修正与融合的肺部分割算法

为了能在适当的计算复杂度下获得较好的分割效果，在总结现有方法优缺点的基础上提出了将简单方法进行修正与融合的肺部分割方法.首先使用聚类的方法将CT图像中的像素点分为亮与暗两类，获得灰度值不同的小区域，然后区分出初始肺部的大致区域，最后根据CT图像的具体特性，使用识别出的初始肺部区域边界附近像素点的梯度以及灰度信息对边界进行修正.使用上述综合方法对CT图像的处理结果表明，在计算复杂度不是太大的情况下能获得较好的分割效果.     

脉搏波的复杂网络分析

脉搏波是人体重要的生理信号之一,从新的角度探索脉搏波的分析手段是脉搏波研究的一个重要方向.在分析现有脉搏波时域、频域分析方法的基础上,将复杂网络的分析方法引入脉搏波的分析之中,以拓展脉搏波的研究维度.分析了时间序列的网络化方法的现状,选择使用基于水平可见性(horizontal visibility graphs,HVG)的网络化方法对脉搏波进行网络化分析.获得使用脉搏波构建的网络的特性参数,确定了脉搏波网络的无标度特性,并从生理状态的角度进行了解释,为脉搏波的研究提供了一种新的手段.     

一种基于ARG的肺结节良恶性度判定方法

基于CT影像的肺结节的良恶性识别是肺癌诊断的重要环节，针对这一问题，提出一种基于属性关系图(attributed relational graph， ARG)的肺结节良恶性度判定方法.该方法以肺结节CT图像块作为输入，利用ARG构建其特征结构，并从大量ARGs中挖掘与或图(and-or graph， AoG)作为肺结节类别识别模板，即肺结节良恶性度判定的依据.此外，为提高模板挖掘效率，该方法利用马尔可夫毯(Markov blanket， MB)发现算法去除图像中的冗余特征，降低ARG节点数量.实验结果表明，该方法对恶性肺结节的识别率达到90.12%，能够帮助正确、快速辨识与分析肺结节良恶性，具有一定的实用价值.     

基于连续最大流的三维肺实质快速分割算法

肺结节是肺癌的表征形式,形状结构多样且易与正常组织产生粘连,使分割存在困难.提出了一种基于空间约束的三维肺实质分割算法,实现对肺实质组织的分割及目标区域的获取.首先使用SLIC方法将二维CT序列图像构建成超像素图像矩阵,并对矩阵进行稀疏化处理,降低矩阵维度.然后连接相邻切片间的超像素构造肺实质组织的三维结构.最后采用连续最大流方法对构造的三维肺部结构进行分割.实验结果表明,所提算法能够快速准确地分割三维肺实质组织,对不同类型肺结节的分割均取得较好结果,具有一定的临床应用价值.     

基于Lognormal函数的脉搏波数学建模

对健康的日常监测,时间长,数据量大.为了简化数据量,分析了现有的使用2~4个高斯函数拟合脉搏波的脉搏波数学建模方法,在此基础上,提出了Lognormal函数模型的数学建模方法.使用4个Lognormal函数对脉搏波的一个周期进行拟合建模,以脉搏波的生理特性为基础调整4个Lognormal函数的起始时间点,并对其性能进行了分析对比.结果表明,与现有方法相比,Lognormal函数模型不仅有更高的拟合精确度,而且有更优的计算复杂度,更适合以日常健康监测为目的的体域网健康大数据应用.