最小描述长度优化下的医学图像统计形状建模

统计形状模型(SSM)是有效的图像处理与分析方法。为了建立模型,需要从形状样本集中提取出具有对应关系的轮廓采样点集合,这是决定模型性能的关键。传统的手动标定这些点集来确保对应关系枯燥耗时且带有主观性,更难以向高维拓展。对形状建立逐层的多尺度参数表示,基于最小描述长度(MDL),在粗尺度上建立反映点对应程度的目标函数并最小化,提出首先确保粗尺度上具有最优意义的点对应,同时在精尺度上使用最便捷的弧长参数函数来确定特征点,完成感兴趣目标的快速统计形状建模,进而统计分析以验证模型性能,为后续图像分割或定量分析打下基础。实验对肌肉骨骼核磁共振成像(MRI)中椎骨、椎间盘以及半月板等具有临床意义的结构建立了统计形状模型,验证了本文方法与手动取点相比具有客观可重复性且更加简洁,与单一尺度下的MDL方法相比时间效率更高。基于此模型的图像分割与基于手动建模的分割相比,误差相当或有所降低。     

基于DHT策略的MANETs网络路由协议研究*

提出了一种分布式MANETs路由协议,该协议综合了基于DHT的应用路由协议Tapestry和网络层路由协议AODV的优点,使用随机路标算法对网络进行分簇,改进了Tapestry算法使其在分簇内节点间共享对象指针。仿真实验表明本协议可以有效避免覆盖层与物理层匹配失效的问题,在节点移动速度较快时仍能保持较高的路由查找成功率和较低的网络开销。     

改进的基于特征点软组织厚度的颅面复原方法

现有三维颅面复原技术大多依据颅骨特征点的软组织厚度统计值。针对现有统计值指标涵盖的年龄、胖瘦等属性段较宽泛导致复原面貌缺乏个性的缺点,提出了一种改进方法。首先通过CT扫描仪获得颅面样本数据,并通过图像重构获得三维颅骨和人脸模型;然后采用一种半自动特征点标定方法对三维颅骨样本进行特征点标定,并求解特征点软组织厚度;之后采用支持向量回归方法构建特征点软组织厚度与属性之间的函数关系;最后根据待复原颅骨的属性以及回归函数计算特征点软组织厚度,在此基础上采用薄板样条函数对参考人脸模型进行变形获得复原面貌。实验结果表明,相比于已有方法,该方法能获得更准确的软组织厚度,提高颅面复原的准确度。