乳腺超声图像序列的弹性特征病变分析

在乳腺肿瘤超声诊断中,医师通过手工缓慢加压形成一个超声图像序列.针对乳腺肿瘤病例的单一图像进行识别,存在被干扰而改变的特征,而且不能反映特征在序列中的变化情况.临床研究也显示,乳腺超声图像序列之间的特征变化是判别其良恶性的一个重要指标.针对这个问题,基于手工加压程度变化的评估,提出了5个新型的基于弹性的归一化特征参数,并且联合形态和纹理特征,综合进行病变分析.SVM分类器实验表明,这种方法能够有效地识别肿瘤良恶性,为医师诊断提供必要的辅助诊断信息.     

基于相位的C-V模型乳腺超声图像分割方法

为了提高乳腺超声图像分割的准确率,提出了一种基于相位特征的C-V模型超声图像分割方法.首先,采用LOG-Gabor滤波器对超声图像进行6个不同方向的滤波,提取最大能量所对应的相位信息,得到超声图像的相位特征.然后,采用SRAD方法对超声图像降噪,并将降噪后的图像与相位特征点乘,增强图像目标与背景的对比度.最后,运用C-V模型的分割算法识别图像中的目标区域,并采用腐蚀方法使目标区域边缘完整、平滑.实验结果表明,与基于灰度的C-V模型、GAC模型以及基于相位特征的人工神经网络方法相比,利用该方法分割乳腺超声图像,分割的精确度明显提高,达到92.40%.     

女性乳腺红外热图像特征分析及其与超声影像的对比

利用一种新型的红外热成像技术,实验获得女性乳腺的红外热图像,结合乳腺组织温度场的数值模拟,分析乳腺体表的红外热辐射特征,同时将红外热成像技术的探测结果与超声诊断结果进行比较,获得较好的一致性. 研究结果有望为乳腺红外热图像的解读提供参考,具有重要的临床应用价值.     

基于深度学习的乳腺超声图像BI-RADS五分类方法

基于乳腺超声图像研究了一种深度学习自动分类算法TDS-Net,用于实现乳腺影像报告和数据系统（BI-RADS）3、4a、4b、4c、5级的五分类. TDS-Net设计了双支路的结构：首先,第一条支路采用提出的DDModule叠加构成,该模块能够减少超声图像中的伪影并提取丰富的局部细节特征;其次,第二条支路由卷积块构成,它主要用于提取图像的全局特征信息,作为第一支路的信息补充;最后,将两条支路融合得到含有丰富特征信息的融合特征图,并采用深度可分离卷积和SENet进一步提取图中的信息, 其中,深度可分离卷积能够减少参数并增加网络的非线性进而增强其提取特征的能力,SENet注意力机制能增强高阶特征信息的提取. 为验证该算法,采用云南省肿瘤医院提供的数据进行实验,结果显示准确率、精准率、F1值分别为94.67%、94.81%、94.69%,均高于对比算法,体现了该算法的优越性. 同时为验证该算法的鲁棒性和普适性,基于两个公共数据集做了良恶性二分类的实验,实验结果同样高于对比算法. 这些结果表明,所提算法TDS-Net对乳腺超声图像具有较强的识别能力,有望应用于临床医学.     

基于分数阶Fourier变换的乳腺肿瘤纹理特征提取

分数阶Fourier变换(fractional Fouriertransform,FrFT)是传统的Fourier变换在分数级次上的推广,它同时包含了信号时频域的信息.对乳腺肿瘤超声图像进行分数阶Fourier变换,提取分数阶Fourier变换域相位信息的统计纹理特征,并结合AdaBoost分类算法,实现乳腺肿瘤的良恶性分类.实验结果表明,基于分数阶Fourier变换提取的纹理特征能较好地应用于乳腺肿瘤的良恶性分类,说明该方法可用于乳腺肿瘤的计算机辅助诊断.     

基于超声射频信号的特征融合方法对乳腺肿瘤良恶性诊断的价值

为实现对乳腺肿瘤良恶性的高效判别,本文尝试从原始超声射频(Radio Frequency, RF)信号构建融合模型。首先从RF信号提取16种超声特征参数组成特征图图谱。构建高性能卷积网络用于提取多特征图的深度学习特征,并与多特征图的传统组学特征拼接融合;然后进行特征筛选、训练支持向量机模型。实验结果发现,基于支持向量机的特征融合模型在乳腺肿瘤的良恶性诊断中性能优良,测试集的受试者操作特性曲线下的面积、准确率、灵敏度和特异度分别达到：0.992、91.3%、92.3%和90.0%。在本文数据集上,使用RF信号比超声灰阶图像能更高效地实现乳腺恶性肿瘤的识别。与单一使用深度学习特征相比,融合传统组学特征后,乳腺肿瘤良恶性鉴别性能显著提升。     

乳腺MRI图像肿瘤轮廓的提取

提出一种改进的混合水平集方法提取乳腺肿瘤图像.首先利用最大类间方差法与区域生长法将乳腺初始轮廓从乳腺MRI图像中提取出来,然后将此乳腺初始轮廓曲线作为水平集的初始轮廓曲线进行演化,进而找到肿瘤的边界.应用本方法对福建肿瘤医院提供的临床数据进行了实验验证分析.实验结果表明,该方法对于复杂的乳腺MRI序列图的肿瘤分割具有较好的效果.     

基于纹理特征的超声医学图像检索

在医学信息学领域，对医学图像物理特征的研究有助于实现图像的自动分析和基于内容的检索，为此，提出一种改进的Gabor纹理特征提取方法．通过超声医学图像的分析获得图像主要的纹理频率和方向特性，以此构成图像纹理特征矢量，降低了图像的纹理特征的维数．用该特征进行基于内容的图像检索，避免了采用Gabor小波在检索中带来的维数危机．通过对五类超声心动图像的检索实验，证明该方法的检准率和检全率较高，检索时间较短，能够取得较为满意的结果．     

乳腺叶状肿瘤影像表现对照病理分析

探讨超声、乳腺X线摄影、磁共振成像（MRI）在诊断乳腺叶状肿瘤中的价值,并与病理对照提高乳腺叶状肿瘤的诊断水平。回顾性分析经手术病理证实的32例乳腺叶状肿瘤超声、乳腺X线摄影和MRI影像表现,并将3种检查方法分别与病理进行对照分析,比较各自优势。32例乳腺叶状肿瘤中病理良性19例,交界性10例,恶性3例。X线钼靶诊断：乳腺叶状肿瘤15例,准确率46.88%;X线表现：以不规则形>10 cm的高密度肿块为主47.87%,肿块边缘光整见分叶,部分见晕环征为主要表现。超声诊断：乳腺叶状肿瘤13例,准确率40.62%;超声表现：肿块周围见丰富的供血血管93.75%,血流分级以Ⅱ-Ⅲ级为主,动脉阻力指数（RI)及收缩期峰值流速（Vmax)明显升高。MRI诊断：乳腺叶状肿瘤27例,准确率84.38%;MRI表现：以囊变、坏死及出血为主84.38%,以裂隙性囊变及压脂T2WI分隔不强化为主要特征。比较3种检查方法,在叶状肿瘤诊断中MRI更具有特征性,掌握其特征的影像学表现,可提高乳腺叶状肿瘤术前诊断准确率。     

图像校正中颜色模型的选取方法

在全景图像的拼接中，各子图间颜色不匹配会严重影响全景图像的效果，甚至会产生错误的拼接。选取一种基于统计学的图像颜色校正方法，然后对各种不同失真情况的图像分别在RGB、YUV、HSV几个颜色模型中进行图像颜色校正，并对比所得的实验结果；讨论了针对不同的失真情况，如何选取合适的颜色模型，使图像校正取得更好的效果。结果表明选取合适的颜色空间校正图像，可以显著地提高所生成全景图像的质量。     

提高超声C扫描图像分辨率的插值方法研究

根据超声C扫描成像原理,分析了采样间隔对超声C扫描图像分辨率的影响.采用一种基于局部协方差特征的边缘自适应图像插值方法来提高C扫描图像的分辨率,同时将图像局部均方差作为边缘特征判据,使算法得到了简化.该方法根据低分辨率图像的局部协方差估计出高分辨率图像的插值加权系数,能够在放大图像的同时保留图像的边缘特征.试验结果表明,基于局部协方差特征的图像插值方法明显提高了C扫描图像分辨率,并且减小了边缘模糊效应,因此降低了采样间隔对图像分辨率的影响,提高了图像中缺陷分布评价结果的准确性.     

脊柱肿瘤的图象分析、模式识别和专家系统的实现

本文将数字图象处理技术、模式识别与人工智能的理论和方法用于脊柱疾病的图象分析与识别.由此构成的计算机诊断系统提高了对脊柱肿瘤诊断的可信度,经临床试验,取得满意效果.     

利用井壁超声图象判别岩性的数学模型研究

本文从数字超声电视测井的成象原理出发,研究了根据井壁超声图象的灰度和回波时间数据计算井壁反射系数的方法.实测图象表明,在比较规整的井段可用该方法求得的反射系数判别井壁岩性;在不规整的井段或在由于仪器偏心而造成数据畸变时,筛选、除去失真数据后进行判别,因此该判别原理可适应于一般井段.文中的分析结果为研制从井壁超声图象中进行计算机岩性判别提供了基本的数学模型.     

融合多特征和谱聚类集成的图像分割方法

针对图像单一特征分割结果的适应局限性,提出融合多特征和谱聚类集成的图像分割方法(MFSC-IS).首先对图像进行基于粒计算的多特征子分割;然后将分割结果映射到超图,利用谱聚类集成算法得到最终分割结果.实验结果表明,与Gpb(Globalized probability of boundary)算法相比,融合多特征和谱聚类集成方法可以得到一个相对较好的分割结果.     

图像数据压缩中的小波选择方法

在图像信号的传输过程中，为了降低比特率，必须进行图像数据压缩．数字图像中的一种重要技术是子带编码，在子带编码中最重要的是正交镜象滤波器组的选择，而紧支的正交规范小波与完全重建的正交镜象滤波器组相对应．笔者提出一种用于信号最佳逼近正交小波的选择方法，即选择满足一定条件的滤波器的方法，采用小波压缩编码方法，实现高效的图像数据压缩方法．     

自动阈值法在生长环境茄子图像分割中的应用

在果蔬采摘机器人系统中,果实目标的智能化识别和定位问题一直是没有解决的问题。为此,研究生长环境中茄子图像的分割算法问题。通过对生长环境中茄子果实与周围环境颜色特征的试验与统计,得出了EXG颜色因子对于茄子果实分割最为有利的结论。采用自动阈值法对EXG灰度图像进行了分割。选择图像灰度的均值作为初始阈值的估算值,然后连续不断的进行迭代,直到取得满意的结果。试验表明,分割效率分别大于81%,平均用时为0.116s,能够满足果蔬采摘机器人对视觉系统的要求。     

高频彩色超声和红外光乳腺扫描联合应用检测乳腺良恶性肿瘤的价值分析

目的 探讨高频彩色多普勒显像(CDFI)超声和红外光乳腺扫描联合应用检测乳腺良恶性肿瘤的价值.方法 从来院就诊的乳腺病患者中筛选出460例患者,将其随机分为两组检查,高频超声组(Ⅰ组)230例,高频彩超 红外光扫描组(Ⅱ组)230例.并经手术后病理证实,进行回顾分析.结果 Ⅰ组乳腺癌88例,其中浸润性导管癌42例,腺癌40例,髓样癌6例,其他良性乳腺疾病142例(其中纤维瘤86例,腺病结节46例,脂肪变性2例,慢性炎症8例).除其中2例与病理诊断不苻外,总符合率为99%(228/230).Ⅱ组乳腺癌92例,其中浸润性导管癌42例,腺癌42例,髓样癌6例,其他乳腺疾病140例(其中纤维腺瘤38例,脂肪变性2例,腺病结节44例,慢性炎症8例).与病理对照检出率100%(230/230).结论 高频彩色多普勒显像(CDFI)超声和红外光乳腺扫描联合应用检测孔腺良恶性肿瘤,提高了诊断的符合率,对临床手术有一定的指导意义.     

指纹特征提取的算法研究

自动指纹识别系统（AFIS）已经成为很多安全和执法应用中一种流行的工具。许多安全和执法系统都依靠指纹图像中脊线结点和分叉点来进行指纹匹配。尽管结点和分叉点信息对于小的数据库系统来说是足够的,但它在大量的指纹图像分析中却不能提供足够的分辨信息。通过示范一种新的提取指纹灰度图像中汗孔位置的方法,介绍一种从指纹图像中获取额外的分辨信息的方法。这种信息的提取是通过实行改进的最小平方误差方法。这种算法即使应用于500点每英寸的图像上,也可以取得很好的效果。     

标准正面人脸图象的特征提取

人脸的识别技术（ＦＲＴ）是当前模式识别领域的一个热点课题,人脸特征的自动提取是人脸自动识别过程中至关重要的一步,文中采用基于人脸几何特征的方法,设计一个初步的自动人脸特征提取系统,首先通过改进后的边缘检测和阈值技术在头肩型图象中找到头部轮廓,再利用“三停五眼”的标准进一步确定五官大概的位置,最后提取出７个有效的特征点,本系统建了一个包含５０个人脸图象的数据库,实验结果表明这种方法可以有效地获取头部轮廓一人脸特征点。