基于概率跟踪的冠状动脉造影图像的血管树提取

采用传统的基于跟踪的方法分割冠状动脉X射线造影图像的血管时,易受血管节点和曲率的影响.对此,本文提出了基于多特征测度的概率跟踪模型和中心线优化算子,该方法能够准确地分割出血管树的骨架并进行中心线优化.实验中,该方法不仅避免了传统方法的弊端,而且具有较低的计算耗时、较高的鲁棒性、全自动性:一次选定跟踪的起点,可以自动提取出80%以上冠状动脉树.     

对亮度不均匀性图像的活动轮廓线分割

基于区域的活动轮廓模型的基本思想是允许轮廓线形变以获得最小化的区域能量函数,由于通常依赖于每个待分割区域的亮度均匀性,因而不能正确分割亮度不均匀性图像.同时活动轮廓模型传统的基于水平集的数值解法运算速度慢,对初始条件敏感.提出一种基于可伸缩局部区域拟合能量的活动轮廓线模型及其全局凸分割方法,以图像的局部区域内亮度不均匀...     

基于 Markov 随机场的脑部三维磁共振血管造影数据的分割

文章提出了脑部核磁共振血管造影(Magnetic Resonance Angiography, MRA)的全自动分割方法,该方法 有效增强了现有的基于 Markov 随机场(Markov Random Field, MRF)的分割技术。现有的三维 Markov 分割模型通 常面临的挑战是：(1)低级 MRF 模型参数初始化不够准确;(2)普通的 MRF 邻域系统无法探测精细的血管结构。 针对这两类问题,分别提出了基于多尺度滤波响应阈值分析和多模式邻域系统进行解决,使得 MRF 模型的血管 分辨率提高到 2 个体素的细小血管。实验中,低级模型参数的精确估计采用了最大期望算法,高阶 MRF 参数的 估计采用最大伪似然估计方法;通过三维仿真数据和实际脑部 MRA 数据进行验证,分割结果显示了较小的全局 误差     

基于互信息量和薄板样条的X射线造影图像弹性配准

本文提出了一种基于互信息量和薄板样条的冠状动脉造影图像弹性配准新方法.该方法不仅解决了传统模板匹配方法中子块图像分解的不确定性问题,而且还克服了常规优化方法易受初值影响而陷入局部最优的问题,有效的保证了解的收敛.试验结果证明本算法能够获得亚像素的配准精度.     

内照射放疗机器人的研究

医疗机器人是国内外医疗技术研究的热门前沿,有着潜在的广阔市场需求。内照射放疗机器人,综合了内照射放疗技术和图像引导治疗技术,是医疗机器人的典型代表。文章首先介绍近距离放疗技术、图像引导治疗技术,然后讨论内照射放疗机器人系统,最后对内照射放疗机器人的研究进行总结和展望。     

蛛网膜下腔出血计算机辅助诊断的现状与展望

蛛网膜下腔出血由于通过蛛网膜下腔循环而导致出血信号难以检测,从而导致对该疾病的漏诊率可高达25%。本文综述了蛛网膜下腔出血计算机辅助诊断的现状:蛛网膜下腔出血在影像上可以表现为脑沟消失和/或对比度低的高信号,难以用传统的图像分割方法分割出血信号。现有的方法是先通过图谱配准或距离变换估计蛛网膜下腔,然后通过机器学习识别在估计的蛛网膜下腔是否有信号异常。现有算法的问题在于少量出血的高信号以及部分脑沟消失容易漏检。本文较为详细地介绍了基于距离变换估计蛛网膜下腔并基于支持向量机的蛛网膜下腔出血识别,为进一步提高诊断率,提出了可能的发展方向,即研究新的图像分析算法,实现低对比度高信号的检测,并准确地量化脑沟。     

一种新型的不变性快速图像识别方法

利用平面直角坐标系和其相对转化型式极坐标系,利用极角和极值的二重三阶累积量构造出二维的三阶累积量特征集合,并对该特征集进行快速FFT变换得到频域的特征变换集合。该特征集具有数据量少,保留了每幅图像的内部相位信息,又对图像的平移、旋转、比例和噪声变化不敏感的特点。利用神经网络,实现了图像快速、并行、准确的识别,并有利于实现大量图像样本的存储,实现中每副图像在提取30个特征的情况下,图像可较好地得以识别。     

利用模糊识别算法分析冠状动脉造影图像中的血管结构

定性与定量地描述冠状动脉血管,很大程度依赖于造影图像中的血管结构识别结果.对此,该文提出了一种多特征模糊识别算法判别血管结构.实现过程中,首先通过图像预处理获得血管初始特征,然后利用一圆周探测器沿血管路径扫描并获取多种局部测度;在定义各种局部测度的多特征模糊子集及其隶属度函数之后,通过构造模糊识别算子准确地判别血管的端、段、分支和交叉结构.该方法在仿真血管模型和多套实际冠状动脉造影图像上获得了较好的效果,对实际图像的结构识别平均正确率达到92.60%.     

医学图像分割及其发展现状

医学图像分割是各种医学图像应用的基础,当前的临床辅助诊断、图像引导的外科手术和放射治疗中,医学图像分割技术显示出越来越重要的临床价值.由于医学图像种类繁多,常规影像包括磁共振(MR)成像、计算机断层(CT)成像、正电子发射计算机断层显像(PET)、超声(US)成像等,其中MR成像还可以产生多种不同时间参数序列的图像模态.为此,医学图像分割技术已成为面向不同的影像模态、临床目标、特定解剖学部位的一种独特的应用科学体系.结合现有的国内外研究成果,该文详细地介绍和系统地对比了图像分割方法并进行了分类,最后还对6个国际知名医学成像期刊和会议进行了统计分析,阐述了医学图像分割技术的研究趋势.     

心脏序列图像运动估计新方法:基于广义模糊梯度矢量流场的形变曲线运动估计与跟踪

应用动态轮廓线模型(ACM)解决心脏运动估计问题是该领域的主要研究方法之一．采用经典外力和传统ACM模型对感兴趣边缘进行搜索及跟踪时，普遍存在模型的局部适应性程度不高的缺陷．为解决这一挑战性难题，该文提出了广义模糊梯度矢量流(GFGVF)的概念，并构造出一组新的Snake平衡方程，该方程可对心脏内部边缘逐帧进行鲁棒跟踪．为进一步跟踪每一特征点的运动，该文将前一步的轮廓跟踪结果作为似然条件，结合一致性和连续性先验条件，通过最大后验概率(MAP)的方法对整个过程进行了优化计算．通过对MR及CT两类心脏序列图像进行运动跟踪实验并对计算结果进行多种比较，此方法显示了较好的鲁棒性．