动伪影的遗传算法校正

磁共振成像过程中,由于患者的生理运动或自主性运动会使扫描数据发生相位偏移,致使重建图像含有运动伪影,从而降低成像的质量,而且严重的伪影则会影响医生对病灶的精确定位。为了能有效地抑制运动伪影,利用遗传算法高度并行、随机和自适应全局寻优的特点,提出了基于遗传算法的运动伪影修正方法,即采用逐次修正扫描信号在K空间中已偏移的相位的方法来抑制伪影。基于遗传算法的修正方法,由于能有效校正扫描数据的相位偏移,因而可达到抑制运动伪影的目的。实验表明,该方法对由较小运动引起的伪影有很好的抑制作用,对含噪声及较大运动引起的伪影的抑制作用,与经典的迭代算法相比,也有很大地改善。     

基于差分演化算法的MR图像平移运动伪影校正

在磁共振(Magnetic resonance,MR)成像过程中,病人的自主运动或生理性运动会使重建的图像产生伪影,严重影响医生的诊断.为了校正MR图像平移运动伪影,本文提出了一种基于差分演化算法的校正方法.首先利用非兴趣区的伪影数据,建立关于K空间偏移相位的约束条件方程组.然后采用差分演化算法搜索最优平移位移量,由此计算出相位偏差量并修正图像.同时提出一个新的价值函数,以此作为演化计算终止的判断条件,实现伪影图像的自动校正.实验结果表明,该算法能够有效地修正含有平移运动伪影的MR图像,且不需要反复的人工掩膜处理.     

基于小波变换的功能磁共振图像时间序列分步去噪

功能磁共振图像（fMRI）数据中反映大脑神经活动的感兴趣信号常受到结构噪声和随机噪声的影响。为消除上述噪声对分析激活体素的影响,对经过SPM标准预处理的体素时间序列进行Activelets小波变换,并在得到尺度系数及细节系数后,针对两类噪声的不同特点进行分步去噪。第一步,在受结构噪声影响的尺度系数上,选用独立成分分（ICA）析去识别并消除结构噪声源;第二步,提出一种改进的空域相关去噪算法在细节系数上对信号进行处理。值得注意的是,该算法利用邻域体素之间的相似性,判定所处位置的细节系数反映噪声还是神经活动。实验结果表明,经过这两步处理的数据可有效消除噪声的影响,其中框架位移减少了1.5mm,尖峰百分比减少了2%,此外由去噪后的信号获得的脑激活图中一些明显的伪激活区得到抑制。     

小波域功能磁共振图像的处理和功能区的检测

传统的Gaussian变换不能够很好地去除功能磁共振图像当中的相关性噪声,影响对功能区的检测结果.为了更准确地检测和定位功能区,提出了基于小波变换的方法对功能磁共振图像进行处理.首先采用非线性小波变换阈值法在小波域对功能磁共振图像进行降噪处理;然后结合小波域的错误发现率算法对脑激活区进行检验.多套数据的统计结果表明,与传统的Gaussian变换相比,文中方法在保持检出敏感性的同时减少检测结果中假阳性点的数量,具有较高的检出特异性和定位可靠性.     

基于Mojette变换的倾斜文本图像方向校正

文本文件的扫描图像在现实中几乎无处不在,文中将Mojette变换引入扫描支本图像使用前的方向校正,目的是为方便人们对扫描文本图像的使用。霍夫变换和矩形框调整算法是目前最常用的方向校正算法,但这些算法存在计算复杂度高和适应度差的缺点。文中方法是利用文字成行的特点,通过计算文字走向得到图像倾斜角,进而对图像进行校正。选择不同角度的倾斜图片进行了实验,均检测出文字走向,并成功校正图像。实验结果表明,该算法计算量小,适应度强,比较适合文本图像的方向校正。     

基于 Mojette 变换的倾斜文本图像方向校正

文本文件的扫描图像在现实中几乎无处不在,文中将 Mojette 变换引入扫描文本图像使用前的方向校正,目的是为方便人们对扫描文本图像的使用.霍夫变换和矩形框调整算法是目前最常用的方向校正算法,但这些算法存在计算复杂度高和适应度差的缺点.文中方法是利用文字成行的特点,通过计算文字走向得到图像倾斜角,进而对图像进行校正.选择不同角度的倾斜图片进行了实验,均检测出文字走向,并成功校正图像.实验结果表明,该算法计算量小,适应度强,比较适合文本图像的方向校正.     

基于Radon变换的文本图像倾斜校正

归纳现有的多种倾斜字符校正方法,提出一种基于Radon变换用于一般字符校正的方法。该方法对文本图像做简单的数学形态学处理,利用Radon变换求出文本倾斜的角度。实验结果表明：与传统方法相比,本算法减少了计算量,提高了校正效率,且具有较强的适用性和鲁棒性。     

基于多项式的遥感图像快速几何校正

遥感图像几何校正是遥感信息处理中的重要内容之一.提出了一种遥感图像的快速几何校正算法,该算法把畸变图像划分成多个子块,分别由多个处理块对子块进行重采样计算,在重采样计算上又使用最大限度地减少坐标变换的冗余计算方法.经实例证明了该算法能够有效地提高遥感图像的处理速度.     

基于改进Hough变换的艺术体操图像视觉误差校正方法

为了提高艺术体操动作图像质量,提出基于改进Hough变换的艺术体操动作图像视觉误差校正方法。通过预先设定全局阈值与容忍度,改进Hough变换算法,利用图像灰度分布密度函数,完成动作图像空域变换,根据元素灰度值序列,滤波处理动作图像像素点,依据获取的最优分割阈值,划分图像前景与背景,采用改进的Hough变换算法,提取全部图像特征点,基于图像畸变度与镜头、轴线距离关系,结合动作图像分形码,得到分形区域偏差的最佳估算值,实现视觉误差校正。仿真实验结果表明方法校正优势显著,具有一定的有效性与可行性。     

3DPCANet在阿尔茨海默症功能磁共振成像图像分类中的应用

阿尔茨海默症(AD)是一种起病隐匿的进行性神经退行性疾病,会使患者的大脑脑区结构发生改变.为辅助医生对AD患者的病情做出正确判断,提出了一种改进的三维主成分分析网络(3DPCANet)模型,并结合被试者全脑均值低频波动振幅(mALFF)图像来对AD进行分类.首先,对功能磁共振成像(fMRI)数据进行预处理,计算出全脑m...     

基于一般线性模型的功能磁共振成像回归量正交化

针对功能磁共振成像（fMRI）模型回归量之间存在共线性的问题,提出了一种正交化的方法。首先,确定感兴趣以及待正交的回归量;其次,从待正交回归量中减去与感兴趣回归量相关的部分,使模型中共线的回归量正交分解为相互独立的部分,以此来消除共线性的影响。此外,还讨论和分析了正交化对一般线性模型的影响。最后,分别使用一些合成数据和当前一个流行的fMRI数据分析软件包——脑功能磁共振图像软件包（FSL）进行实验。实验结果表明,正交化方法可以消除模型中的共线性,并且提高感兴趣回归量的显著性,从而实现准确的脑功能定位,可以应用于对脑的基础研究和临床治疗。     

基于谱聚类半监督特征选择的功能磁共振成像数据分类

针对功能磁共振成像(fMRI)数据的高维度小样本问题,提出谱聚类半监督特征选择(SS-FSSC)模型.首先利用先验脑区模板提取时间序列信号;然后选取皮尔逊相关系数与序统计量相关系数(OSCC)描述脑区间的功能连接特征,并对特征进行谱聚类;最后利用基于Constraint得分的特征重要性准则挑选出特征子集,并把这些子集输...     

基于群稀疏理论的乳腺动态对比度增强核磁共振图像联合重建

乳腺在注射造影剂钆喷酸葡胺（Gd-DTPA）后,乳腺核磁共振（MR）图像中恶性肿瘤区域比正常或者良性区域呈现出更加快速和更强的灰度变化,因此动态对比度增强核磁共振成像（DCE-MRI）成为了医生检测和诊断乳腺恶性肿瘤的重要工具。但是DCE-MR图像的快速获取目前仍然是一个难题, 为了快速高效地获取这样的DCE-MR图像, 根据群稀疏思想和压缩感知（CS）理论,提出了一种结合变密度随机采样的共轭梯度下降方法。该方法首先使用变密度随机采样的方式从图像的局部k-空间（傅立叶系数）数据中获取采样信息,再将传统的基于l1范数的共轭梯度下降算法扩展到l2,1范数以使得改进的共轭梯度下降算法可以对多幅DCE-MR图像同时进行联合重建。实验结果表明:采样率小于40%时,改进的联合重建方法比多测量向量（MMV）算法在重建时间上减少了约30%;变密度随机采样比均匀随机采样在重建准确率上提高了约70%。     

基于压缩感知的自适应正则化磁共振图像重构

当前基于压缩传感理论的正则化磁共振(CS-MR)图像重构算法普遍采用全局正则化参数,不能很好地在保持边缘和平滑噪声方面做出平衡。为此,提出一种自适应的正则化CS-MRI重构算法。结合图像稀疏性和其局部光滑性的先验知识,采用非线性共轭梯度下降算法求取最优化问题,并在迭代过程中自适应地改变局部正则化参数。新的正则化参数可以更好地恢复图像边缘,并且有利于平滑噪声,使代价函数在定义域内具有凸性;同时先验信息包含于正则化参数中,以提高图像的高频成分。实验结果表明该算法能有效权衡恢复图像边缘和平滑噪声两者的关系。     

一种基于主动轮廓模型的MRI医学图像序列边缘提取算法

为了提取核共振成像图像序列的边缘,提出了一种改进主动轮廓模型的边缘提取算法。通过调整原始公式的一些参数使得该模型不但能精确地提取图像中的凸形物体的边缘,而且能够接近边缘的凹陷处;引入自适应改变大小的外部约束能量来增大外能的吸引范围,使控制点能够不依赖于初始轮廓而快速地收敛到目标的真实轮廓;结合匹配技术,提高边缘提取结果层间传递的精度。实验结果表明该算法仅需少量用户交互就能快速准确地从医学图像序列中提取出感兴趣的物体边缘。     

去除磁共振成像图像莱斯噪声的加权扩散

针对各向同性扩散易于造成图像边缘等特征区域的模糊以及相干增强扩散易于在图像背景区域内产生伪条纹的问题,提出了一种根据磁共振成像（MRI）图像莱斯噪声分布特点来对其进行降噪的加权扩散算法。该算法以MRI图像背景区域的莱斯噪声方差作为区分MRI图像背景区域和感兴趣的边缘特征区域二者特征差异的阈值。基于该阈值,该算法构造了一个加权函数,并用该函数对各向同性扩散和相干增强扩散进行加权。加权函数根据图像在不同结构区域的变化,自适应地调整两种扩散的权值,从而充分发挥两种扩散的优势并克服各自的不足。实验结果表明,该算法在峰值信噪比（PSNR）及平均结构相似度（MSSIM）的评价上优于一些经典算法。因此,该算法的降噪及保护、增强边缘的能力更为优越。     

脑fMRI特征重建的分层快速聚类方法

在对大脑fMRI感兴趣区域的分析中,利用特征选择所得到的筛选属性进行特征重建问题上,提出了分层快速聚类的分析方法,同已有K-均值聚类方法相比,在聚类有效性得到提高的前提下,总体降低了聚类的时间代价,并为后续的回归分析处理提供了精确保证。     

基于动态功能连接的运动任务大脑状态表达

针对传统静态功能连接分析技术不能准确反映大脑动态功能状态的问题,提出了一种基于全脑动态功能连接(DFC)分析对大脑的状态变化进行表达的方法。首先,利用个体的弥散张量成像(DTI)数据构建高精确度全脑网络,将运动任务下功能磁共振成像(fMRI)数据映射到相应DTI空间后,提取各节点fMRI信号;然后,采用滑动时间窗口方法计算随时间变化的全脑功能连接强度矩阵,并提取动态功能连接向量(DFCV)样本;最后,将所有个体的DFCV样本通过基于Fisher准则的字典学习(FDDL)算法进行稀疏表达和分类。共得到8个该运动任务下全脑功能连接状态模式,各模式的功能连接强度空间分布具有明显差异,模式1、模式2和模式3占据了大部分样本分布(77.6%),且与平均静态功能连接强度矩阵之间的相似度明显高于其他5个模式。此外,大脑在各模式之间的状态迁移遵循一定的规律。实验结果表明,采用全脑DFC和FDDL学习相结合的方法,能够有效地对任务态下大脑的功能状态变化进行表达,为研究脑动态信息处理机制提供基础。     

探索功能性脑网络差异的可视分析系统设计与实现

在神经科学和计算机科学等领域,研究人员通过统计模型和深度学习等方法探索不同状态间功能性脑网络工作机制的差别;但现有的功能性脑网络研究工具多用于寻找支持某种假设的证据或传达科学发现,存在功能单一的缺点;针对上述问题,文章设计并实现了一个用于功能性核磁共振数据的交互式可视分析系统BrainDVis,帮助研究人员寻找不同状态间功能性脑网络的多方面差异;BrainDVis将功能性脑网络差异分析功能、网络特征参数分析功能、模块化结构分析功能、功能性连接分析功能相关联,提供多视图协同交互的方法帮助研究人员自主探索,寻找差异;最后使用公开数据集进行实验,验证了系统的可行性和有效性。