图谱法脑部MRI图像自动分割技术发展及应用

脑部MRI图像自动分割是计算机技术运用于医学上的一个典 型工作,脑部图像分割技术对于人类研究脑部疾病具有重要意义。虽然有一些非常广泛应用 的图像分割方法,如阈值法、区域增长法、聚类法等,但在脑部MRI图像分割中,这些方法 都 没有图谱法具有更为实际的医学研究与临床价值。本文回顾了脑部图像配准、分割的发展历 程,介绍了图谱分割算法的发展及基本原理,以及当前比较前沿的多图谱分割系统的组成和 应用。最后本文对图谱法脑部自动分割在实际临床医学中的应用前景作了总结和展望。     

LBM craniocerebral MR 3D medical image non-rigid registration method

In order to improve the performance of the 3D medical image non-rigid registration method, a new LBM (Lattice Boltzmann Method) craniocerebral MR 3D medical image non-rigid registration method is proposed. The 3D medical image registration process is converted into the flow process of the viscous fluid, the deformation force driving pixels are generated by using two-image gray level difference, and the pixels deformation trajectories are simulated under the control of external force by use of the LBM equation. The LBM equation of the compressible viscous fluid with a control force is set up, meanwhile the boundary conditions and the differential homeomorphism conditions are defined. Experimental results show that this method has the better performance than the similar methods.     

基于微分同胚映射和扩张状态观测器的高压直流非线性控制器的设计

为提高高压直流输电系统的抗干扰能力以及模型辨识的准确性,提出了一种基于微分同胚映射和扩张状态观测器的高压直流非线性控制器设计方法。首先利用微分同胚映射将高压直流输电系统模型中的非线性因素作为系统的控制输入,利用线性最优反馈和非线性误差反馈率确定最优预控变量;然后运用扩张状态观测器来辨识所有不确定因素,从而实现非线性控制...     

大形变微分同胚图像配准快速算法

本文提出一种研究大形变图像配准算法. 大形变使得图像信息和拓扑结构有较大的改变, 目前该方面的研究仍然是一个难点. 基于严密数学理论的微分同胚Demons算法是图像配准的著名算法, 为解决大形变配准问题提供了重要基础. 基于对微分同胚Demons算法的研究结合流形学习的思想提出一种大形变图像配准的新算法(MRL算法). 新算法通过挖掘图像的局部和全局流形信息改进微分同胚Demons 速度场的更新, 更好地保持图像的拓扑结构. 对比实验结果表明, 本文所提出的算法能够快速高精度地实现大形变图像的配准.     

基于恒定动量矢量的快速大形变微分同胚非刚体标记点集匹配算法

目前经典的基于微分同胚非刚体变换的标记点匹配算法虽然克服了以往非微分同胚变换方法不能处理大形变非刚体变换的问题,但是普遍存在时空复杂度较高,算法收敛速度较慢以及匹配精确性和变换光滑性不能兼顾等问题.针对这些问题,本文提出了一种新的基于恒定动量矢量的快速大形变微分同胚非刚体标记点集匹配算法,该方法利用拉格朗日坐标系下的恒定动量矢量以及时间依赖的多尺度再生核来构造速度矢量场,然后采用基于规则化控制参数的确定性退火机制来搜索最优动量矢量,从而得到最终的微分同胚变换形变场.最后实验验证了本文所提新算法能使匹配的精确性和变换的光滑性达到较好的平衡兼顾,而且也较大程度地降低了算法的时间复杂度以及空间复杂度.