基于张量秩校正的图像恢复方法

针对医学图像和视频图像的恢复问题,基于张量表示,研究有限样本下的低秩张量数据恢复问题,在张量奇异值分解(t-SVD)理论的基础上,提出了张量秩校正模型和两阶段张量秩校正方法,第一阶段是用张量核范数最小化模型求得预估解,第二阶段,根据预估解,求解张量秩校正模型,获得更高精度的解.构建了求解张量秩校正模型和张量核范数最小化模型的张量近似点算法,使得可以在实数域上对张量直接进行计算,并且从理论上证明了该算法的收敛性.通过对医学图像和视频图像的数值仿真实验,验证了本文所提出模型和方法的有效性,实验结果显示,张量秩校正模型和方法能够取得更高的恢复精度.     

颗粒材料修正的微形态连续体模型研究

基于细观力学给出了1个颗粒材料的修正的微形态连续体模型。在该模型中,考虑了颗粒的平动和转动,且对颗粒间的相对运动进行分解,认为颗粒的细观真实运动(包括平动和转动)是由细观平均运动与1个表征相对于平均运动的波动组成。对微曲率进行对称修正,推导得到了与对称应变张量共轭的对称柯西应力张量,与对称微曲率张量共轭的对称偶应力张量,以及与非对称相对应变张量(微曲率张量)共轭的非对称相对应力张量(偶应力张量)。基于运动分解与对称修正,最终得到了1个颗粒材料的1阶微形态宏观本构关系。宏观本构关系包括应力-应变关系,偶应力-微曲率关系,以及相对应力(偶应力)-相对应变(微曲率)关系。宏观本构模量通过表征细观信息的接触刚度、内部长度参数等识别。     

基于主成分分析和线性鉴别分析融合的阿尔茨海默病分类算法

在阿尔茨海默病(Alzheimer′s disease,AD)诊断方法中,通过对脑图像分析已成为准确诊断的一种重要手段.针对从单一脑图像模态磁共振图像(MRI)中提取的特征,提出了一种基于主成分分析(PCA)和线性鉴别分析(LDA)融合的AD分类识别算法.该方法首先对从MRI中获取的特征进行PCA,对低维的特征进行LDA获取组合特征向量,并采用最邻近算法,利用获取的组合特征向量对未知状态类型进行分类识别.实验表明,该算法与其他相关算法相比,具有较高的识别准确率、敏感性、特异性,这说明了算法的有效性.     

多导联癫痫脑电信号高频振荡特征提取与病灶定位算法

针对癫痫脑电信号中识别高频振荡节律困难的问题,提出一种基于Teager能量算子和曲线长度的多导联高频振荡节律(high-frequency oscillations,HFOs)特征提取与病灶定位算法。首先,采用陷波器和FIR数字滤波器对癫痫高频振荡信号进行预处理,其次,利用Teager能量算子和曲线长度对高频振荡节律的特征进行提取。最后,以功率谱为手段进行癫痫病灶定位。实际癫痫高频振荡仿真实验结果验证了该方法的有效性。     

基于非负矩阵分解的癫痫脑电自动检测

针对多分类癫痫检测算法因特征维数多而导致识别率不理想的问题, 提出了一种基于分数阶傅里叶变换 (FrFT: Fractional Fourier Transform)和非负矩阵分解(NMF: Non-negative Matrix Factorization)的癫痫脑电自动识 别算法。 首先采用 FrFT 对脑电信号进行时频聚焦, 并利用短时傅里叶变换 (STFT: Short-Time Fourier Transform)提取脑电信号的时频特征; 再应用 NMF 对提取的时频特征进行降维; 最后将降维后的特征输入到支 持向量机(SVM: Support Vector Machine)分类器中进行识别。 实验结果表明, 该方法能识别正常、 癫痫发作间 期和癫痫发作期 3 类脑电信号, 其分类准确率可达 98. 8%。     

基于深度学习的癫痫脑电通道选择与发作检测

传统癫痫发作通道选择方法需要提取特征,然后人工进行特征选择,最后基于所选特征训练分类器实现发作检测.为优化特征提取与选择过程,提出一种具有自学习特性,基于深度学习的癫痫脑电通道选择与发作自动检测组合模型.该方法利用卷积自编码器对癫痫脑电数据进行自适应特征提取,获得代表不同通道的特征子集;依据费舍尔准则筛选出特征子集与脑电通道;通过基于参数迁移的一维卷积神经网络实现癫痫发作脑电信号的检测.使用PhysioNet网站中的CHB-MIT数据库中8例有效数据量较为充足的病患脑电数据对组合模型进行有效性评价.对比该方法与基于方差、方差差异性和随机筛选方法得到的结果,在测试集上对癫痫发作检测的准确率、真阳性率、假阳性率的平均值分别达到了92.79%、93.07%、5.16%,均优于其他方法,且模型收敛速度所需的迭代次数平均仅为其他方法的10%.该方法在癫痫脑电发作检测效果和模型训练成本方面都有一定优势,且在进行脑电通道筛选时不需要手动提取特征,同时也可用于阿尔兹海默症等其他脑部疾病辅助诊断个性化检测模型的建立.     

多尺度光照估计和层次化分类的衣着颜色识别

衣着颜色是行人最显著的表观特征,在视频监控场景中极易受到光照变化的影响.为此,笔者提出了一种基于多尺度光照估计和层次化分类的衣着颜色识别方法.首先,提出一种多尺度局部反射统计的光照估计模型,通过该模型实现对偏色图像的光照矫正;其次,为了精确地识别衣着颜色,设计基于融合多颜色空间特征的层次化分类器;最后,在校园监控场景采集4 998张行人衣着图像(晚上2 052张,白天2 946张)进行对比实验.实验结果表明,该方法能有效提高监控视频中衣着颜色识别准确率且至少提高12.5%.     

基于多特征的洞库类目标识别方法

针对洞库类目标自动识别研究较少、识别率较低、识别方法成本较高等问题,设计了基于多种特征的洞库类目标识别算法.探讨了典型洞库类目标的模型并总结其主要特征;其次利用HOG特征对输入图像进行初步筛选,筛选出包含有洞库类目标的图像;然后基于洞库类目标的灰度特征提出了一种图像局部自适应阈值生成算法Wiblack提取图像中的疑似目标;最后搭建了洞库类目标的数学模型,并提出了基于形状相似度的目标判别算法,采用圆形相似度与椭圆形状相似度二次相似度判别方法,最终得出识别结果并描述目标轮廓,完成目标识别.实验结果表明该方法在洞库类目标的识别应用中有效可行,基于本文实验数据的识别准确度为92.6%.      

结合张量特征和孪生支持向量机的群体行为识别

给出一种结合张量特征和孪生支持向量机的群体行为识别算法,以提高对视频中群体行为识别的准确率.首先通过群成员关节点骨架的姿态结构信息和群成员的社会网络信息描述群体在每一帧中的行为,并采用张量形式表示;然后使用多路非线性特征映射分解张量核,并利用粒子群优化张量核孪生支持向量机的模型参数;最后结合张量特征和孪生支持向量机实现视频中的群体行为识别.CAD2数据集和自建数据集上的实验结果表明,张量特征能够有效地表示群体行为,相比经典算法,所提算法能有效提高群体行为识别的准确率.      

一种基于层选择的弥散张量优化算法

为了从带伪影的弥散加权数据中重建更准确的张量,提出了一种基于层选择的张量优化算法.首先对弥散加权图像中常见的3种伪影(波状、层间运动和对比度伪影)进行定性分析,分别提取3种对应的特征(小波标记、相似度和相关性)来识别这些伪影,从而区分出正常图层和伪影图层.然后,利用正常图层数据进行张量重建.模拟实验结果验证了这3种特征对弥散加权图像中相关伪影判断的有效性,且对波状伪影和层间运动伪影的判断率均大于90%.真实数据实验结果表明,与类似算法相比,所提算法可以更好地改善部分各向异性伪彩图中的偏色现象,在白质结构分析中提供了更准确的方向信息.     

头颈部肿瘤PET图像分割随机游走方法

针对肿瘤放疗生物靶区高精度勾画难题,根据头颈部肿瘤PET(positron emission computed tomography)影像特点,提出了肿瘤PET图像分割随机游走方法.首先,根据PET SUV(standardized uptake value)影像,采用三维自适应区域生长和数学形态学膨胀方法确定随机游走方法的种子点,将包含肿瘤的感兴趣区域分为核心肿瘤区域(标记为前景种子点)、正常组织区域(标记为背景种子点)和待定区域.然后,利用头颈部肿瘤和周围正常组织PET图像具有不同的对比度纹理特征,将PET SUV及其对比度纹理值作为随机游走方法中边的权值计算依据.实验结果表明,该法不仅比传统随机游走方法平均提速9.34倍,而且,以临床医生手工勾画的大体肿瘤区作为参考标准,相似度平均提高32.5%(P0.05).本文方法能够有效地自动勾画头颈部肿瘤放疗生物靶区.     

小波包变换在正电子发射断层扫描仪图像重建中的应用

在对常用的计算机断层图像重建方法-解析法深入研究的基础上,将小波包技术应用于断层图像重建,提出了基于小波包变换的多尺度断层图像重建框架。该方法能够直接从投影数据的多尺度表达中计算出目标多尺度表达系数,可在提取重建图像多分辨信息的同时,保留传统滤波反投影法的简便性和有效性,计算机仿真模型和临床正电子发射断层扫描仪投影数据的重建结果表明,该方法和滤波反投影方法相比,在不增加计算量的基础上,能够对任意不同频段的信号进行较为精确的重建,可以满足临床上识别重建图像不同特征的需求。     

基于增量优化传递的正电子发射断层图像重建

将增量优化传递算法用于正电子发射断层图像重建中,得到一种新的最大后验概率图像重建算法,实验结果表明,相对于滤波反投影和最大似然期望值最大化算法,有序子集可分离的抛物面型替代函数算法和发射增量优化传递算法得到的图像归一化均方误差较小,且边界得到一定的保持.在迭代的初期,有序子集可分离的抛物面型替代函数算法收敛较快,误差小;当迭代到一定的次数时,发射增量优化传递算法误差小,且能够有效收敛,对发射扫描断层图像重建产生重要的影响.     

Localization of a human system for sustained attention by positron emission tomography

Positron emission tomographic (PET) studies of human attention have begun to dissect isolable components of this complex higher brain function, including a midline attentional system in a region of the anterior cingulate cortex. The right hemisphere may play a special part in human attention; neglect, an important phenomenon associated with damage to attentional systems, is more severe, extensive and long-lasting after lesions to the right hemisphere. Here we use PET measurements of brain blood flow in healthy subjects to identify changes in regional brain activity during simple visual and somatosensory tasks of sustained attention or vigilance. We find localized increases in blood flow in the prefrontal and superior parietal cortex primarily in the right hemisphere, regardless of the modality or laterality of sensory input. The anterior cingulate was not activated during either task. These data localize the vigilance aspects of normal human attention to sensory stimuli, thereby clarifying the biology underlying asymmetries of attention to such stimuli that have been reported in clinical lesions.     

轻度认知功能障碍11C-PIB PET连续动态显像结果分析

 为探讨轻度认知功能障碍（MCI）患者碳-11标记的匹兹堡化合物B（11C-PIB）正电子放射断层摄影术（PET）显像的特点,评价MCI患者11C-PIB PET脑显像的临床价值,严格筛选3组受试者：MCI患者8例,阿尔茨海默病（AD）对照组6例,健康对照（HC）组7例。每位受试者均采用连续动态采集程序采集脑PET图像。通过视觉分析各组受试者的图像,总结成像特点。采用感兴趣区域（ROI）方法划取大脑皮层各叶和皮层下核团,得出各个脑区不同时间点的标准吸收值（SUV）,根据SUV绘出时间-放射性曲线。并选取45min时间点的SUV,计算出45min时各脑区与小脑的SUV比值并进行统计分析。结果发现,MCI组中一部分受试者PET图像特点与HC组相似;脑内放射性清除较快,而另外一部分受试者的脑内放射性清除则较慢。将MCI按照显像结果分为AD类似组及HC类似组进行分析后发现,AD类似组与AD组之间的清除率及脑区/小脑比值相比差异无统计学意义,而AD类似组与HC组之间的结果比较类似于AD组与HC组的比较结果。HC类似组与HC组之间的清除率及脑区/小脑比值相比差异无统计学意义,而HC类似组与AD组之间的结果比较则类似于HC组与AD组的比较结果。11C-PIB PET脑显像在不同MCI患者脑内的显像特点不同,因而有可能成为判断MCI预后的一种方法。     

基于SIFT和SDM的虹膜定位方法

为了提高虹膜定位的速度和稳定性,提出一种基于SDM的快速、稳定的虹膜定位算法.该方法首先采用径向对称变换粗定位瞳孔,然后采用微积分算子精定位瞳孔;选取SIFT特征描述虹膜外边缘及眼睑的边界特征,采用SDM算法求解定位结果,最后采用最小二乘法确定虹膜外圆及上、下眼睑边界参数.实验结果表明该算法大大提高了虹膜定位的效率和稳定性.     

The colour centre in the cerebral cortex of man

Anatomical and physiological studies have shown that there is an area specialized for the processing of colour (area V4) in the prestriate cortex of macaque monkey brain. Earlier this century, suggestive clinical evidence for a colour centre in the brain of man was dismissed because of the association of other visual defects with the defects in colour vision. However, since the demonstration of functional specialization in the macaque cortex, the question of a colour centre in man has been reinvestigated, based on patients with similar lesions in the visual cortex. In order to study the colour centre in normal human subjects, we used the technique of positron emission tomography (PET), which measures increases in blood flow resulting from increased activity in the cerebral cortex. A comparison of the results of PET scans of subjects viewing multi-coloured and black-and-white displays has identified a region of normal human cerebral cortex specialized for colour vision.     

PSO优化深度神经网络诊断齿轮早期点蚀故障

基于数据驱动方法诊断齿轮故障时一般会用傅里叶变换等进行特征提取，特征提取方法的选取对诊断结果影响很大.提出应用深度神经网络来诊断齿轮早期点蚀故障，直接以采集的振动信号作为网络输入，可以避免特征提取环节产生误差.此外，应用粒子群算法优化深度神经网络，使训练过程更稳定、诊断率更高.在分析结果时应用主成分分析法对网络输出进行降维.用实验采集的数据训练并测试网络，诊断正确率能达到90%之上，证明所提出的方法是合理、可用的.     

基于MBC和POEM特征的人脸识别方法

针对人脸识别中单一特征难以取得理想效果的问题,提出了基于MBC和POEM特征融合的人脸识别方法.首先,在归一化的人脸图像上提取MBC编码图和POEM编码图,在每个编码图块上生成特征向量,应用线性判别分析对特征向量进行低维映射,并对其进行赋权相加得到最终相似度.所提算法在FERET的Dup1,Dup2,Fb和Fc 4个测试库上取得了较高的识别率,分别为93.77%,90.60%,99.58%和99.49%;在误识率为0.1%的条件下,在4个测试库上的认证率分别为95.70%,92.31%,99.75%和100%,进一步验证了该方法的有效性.     

基于主成分分析—神经网络的医学图像刚性配准方法(投稿)

医学图像配准在临床诊断和治疗计划中起着重要的作用。应用特征图像的第一主方向提出了自动配准计算机层析术(CT)和磁共振(MR)大脑图像的方法。方案中,先应用主成分分析-神经网络来计算特征图像的第一主方向,然后通过调整特征图像的第一主方向和质心来完成配准问题。此外,还以MR-MR图像配准和CT-MR图像配准为例,对此方法的配准效果进行了简单分析。