一种心脏运动补偿算法的GPU实现

在心肌灌注核磁共振（MR）图像中,病人的呼吸和心跳会使心脏的位置和形状发生改变,因此需要对心脏核磁共振（CMR）时间序列图像中的心肌图像位置进行运动补偿。针对医学图像特征较少的问题,利用马尔科夫随机场（MRF）模型,提出一种基于图像配准的心脏运动补偿算法。根据心动周期不同时间点图像像素块的邻域和灰度信息,计算心脏的运动向量,将最相似的像素块平移到图像的相近位置,对心跳产生的位移进行补偿。由于MRF模型的计算量较大,将CPU算法和GPU算法相结合,计算耗时部分使用GPU并行实现,以提高程序的运行速度。实验结果表明,该方法能有效地对心肌灌注MR图像中心脏的位移和弹性形变进行补偿,结合GPU算法能使运动补偿算法的计算性能提高400％,图像配准时间仅为CPU算法的1／3。     

带标记线的心脏MRI图像分割方法*

在分析带标记线的心脏MRI特点的基础上,提出了利用Gabor滤波与Chan和Vese模型相结合对带标记线的心脏MRI图像进行分割的方法.通过对带标记线的心脏MRI图像进行Gabor 变换,把标记线分离出来,并且扩大心肌和血液之间的差异,再对变换后的图像用Chan和Vese模型进行分割.实验结果表明了该方法的有效性.     

利用局部区域约束的医学图像弹性配准

根据人体不同器官具有不同的弹性这一特点构造了一种基于局部区域约束的图像配准算法。首先抽取骨骼边缘上的点作为标志点,利用软对应匹配算法计算出每一个骨骼与其对应骨骼的刚性变换;然后通过薄板样条插值得出整幅图像的变形场;由于同一器官的位移大小相近,将这一区域的均值作为区域内每一点的位移量;将更新后的初始位移场代入到基于B样条的自由形变模型中,得到新的位移场;以Bhattacharyya距离为目标函数,一直迭代下去直到目标函数值达到最优。通过对临床数据的实验表明该方法能够满足临床医生的要求。     

基于快速建立四面体网格的有限元心脏建模

针对目前通过医学成像技术获得心脏序列图像来提取相关心脏结构参数,判断心脏的功能的三维心脏建模技术的热点问题.提出了一种基于快速建立四面体网格的有限元心脏建模的方法,结合心脏这种形变模型的各种约束条件,模拟心脏的动态形变,利用有限元与生物力学原理构建心脏表面重建的有限元方程,由心脏表面三角网格数据点快速构建一系列不相重叠的四面体网格单元,以满足单元的应力矢量及单元节点位移矢量计算的需要,为模拟重建心脏运动奠定基础.实验结果表明了有效性和可行性.     

心肌灌注核磁共振图像的非刚性配准

心肌灌注核磁共振图像中心脏的位置和形状会随着病人的呼吸和心跳而发生改变.同时,灌注图像的灰度也会随着造影剂在心腔中的流动而不断变化.这使得传统单纯依靠互信息、互相关等信息的配准算法很难在心肌灌注核磁共振图像中得到应用.使用马尔可夫随机场(M RF)模型对图像进行非刚性配准.在马尔可夫能量函数中对图像块进行归一化,以消除两幅图像的灰度差异对配准的影响.为了消除序列图像配准中产生的积累误差,对心肌灌注MR序列中的每幅图像计算对应的伪真实(PGT)图像,并将这幅伪真实图像作为配准模板.通过将心肌灌注MR序列中的每幅图像与其对应的伪真实图像进行配准,避免了序列图像配准中积累误差的产生.实验结果表明,该方法有效地矫正了心肌灌注MR图像中心脏的位移和弹性形变.     

基于可形变模型的左心室形状恢复与运动跟踪

从心脏核磁共振图像恢复左心室的3D形状并跟踪其运动,是当前医学图像分析领域的重要研究课题之一。提出了一种基于可形变模型的左心室3D形状恢复与运动跟踪方法,该模型充分考虑了左心室的实际几何形状,将左心室描述为一个一端封闭、非轴对称、轴线弯曲的广义圆柱壳;模型的参数为函数,用全局参数即可捕捉左心室的局部形变;模型的求解纳入基于物理学的可形变模型框架之下,这样,左心室的形状恢复与运动跟踪变成一个动态的数据拟合过程。根据跟踪的结果可以观察左心室的容积、质量等在一个心动周期中的变化情况,计算每博容积、射血分数等心功能指标,为心脏疾病诊断提供直观的临床参考。     

利用带标记线核磁共振图像的左心室力学形态分析

为直观地分析左心室在心脏收缩期的形变情况，提出一种左心事力学形态分析方法．首先利用带标记线的心脏核磁共振图像数据针对左心室建立系数可变的物理可形变模型，并在所建模型的基础上，利用心脏收缩期各个时刻的左心室轮廓点数据恢复三维外形；然后利用心脏收缩期各相邻时刻的标记点数据计算左心室模型外力；最后将模型外力转换为收缩应力分量、切向应力分量和拉伸应力分量，并将各个应力分量用彩色云图显示．实验结果表明，文中方法能直观、有效地反映左心室内外表面在整个心脏收缩期的应力分布及形变趋势，获取的力学形态变化云图将成为重要的医学诊断依据．     

基于改进的主动轮廓模型及光流估计的标记线跟踪

在心脏核磁共振图像分析中，标记线的跟踪是心肌运动分析及3维运动重建的重要步骤。为了提高心脏标记线跟踪的准确性，首先使用改进的基于动力学方程的主动轮廓模型来对标记线进行跟踪，并根据标记线的特点，引入了3种弹性势能，然后采用了新的内能函数，并使用新的方法来产生图像势能，由于改变了原模型中轮廓线初始速度为零的假设，并引入了光流估计作为轮廓的初始速度，从而提高了跟踪结果的准确性。对多序列心脏收缩期核磁共振图像的实验结果表明，该算法可以获得较好的跟踪效果。     

基于视频的树木运动信息提取和动画生成技术研究

为了快速模拟树木在风中的运动和形变,提出了一种基于视频的树木运动信息提取和动画生成方法,可以在虚拟场景中快速绘制具有动态效果的三维树木模型.该方法首先将含有树木运动的视频转化为多个关键帧,以提取树木的形态和运动信息,并通过数据最小二乘拟合方法计算出其运动轨迹,然后对其进行三维模型重建和运动模拟.实验表明,该方法可以快速地建立树木的三维模型,并能较好地模拟树木的运动和形变.     

基于有限元方法的心脏表面建模

利用有限元与生物力学原理构建心脏表面运动的有限元方程,快速建立四面体网格的有限元心脏模型,模拟心脏的动态形变,从心脏的三维表面恢复、应力应变分析和三维运动建模等方面着手,分析计算心脏在收缩期相邻时刻的应力分布及形变情况,有效地模拟了心脏的动态形变。实验结果表明了该方法的有效性和可行性。     

加标记的左心室核磁共振图像位移场的运动重建

利用改进的左心室数字模拟器提供的加标记的核磁共振图像(MRI),文章研究左心室位移场的运动重建方法。先以双三次B样条曲面技术拟合短轴和长轴影像层三个方向的标记面,然后采用最小二乘原理确定短轴和长轴影像层标记点1D逆向位移场的最优控制顶点,在此基础上拟合的短轴影像层上标记点的3D逆向位移场达到亚像素精度。这对于跟踪心肌点几何位置,分析左心室的运动变形具有重要意义。     

Extraction of topographic deformation based on the 3D information of individual trees

ABSTRACT

Terrestrial laser scanning (TLS) has been used widely in topographic deformation monitoring, and the issue of deformation information extraction from multi-temporal point cloud data has high importance. Here, a method is developed for the extraction of topographic deformation in a forested area based on the 3D spatial information of individual trees. Initially, ground points are removed by using a local topographic surface fitting method, then individual trees are segmented using the PTrees algorithm; finally, the motion of individual trees is computed with a combination of global and local rigid-body transformations. Experimental validation results show that the proposed method is reliable to within a 0.12° maximum tilt error and 8.7 mm maximum displacement error. In addition, some inferences were drawn based on the original topography and the topographic deformation monitoring results. For example, a mining work-face was located beyond the eastern part of the study area, and trees growing in the middle part of this region of interest may face a survival challenge.     

基于非刚性配准的交互式医学图像序列分割

提出了一种新的交互式医学图像序列分割算法,该算法将非刚性配准技术和解剖先验知识相结合把图像分割问题转化为图像配准问题。首先采用Demons算法进行图像配准,用光流法计算瞬时位移,设计了一个新的停止准则使其能自适应地确定迭代次数,并将它在金字塔型的多尺度框架下实现。然后用配准得到的形变域对已精确分割的图像进行形变就能自动地获得未分割目标图像的分割结果。扩展上述过程就可实现整个图像序列分割。试验结果表明该算法用户干预少、分割速度快、分割结果准确。     

基于Mean-shift的粘连人体目标分割算法

人体目标分割是人体目标视觉分析的关键问题之一。提出了一种基于Mean-shift的粘连人体目标分割算法。首先对视频图像进行预处理,从中分离出运动区域,根据人体外形的统计特征建立人体目标模板。在运动区域中均匀取若干个数据点作为种子点。从种子点出发,基于人体目标模板,应用Mean-shift算法不断迭代逼近模态点。对取得的模态点集合进行聚类,从而自动确定分类数,即运动区域中的人体目标数,并进行合理分割。基于PETS 2006数据库的试验验证了该方法的可行性。     

Estimating myocardial motion by 4D image warping

A method for spatio-temporally smooth and consistent estimation of cardiac motion from MR cine sequences is proposed. Myocardial motion is estimated within a four-dimensional (4D) registration framework, in which all three-dimensional (3D) images obtained at different cardiac phases are simultaneously registered. This facilitates spatio-temporally consistent estimation of motion as opposed to other registration-based algorithms which estimate the motion by sequentially registering one frame to another. To facilitate image matching, an attribute vector (AV) is constructed for each point in the image, and is intended to serve as a “morphological signature” of that point. The AV includes intensity, boundary, and geometric moment invariants (GMIs). Hierarchical registration of two image sequences is achieved by using the most distinctive points for initial registration of two sequences and gradually adding less-distinctive points to refine the registration. Experimental results on real data demonstrate good performance of the proposed method for cardiac image registration and motion estimation. The motion estimation is validated via comparisons with motion estimates obtained from MR images with myocardial tagging.     

Human gait recognition using extraction and fusion of global motion features

This paper proposes a novel computer vision approach that processes video sequences of people walking and then recognises those people by their gait. Human motion carries different information that can be analysed in various ways. The skeleton carries motion information about human joints, and the silhouette carries information about boundary motion of the human body. Moreover, binary and gray-level images contain different information about human movements. This work proposes to recover these different kinds of information to interpret the global motion of the human body based on four different segmented image models, using a fusion model to improve classification. Our proposed method considers the set of the segmented frames of each individual as a distinct class and each frame as an object of this class. The methodology applies background extraction using the Gaussian Mixture Model (GMM), a scale reduction based on the Wavelet Transform (WT) and feature extraction by Principal Component Analysis (PCA). We propose four new schemas for motion information capture: the Silhouette-Gray-Wavelet model (SGW) captures motion based on grey level variations; the Silhouette-Binary-Wavelet model (SBW) captures motion based on binary information; the Silhouette–Edge-Binary model (SEW) captures motion based on edge information and the Silhouette Skeleton Wavelet model (SSW) captures motion based on skeleton movement. The classification rates obtained separately from these four different models are then merged using a new proposed fusion technique. The results suggest excellent performance in terms of recognising people by their gait.     

A practical framework for generating volumetric meshes of subject-specific soft tissue

Studying human motion using musculoskeletal models is a common practice in the field of biomechanics. By using such models, recorded subject’s motions can be analyzed in successive steps from kinematics and dynamics to muscle control. However simulating muscle deformation and interaction is not possible, but other methods such as a finite element (FE) simulation are very well suited to simulate deformation and interaction of objects. In this paper we present a practical framework for the automatic generation of FE ready meshes based on subject-specific segmented MRI data. The proposed method resolves several types of data inconsistencies: noise, an incomplete data set and self-intersections. This paper shows the different steps of the method, such as solving overlaps in the segmented surfaces, generating the volume mesh and the connection to a musculoskeletal simulation.     

基于动态后验模拟的PET图像重建

正电子发射成像是一种有效的生理功能性成像手段，但是由于投影数据中噪声大而给重建带来困难，为此提出了利用其他高质量的解剖成像结果的分割模板先验来进行完全Bayesian重建以提高重建效果，分割模板先验可以表示为包含超验参数的Markov场形式，但是它的非凸性和超验参数的存在使得无法用常规的方法得到最大后验估计，为此采用动态后验模拟算法计算后验平均估计，基于满足条件分布的动态后验模拟法可以同时更新象素的密度和超验参数，并且容易得到重建的方差和置信区间，将这种方法和似然估计、最大后验估计结果进行比较，重建的结果无论在空间分辨率和抑制噪声方面都有取得了好的效果。     

基于超像素的点追踪方法

目的由于当前大多数的追踪算法都是使用目标外观模型和特征进行目标的匹配,在长时间的目标追踪过程中,目标的尺度和形状均会发生变化,再加上计算机视觉误差,都会导致追踪的失误。提出一种高效的目标模型用于提高追踪的效率和成功率。方法采用分割后提取的目标特征来进行建模表示外观结构,利用图像分割的方法,将被追踪的目标区域分割成多个超像素块,结合SIFT特征,形成词汇本,并计算每个词在词汇本中的权值,作为目标的外观模型。利用外观模型确定目标对象的关键点位置后,通过使用金字塔Lucas-Kanade追踪器预测关键点在下一帧图像中的位置,并移动追踪窗口位置。结果结合点位移的加权计算有效地克服目标尺度和形状变化产生的问题。结论实验结果表明在目标发生形变或光照变化的情况下,算法也能准确地、实时地追踪到目标。