磁共振颅脑图像快速模糊聚类分割算法的研究

尽管模糊C-均值（简称FCM）聚类算法已广泛应用于图像分割研究,但是,由于模糊C-均值聚类算法所固有的一些缺点,特别是运算开销太大造成了该算法在实际应用中难以推广使用。根据模糊C-均值聚类算法和磁共振颅脑图象的特点,我们提出了一种分割磁共振颅脑图象的快速模糊C-均值（简称FFCM）聚类算法,该算法利用K-均值聚类结果指导模糊聚类的初始化,使模糊聚类的迭代次数明显减少。从而极大地提高模糊聚类的速度,实际应用表明,FFCM的分割速度比FCM快6.5倍以上,而分割精度与FCM相比无显著性差异。     

模糊K-均值聚类算法及其在磁共振颅脑图像分割中的应用研究

目的　介绍一种动态模糊聚类算法并利用该算法对磁共振图像进行分割研究。方法　首先对磁共振颅脑图像进行预处理去掉颅骨和肌肉等非脑组织,只保留大脑组织,然后利用模糊Ｋ－ 均值聚类算法计算脑白质、脑灰质和脑脊液的模糊类属函数。结果　模糊Ｋ－ 均值聚类算法能很好地分割出磁共振颅脑图像中的灰质、白质和脑脊液。结论　利用模糊Ｋ－ 均值聚类算法分割磁共振颅脑图像能获得较好的分割效果。     

在微机上实现脑结构三维重构的技术

目的　利用平面图像序列完成脑结构的三维重构技术一般都需在工作站上进行,随着微机性能的提高,在微机上完成医学图像的三维重构已成为可能。方法　将连续解剖切片依次按如下步骤加以处理：①扫描获取初始图像;②边界跟踪获取图像边界线;③完成图像与坐标系的配准;④重组数据并完成三维显示。结果　通过上述步骤可在微机上完成大鼠脑断层的三维重构。结论　本文所讨论的方法对于处理连续图像的三维重构不失为一条较为快速、方便的路径,并可推广用于ＭＲＩ、ＣＴ等平面图像的三维重构处理。     

乳腺钼靶X线影像中结构扭曲检测技术研究的进展

乳腺癌是全球女性发病率最高的恶性肿瘤,通过筛查实现早期发现、早期诊断和早期治疗对降低乳腺癌死亡率至关重要。乳腺钼靶X线摄影术是目前最普遍适用的乳腺癌筛查方法。有效检测乳腺钼靶X线影像中的结构扭曲病灶有利于提高筛查的质量和效率。就目前乳腺钼靶X线影像中结构扭曲检测技术的研究现状、存在的问题和发展趋势进行了综述。     

一个基于知识的蛋白质结构预测评分函数

评分函数设计是预测蛋白质结构的关键之一。本研究采用pab_select 25列表中的蛋白质结构作为学习样本，并按照结构测定方法的不同将其分成X-Team和NMR—Team两组。根据学习样本中两两氨基酸残基的距离分布，分别求出两组评分函数。然后使用公认的测试样本数据评估上述评分函数的性能。结果表明：两组评分函数在识别结果上存在一致性，且总体性能较高，但X-Team评分函数的识别质量高于NMR—Team评分函数。     

基于Talairach图谱的脑18F-FDG PET图像基底节区的自动勾画

目的建立自动勾画基底节区的方法,并测定健康人的半定量值.方法通过非线性空间变换将PET图像经图像配准和图像形变2个步骤,归一化到Talairach坐标系,根据图谱中脑功能区的坐标,在三维图像中提取相应的基底节区,计算经大脑归一化后尾状核和壳核的半定量值.结果基于Talairach图谱可自动勾画尾状核和壳核,左侧尾状核头、体、尾部的正常值分别为1.02±0.04、0.92±0.07和0.71±0.03,右侧分别为0.98±0.03、0.87±0.04和0.71±0.01,左、右侧壳核的正常值分别为1.20±0.06和1.20±0.04,左右侧半定量值差异无显著性(P＞0.05).结论基于Talairach图谱自动勾画尾状核和壳核的方法有效.     

基于神经网络的乳腺癌生存预测模型

本研究对SEER乳腺癌登记资料库中的数据进行预处理,以5年生存率为指标,建立基于神经网络的乳腺癌生存预测模型.经预处理后的数据类别分布呈现明显的不平衡状态,这种不平衡会严重影响模型的性能.采用过抽样、欠抽样技术来弥补数据类别分布不平衡对模型性能的不利影响.通过比较不同的抽样比例,采用ROC曲线下面积(AUC)、正确度、特异度、灵敏度评估模型.经过10折分层交叉验证,当抽样比例为650%,AUC达到最大值0.761 3,特异度为0.741 5,灵敏度为0.781 1,正确度为0.775 8.     

题库的建立与使用

题库的建立与使用上海第二医科大学电子计算机教研室（２０００２５）王金堂，周云君，章鲁电子计算机在医学教学中的应用已取得可喜的成绩。本文对试题的收集整理、题库的建立、应用程序的设计等方面进行探讨。试题的收集整理和题库的建立试题按本学科分章节编排，每章又...     

眼视盘参数的计算机测量

目的介绍青光眼早期诊断和监测病情的新技术。方法运用计算机图象处理技术,对人眼视盘进行去噪声处理,并就测量视盘几何参数提出具体算法。结果两操作者的平均误差仅为6．6％。结论该技术准确、客观、清晰度高     

基于模糊K-近邻规则的多谱磁共振脑图像分割方法的研究

本文在K 近邻 (K nearestneighbor ,简称KNN)规则的基础上 ,基于模糊C 均值聚类 (FuzzyC meansclustering ,简称FCM)技术 ,提出了模糊K 近邻算法 (FuzzyK nearestneighbor ,简称FKNN) ,并利用该算法对磁共振脑图像进行分割研究。首先对磁共振颅脑图像进行预分割 ,剔除颅骨和肌肉等非脑组织 ,只保留大脑结构 ;然后利用FKNN算法对大脑结构进行分割 ,从脑组织中分别提取出白质、灰质和脑脊液。实验结果表明 ,FKNN方法能有效地从大脑结构中分割出白质、灰质和脑脊液 ,分割效果明显优于KNN方法。