主动轮廓模型及其在医学体分割中的应用

利用医学序列切片在灰度值和空间位置上的相关性,对传统主动轮廓模型进行改进,将其应用于医学体数据分割中.以物体轮廓采样到其相邻两采样点中点的距离为内部能量函数,同时通过制约轮廓的长度,使其尽可能短来达到;利用图像区域的局部梯度信息,同时利用序列图像之间局部区域的全局信息及其相关性重新构造外部能量函数;并根据内外部能量的比值,动态的调节权值参数.实验结果表明,改进算法既可以有效地检测出一些拐角点和凹点,又可以避免目标边缘收敛于某些噪声点或伪边缘点,可达到良好的体分割效果.     

功能近红外光谱（fNIRS）立体定向实时手术导航与治疗系统开发

1课题简介 立体定向手术导航技术对神经外科脑深部神经核团疾病的手术治疗效果有非常重要的影响,无论是毁损术还是DBS（Deep Brain Stimulation）,靶点的精确定位是手术成功的关键。目前立体定向神经导航系统均存在几个问题：①无法校正因中脑脊液流失、体位改变等引起的脑组织移位;     

基于小波变换的医学解剖与功能像融合新算法

摘要： 近年来,用于从多模医学图像数据中挖掘有用信息的融合算法不断被提出。但是,还没有一种合适的算法用于医学解剖和功能像的融合。基于此,提出一种基于小波变换的新方法,用于医学解剖和功能像的融合。选择高频系数时,通过计算各子图像的全局梯度来实现高频信息的融合,使融合后的图像较好地保留解剖结构所对应的功能信息;低频系数采用基于邻域能量的融合算法,保留解剖图像的边缘和纹理特征。实验结果和评价参数表明,这种改进的医学图像融合算法强化了融合图像的边缘和纹理特征,有效地保留了原图像的解剖信息和功能信息。     

基于小波变换模极大值的医学图像融合技术

针对目前的融合算法不能有效解决强去噪能力和细节信息保留之间的矛盾,提出一种基于小波变换模极大值特征的窗口区域强度自适应加权平均融合算法.首先,用选定的小波基提取不同尺度下小波变换模极大值特性;然后,利用信号与噪声的Lipschitz指数在局部奇异处呈现不同的表现形式的特性,滤除噪声信号;接着,计算模极大值的局部区域强度,动态地实现在不同尺度的子图像的小波分解系数之间分配权重;最后,将处理后的子图像重建得到融合后的图像.通过对CT和PET图像的融合实验,证明了该方法既可以适应不同特征图像的融合任务,又能达到有效抑制噪声而保留尽可能多的细节信息的目的.     

基于小波分形配比的医学图像插值算法研究

医学图像一般要求边缘细节清晰,而传统的插值方法会导致图像细节信息的丢失.为了满足医学插值放大图像质量和速度的要求,利用小波变换和几何分形的思想,提出了一种改进的几何分形算法和小波变换相结合的图像插值新方法.实验仿真表明,该算法能极大消除细节伪影,同时还保持很好的纹理细节,峰值信噪也得到提高.     

生物体液荧光在位检测仪的设计

介绍了一种直接检测生物体液的光纤光谱仪。根据光纤和毛细管的特性，设计特殊的光纤探头。该探头可以直接插入生物体内，通过毛细管采集生物体液，并直接引入光路中。为了提高测量灵敏度，探头中的光纤采取分层排列以增加体液在光路中的路程。该探头可使测量过程简化并且实现在位监测。利用计算机的并行口控制步进电机带动色散棱镜转动，用光电倍增管接收光谱信号，计算机实时采集并实时显示待测生物体液的光谱特性。通过对光谱进行分析，可以推测许多生物量。     

基于主动轮廓模型的序列图像分割

提出一种改进的主动轮廓模型应用于医学序列图像的分割。一方面,对内部能量函数增加约束性条件,制约轮廓的长度,使其尽可能短来避免边缘轮廓收敛到中垂线上的其它组织的较强边缘点;另一方面,利用序列图像之间局部区域的信息相关性,重新构造外部能量函数来排除纹理特征的干扰,更好地捕捉到边缘上的拐角点。实验结果表明,提出的改进算法既可以有效地检测出一些拐角点和凹点,又可以避免目标边缘收敛于某些伪边缘点,可达到良好的分割效果。     

基于单位四元数的手术导航注册方法

针对目前的脑立体定向手术导航注册方法存在较大误差和可能出现奇异点等缺点,提出了一种基于四元数电磁定位的新注册方法.利用四元数的快速迭代特性和计算过程无奇异解的特性实现注册过程中的3个空间映射过程,根据单位四元数中的刚体姿态变换描述及奇次坐标理论求解从实时手术空间到计算机空间的最优转换矩阵.实验结果表明,文中所提算法得到...     

基于多尺度边缘的血管内超声图像增强算法

血管内超声图像同时具有低对比度和低信噪比的特征,传统的图像增强算法会明显放大噪声.为此,提出一种基于边缘表示的算法来增强血管内超声图像的对比度,采用平滑函数的导数作为小波函数对图像进行二进小波分解,使用小波系数在各尺度间的局部极大值来刻画图像的多尺度边缘,通过拉伸小波系数极大值再重构图像来增强灰度图像的对比度.实验结果表明,本文提出的增强算法在有效增强图像对比度的同时避免了放大噪声,并且可以通过调节不同尺度的拉伸因子来获得不同的增强效果,同时提高了运算速度.