基于并行粒子群算法的Otsu双阈值医学图像分割

医学图像分割一直是医学影像分析领域的研究热点。由于粒子群优化(PSO)容易陷入局部极小,因此该算法用于搜索某些函数极值时精确度较低且稳定性较差。针对该问题,结合Otsu分割技术,提出了一种基于并行粒子群优化算法的Otsu双阈值医学图像分割算法。在该算法中,将粒子群体分成若干个子群体,进化在多个不同的子群中并行进行,避免单种群进化过程中出现的过早收敛现象,提高整个算法的收敛速度。实验结果表明,提出的分割算法与传统粒子群算法相比,不仅能够对图像进行准确的分割,而且具有更强的精确性和稳定性,其收敛速度明显优于基于单种群的粒子群算法的Otsu双阈值医学图像分割。     

基于改进K-均值与分水岭算法的医学图像分割

传统K-均值基于欧式距离,结果不能真实反映数据,而传统分水岭分割方法存在过分割和敏感性伪边缘的问题。鉴于此,提出一种基于改进K 均值聚类预分割与控制标记分水岭的医学图像分割算法：基于图像空间特征运用改进K 均值聚类对感兴趣区域和背景区域进行初始分割;在扩展最值变换的基础上作形态学开闭处理;利用控制标记分水岭算法在给出内部和外部标记后用强制最小技术修正梯度幅度图像并与形态学图像叠加,以降低过分割和减少伪边缘数量。实验结果表明,该方法相较于传统分水岭算法有显著改善,且具有较强的抗噪性能和边缘定位能力,能够更好地满足医学图像的分割要求。     

基于PCNN的视网膜血管分割系统设计与实现

在对视网膜眼底图像中的血管进行预处理并运用脉冲耦合神经网络（Pulse Coupled Neural Network,PCNN）算法迭代原理进行分割的基础上,利用MATLAB 的图形用户界面开发环境（GUIDE）,通过对各控件的布局设计及其回调函数的编写,实现了视网膜血管分割系统。系统具有界面友好、操作简单等特点,为医学图像研究提供了一种有效的视网膜血管分割方法,也为医学图像处理提供了一个操作方便的实验平台。     

基于改进模糊C均值聚类的心脏图像分割方法

针对医学图像进行分割时,存在的高噪声、低对比性及高相关性问题,提出了一种改进的模糊C均值聚类算法用于心脏医学图像的分割。考虑到噪声的存在,像素的领域信息易受到污染,导致聚类中心发生偏移,影响心脏图像的聚类效果,因此根据邻域像素的非局部噪声强弱定义了一个可以反映图像空间结构信息的自适应参数,用于聚类算法的线性加权,加强对噪声的抑制作用。实验证明,相比模糊C均值聚类算法和其他传统的图像分割方法,提出的算法对心脏医学图像具有更准确的分割效果。     

基于流形的特定人体组织轮廓的医学图像分割

图像分割是医学图像分析中的重要问题。以前的基于模型的分割算法都是从不特定人群的统计出模型的先验知识。文章提出了一种新的全自动医学图像分割算法.这种方法旨在提出一种基于特定人先验轮廓模型。该模型通过基于流形的学习方法,从而达到更加准确的分割效果。     

超声三维成像中一种快速表面体绘制算法

提出一种减少采样点计算的改进光线投射算法进行医学体数据面绘制，以达到缩短体绘制时间的效果。同时给出改进算法的具体实现及关键步骤。最后给出本次改进算法的实验结果。     

基于语义分割的高速公路天气识别算法

为了实现高速公路场景下天气图像的准确识别,文章提出了一种基于语义分割的高速公路天气识别方法,通过设计一种结合语义分割模型提取道路区域特征的方法,构建了基于语义分割的结合道路天气图像全局特征及道路特征的融合网络,实现对高速公路的天气识别。在道路预处理阶段,应用具有密集连接结构的多尺度特征提取模块DASPP到Deep Labv3+网络,增大模型在不同尺度特征上的分辨率密集程度和特征图在不同维度的感受野,进而有效改善道路提取的效果。在特征提取阶段,基于引入深度可分离卷积层的Xception网络,设计了天气特征提取网络WFCN,分别提取输入图像和道路区域图像的全局天气特征和道路天气特征并进行融合分类,有效降低模型参数量和运算量,并增强模型的性能。在构建的高速公路数据集上,对设计的算法分别进行了消融实验和对比实验,实验结果证明了该算法的有效性及相比现有天气识别算法的优越性。     

基于超像素的肤色检测

提出了一种基于超像素进行肤色检测的方法。该方法首先应用分水岭算法对彩色图片进行分割得到超像素,同时对对应的肤色标注图片进行相应的分割;然后提取超像素直方图的特征值作为输入数据,对应的分割肤色标注图作为输出变量;最后采取了支持向量机以及随机森林算法对输入数据和输出数据进行训练。实验结果表明,基于提出的超像素特征值,支持向量机与随机森林算法都取得了比基于像素的肤色分类算法更好的分类效果。     

基于监督的全卷积神经网络视网膜血管分割

视网膜血管分割算法是自动视网膜疾病筛查系统主要部分。视网膜血管检测在医学诊断上应用日益广泛,对糖尿病、青光眼等病状有较精确的诊断。提出一种新的全卷积神经网络视网膜血管分割的监督方法,该方法在视网膜图像和相应的血管标签图之间进行端对端预测,采用跳跃结构融合图像深层和浅层的特征信息,得到精确的分割结果。以准确性（Acc）为标准判断,在DRIVE数据集上表现出比现有其它技术更好的性能。     

基于大数据标签与机器学习的车牌识别算法

为了提高机器学习算法对实际场景中车牌识别能力,克服天气、车牌种类对识别的干扰,以实际场景拍摄的车牌为识别对象,设计并开发了一种基于大数据标签与机器学习的车牌识别系统。首先,在不同启用场景、不同天气下采集两万帧车牌,涵盖各省市汽车,作为大数据标签和学习基础,建立车牌图像和车牌文字字段的训练集数据库;然后,利用图像降噪、自动阈值分割、形态学处理以及边缘检测,完成车牌定位与分割;随后,通过建立支持向量机与随机森林分类器,对训练集样本进行模型学习,完成机器学习算子,完成针对车牌的最终识别;最后基于Windows系统、C++语言与OpenCV开源学习框架,编码实现算法和系统。经过与对照组的对标测试,所提算法具有更高的车牌识别能力。     

序列二维医学图象的体绘制法

Volume rendering of 3D data sets composed of sequential 2D medical images has become an important branch in image processing and computer graphics.To help physicians fully understand deep-seated human organs and focuses(e.g.a tumour)as 3D structures.in this paper,we present a modified volume rendering algorithm to render volumetric data,Using this method.the projection images of structures of interest from different viewing directions can be obtained satisfactorily.By rotating the light source and the observer eyepoint,this method avoids rotates the whole volumetric data in main memory and thus reduces computational complexity and rendering time.Experiments on CT images suggest that the proposed method is useful and efficient for rendering 3D data sets.     

医学图像体数据切片技术

CT图像或者MRI图像都是单方向的二维图像序列。有时基于精确确定病灶位置的需要,医生需要从不同的方向观察不同位置的二维图像,即医学图像体数据切片技术。本文介绍了Z轴切片法和平面切片法两种医学图像体数据切片技术,并分别由这两种技术完成了体数据冠矢状切面显示模块和体数据任意切面显示模块。     

血管分割可视化中的快速交互型渲染方法

Medical diagnosis software and computer-assisted surgical systems often use segmented image data to help clinicians make decisions. The segmentation extracts the region of interest from the background, which makes the visualization clearer. However, no segmentation method can guarantee accurate results under all circumstances. As a result, the clinicians need a solution that enables them to check and validate the segmentation accuracy as well as displaying the segmented area without ambiguities.With the method presented in this paper, the real CT or MR image is displayed within the segmented region and the segmented boundaries can be expanded or contracted interactively. By this way, the clinicians are able to check and validate the segmentation visually and make more reliable decisions. After experiments with real data from a hospital, the presented method is proved to be suitable for efficiently detecting segmentation errors. The new algorithm uses new graphic processing uint (GPU) shading functions recently introduced in graphic cards and is fast enough to interact on the segmented area, which was not possible with previous methods.     

图像分割技术在医学图像分割中的应用

图像分割是图像分析和处理的关键步骤,医学图像分割是图像分割的一个重要应用领域。本文讨论了医学图像分割的目的和意义,对医学图像分割的常用技术进行了研究。     

VolGraph-A PC-Based Visualization System for Three-Dimensional Medical Reconstructions

Thecontinuoustechnicaldevelopmentincomputergraphics ,scientificvisualizationandmedicalscannertechnol ogyhasmadepossiblefastandaccuratethree dimensionalmedicalvisualizationfrommulti slicesoftomographyimagesoverthepastdecade .Traditionaltomographyimagesusedinthree dimensionalreconstructionsaremainlyfromcomputer izedtomography (CT) .Thelatestresearchesextendthedo maintomagneticresonanceimaging (MRI) ,computerizedto mographyangiography (CTA) ,singlephotoemissiontomogra phy(SPET) ,positronemiss…     

人工呼吸通气量与猫体重的关系

探讨电生理实验中猫的人工呼吸通气量与体重之间的关系。方法:在电生理实验过程中固定呼吸频率,根据猫呼出的CO2含量来调整潮气量,并通过记录视皮层细胞的自发和诱发反应来评价猫在人工呼吸条件下的生理机能状态。结果:共对10只猫进行了试验研究,其中有8只猫成功存活50小时以上,记录到有明显诱发反应的细胞17-65个,平均每只37个。统计存活50个小时以上的猫的潮气量与体重,发现潮气量与体重的关系符合poly 3方程(y=k0+k1x1+k2x2),拟合数据与实测数据的相关性值为0.916。意义:本研究对电生理实验中猫的人工呼吸参数的估计和设置有重要的参考价值。     

融合ResNet结构的U-Net眼底视盘分割方法

由于亮度的相似性,带病灶眼底图像的视盘分割通常会受到亮病灶干扰.现有的视盘分割方法对正常的视网膜眼底图像具有较好的分割效果,但是在带病灶的眼底图像中表现不佳.在医学图像数据样本有限的情况下,U-Net网络能实现少样本训练生成较好的分割结果.提出一种将残差结构与U-Net网络融合的视盘分割方法.残差模块的跳跃连接能将浅层...     

基于CT数据的轮廓线提取

医学图像的三维重建中,边缘轮廓线的提取起着关键的作用.针对头部医学CT数据,分析其数据格式,并对其进行数据格式转化,对转化后的数据采取图像平滑、颜色调整与直方图均衡化等图像预处理操作,最后在分析图像预处理后数据的基础上提出双阈值分割的方法来提取轮廓线数据,实现较好的提取效果.