基于复数主成分分析的磁共振波谱信号衰减系数的自动校正

衰减系数的校正是磁共振波谱信号处理和分析过程中的一个关键难题。本文基于复数主成分分析，提出了一种自动的磁共振波谱衰减系数的校正方法，较成功地解决了这个难点问题。文中的模拟数据及其实现结果充分验证了该方法的有效性。     

基于Level set方法的医学图像分割

本文引入了一种基于偏微分方程的曲线进化方法—Level set方法,通过与Fast marching方法的结合,可以实现运算速度的大大提高。同时引进了更有效的Kim提出的GMM(Group Marching Method)方法,减少了运算量,并给出了改进方法。最后,把该方法用于仿真图与医学图像分割中,获得了较好的效果。     

基于退化四元小波变换的纸币识别

针对如何提取纸币图像特征和提高识别率的问题,综合利用退化四元小波变换具有的相位特性,提出一种基于退化四元小波变换的纸币识别方法.该方法首先对采集的纸币图像进行倾斜校正和边缘检测,然后运用退化四元小波对纸币图像进行分解操作,并对分解系数进行统计分析,将每个分解子带系数的能量和标准差作为该纸币图像的特征向量,最后将支持向量机作为分类器对纸币图像进行识别.本文方法在资源约束的嵌入式清分系统上实现,实验结果表明采用本文提出的算法突破了传统纸币识别系统识别率很难再提高的瓶颈,同时能够满足清分系统的实时性要求.     

基于对等差异进化算法的医学图像配准方法

差异进化算法是一种简单、可靠和有效的全局优化算法.本文在差异进化算法的基础上,将对等学习方法应用到种群初始化和进化中,提出一种基于对等差异进化算法的图像配准方法.该方法在种群进化过程中由对等跃变率决定是否生成对等种群,文中对不同对等跃变率及动态对等跃变率的不同情况进行三维医学图像配准实验.实验结果表明,只要选取合适的对等跃变率,该方法比传统差异进化算法的图像配准具有更高的精度和更好的稳定性;并且线性递减跃变率的对等差异进化配准算法比固定对等跃变率和线性递增跃变率的配准更精确、更稳定.     

DTI扩散张量的一种稳健估计方法

为了获得更精确的DTI扩散张量场,提出了一种基于约束M估计子的稳健估计方法,首先对扩散加权图像序列进行双树复数小波降噪预处理,以减少热噪声影响,然后通过试探法找到一个合适的回归起始点,并通过Cholesky分解对扩散张量进行正定约束,最后寻找局部最小获得DTI扩散张量的约束M估计,并在模拟二阶张量场和真实DTI数据集上进行了实验.与最小二乘法和M估计子回归模型相比,该方法可以更有效地排除热噪声和生理性离群点影响,对DTI扩散张量估计很有价值.     

基于粘滞流体B样条模型的快速非刚体配准方法

基于粘滞流体模型的非刚体配准算法是一种适合个体差异较大配准场合的方法。其关键步骤为求解偏微分运动方程组,但原始算法中采用直接离散结合同步超松弛(SOR)的方法相当耗时。为了缩短求解时间,提出一种基于粘滞流体B样条模型的快速方法。首先利用B样条对速度场进行建模,将方程组未知量转为B样条系数,减小计算负担;接着利用B样条的一些重要性质,推导出基于快速傅里叶变换(FFT)的B样条系数求解方法,进一步加快求解速度。实验结果表明,新算法在保持原始算法相同配准精度的同时,具有很快的计算速度。     

电阻抗扫描成像计算机辅助诊断方法研究

为了提高电阻抗扫描成像EISI(Electrical Impedance Scanning Imaging)在乳腺疾病检查方面的准确性,将独立分量方法(ICA)应用于EISI数据的特征提取,并结合支持向量机(SVM)进行乳腺疾病计算机辅助诊断(CAD)。实验结果表明:ICA方法所提取的特征对于乳腺疾病分类是有效的。对于良性肿瘤和恶性肿瘤的鉴别,提出的CAD方法灵敏度为74.2%,特异度为82.8%,准确度为80%。结合所提出的CAD方法和传统的EISI检查方法,可以提高EISI在乳腺疾病检查方面的可靠性,降低假阳性率,避免对良性肿瘤患者进行活检。     

基于Legendre矩的CT及MR医学图象融合方法

为了提高CT、MR多模态医学图象配准、融合的精度和速度,提出了基于Legendre矩的CT和MR多模态医学图象配准、融合方法,并运用二维9数据图象的Legendre矩正交性和无冗余性的特点,通过找出CT及MR两种模态医学图象的质心,计算出两图象的比例因子,从而完成了两图象的平移和旋转,并精确地实现了CT和MR两模态图象的配信、融合,还优化了Legendre矩的快速算法和提高了应用Legendre矩配准CT和MR图象的速度。实验表明,利用Legendre矩对CT和MR等多模态图象配准、融合,不失为一种比较直接、简洁的方法;同时,Legendre矩在医学影象诊断、放疗计划系统等方面也具有重要的应用价值。     

基于电阻抗扫描成像的乳腺癌自动诊断及参数提取

电阻抗扫描成像作为一种无损功能成像方法, 在乳腺癌诊断方面已经成为X射线乳腺成像的辅助诊断工具. 基于电阻抗扫描成像(Electrical impedance scanning, EIS )的人工诊断方法主观性强、诊断性能差异性较大. 本文提出了一种新的乳腺癌参数提取算法—全参数提取算法(Complete parameters extraction algorithm, CPEA), 并在此基础上设计了一个乳腺癌诊断算子—异常能量指数(Abnormal energy indicator, AEI), 可将乳腺癌诊断及癌灶参数提取合二为一.临床实验表明, 新方法可用于乳腺癌的实时诊断,具有较高的灵敏度和特异度, 同时能够给出癌灶的完整参数信息.     

一种基于优化参数的非局部均值滤波算法

针对非局部均值滤波算法中难以找到一个全局最优的滤波参数h的问题,给出一种新的该参数的优化方法,并将其应用于传统非局部均值滤波算法的改进。首先基于SUSAN算法提取噪声图像的边缘信息,然后在大量实验的基础上,利用线性回归和非线性回归分析方法建立h与边缘信息、噪声方差之间的优化模型。最后,将基于该优化模型的非局部均值算法应用于多幅图像的去噪处理中。实验结果表明,新算法改善了传统非局部均值算法的去噪性能,取得了良好的滤波效果。