香雪兰染色体的Giemsa C显带研究

利用醋酸洋红 Giemsa—C 显带技术对香雪兰根尖细胞的染色体进行了显带研究。经过处理的染色体在前期和中期呈现各种较典型的 C 带带型,如端带、着丝点带和中间带,而且非同源染色体之间的带型差异较大。第五对同源染色体具有一对特大的端带,这对端带在间期呈现大型的染色中心。在同源染色体之间未发现带型的多态性现象,所以,利用香雪兰的 C 带带型特征,完全可以鉴定该基卧组中的同源染色体对。文章还讨论了有关间期核的染色中心数与分裂期染色体带的数目之间的关系等问题。     

人类染色体R显带法改良初探

应用改良的Ｒ显带方法进行染色体显带,结果表明：染色体能及时显带,带纹清晰、丰富,其方法稳定、简便、易于识别、重复性佳．     

人类染色体G显带核型技术研究进展

染色体G显带是染色体遗传病检查的重要手段,这种技术对染色体核型的分析是其它方法（Rx-FISH、M-FISH）不可替代的。G显带操作过程中很多因素都会影响标本的质量,如烤片温度、时间和胰酶浓度、处理时间等。因此,本文对国内报道的染色体G显带的改良技术作一综述,以利于制备高质量显带标本。     

藏系绵羊染色体的显带研究

采用外周血淋巴细胞培养制备染色体及染色体显带技术,对藏系绵羊(山谷型)的显带核型进行了较全面的研究。对该品种的染色体核型、G带、C带、R带和Ag—NORs进行了观察和分析,并根据实验结果绘制了该品种的G带核型模式图。在此基础上,对各种显带核型进行了初步的讨论。为藏系绵羊的研究提供了细胞遗传学方面的资料。     

染色体高分辨显带技术的回顾与展望

本文概括地分析讨论了高分辨染色体的制备方法)识别和命名以及应用等方面的发展现状。并指出了目前存在的问题和今后的努力方向。     

家猪精子单倍染色体及其G—显带的研究

用体外获能的家猪精子穿透去透明带金黄地鼠卵试验（ＳＰＡ），制备出了长白猪和成华猪的精子单倍染色体，出现精子单倍染色体的百分率为２５．１％。对家猪精子单倍染色体自然畸变率进行了分析，畸变率为６．４％，其中亚单倍体率为４．１％，超单倍体率为２．３％，并对家猪精子单倍染色体进行了Ｇ－显带的探索，取得了初步结果。     

黄果西番莲染色体G—显带和G—带带型

用正红花油（ＲＦＯ）去壁，Ｇｉｅｍｓａ染色法对黄果西番莲的染色体进行了Ｇ－显带研究和Ｇ－带带型分析。结果表明，全部９对染色体（２ｎ＝１８）均显示出清晰的丰富的Ｇ－带带纹，但各条染色体的带纹数目随着有丝分裂时期的推进而逐渐减少，前期带纹数量多，早中期次之，中期最少或无带；各对同源染色体的两个成员之间带纹的位置、数目、大小、着色深浅和带间宽窄，彼此基本相似，可较准确配对，而非同源染色体之间的带型特征则     

广东梅花猪和云南小耳猪显带染色体比较研究

利用染色体显带技术对广东梅花猪、云南小耳猪的染色体G带、R带、Q带、C带进行了比较研究,结果表明:G带、R带在品种间基本无差异,由此绘制了G带模式图;C带在品种内和品种间均具多态性,尤其端着丝粒染色体的C带结构异染色质多态性更为明显.     

广东梅花猪和云南小耳猪显带染色体比较研究

赵亚力,等.生物系四川大学学报(自然科学版)1992,29(1):144～148利用染色体显带技术对广东梅花猪、云南小耳猪的染色体 G 带、R 带、Q 带、C 带进行了比较研究,结果表明:G 带、R 带在品种间基本无差异,由此绘制了 G 带模式图;C 带在品种内和品种间均具多态性,尤其端着丝粒染色体的 C 带结构异染色质多态性更为明显.     

灰度不均匀图像分割

采用虚拟的符号距离函数代替真实的符号距离函数,依靠待检测目标局部灰度高斯加权均值来驱动活动轮廓的演化,提出了一种能够分割灰度不均匀图像的新颖活动轮廓模型.利用虚拟符号距离函数的梯度形成一个窄带,活动轮廓在窄带内做演化运算,其演化具有计算简单、分割效率高、抗噪性强等优点.符号距离函数重新初始化也只需要在窄带内使用高斯函数规则化后,对其取符号运算即可.符号距离函数重新初始化具有计算简单、效率高的特点.最后给出了活动轮廓在窄带内收敛的一个简单条件,能方便地判断待检测目标是否被检测出来.     

基于彩色图像区域生长法的变电站红外图像分割

变电站红外图像的分割是对其进行进一步分析处理的基础。本文介绍了变电站红外图像的特点,并通过对现有分割方法的分析,提出了适合实际图像特点的彩色图像区域生长法。实验结果表明,该方法能较好的实现红外图像的分割,有利于后期的图像识别和特征数据的提取,适合于在变电站自动监控系统中应用。     

基于形态重构的分水岭岩石图像分割方法

阐述了灰度数学形态学进行图像处理的基本原理,针对岩石图像的复杂结构,提出了数学形态学滤波去噪方法。实验结果表明,该方法能够获得清晰的岩石图像特征,便于提取边界,是一种有效的图像分割方法。     

基于形态重构的分水岭岩石图像分割方法

阐述了灰度数学形态学进行图像处理的基本原理,针对岩石图像的复杂结构,提出了数学形态学滤波去噪方法.实验结果表明,该方法能够获得清晰的岩石图像特征,便于提取边界,是一种有效的图像分割方法.     

基于动态规划的IVUS图像序列分割

血管内超声(IVUS)诊断是临床上对冠状动脉粥样硬化的重要检测手段之一.由于超声图像感兴趣区域受斑点噪声影响较大,传统的分割方法很难得到令人满意的内外膜分割效果.首先对IVUS帧序列图像进行了时域降噪和空间滤波等预处理,然后基于优化的活动轮廓模型将图像的分割转化为目标函数的最优化求解问题,利用动态规划算法求得全局最优值.实验结果表明,该算法不仅准确性和可靠性较高,而且是一种全局收敛的最优算法,对IVUS序列图像处理的可重复性和鲁棒性较好.     

基于多随机场遥感图像分割

结合二维Wold分解技术来对遥感图像进行分割，将图像分解为确定性随机场和纯不确定性随机场，通过调整它们之间的比例关系，来加强纹理边缘，从而改善马尔可夫标记场模型对纹理边缘过平滑的现象．实验对城区目标进行提取，结果表明本方法的有效性优于纯马尔可夫随机场所采取的分割方法．     

Segmentation of tumor ultrasound image via region-based Ncut method

To segment the tumor region precisely is a prerequisite for ultrasound navigation and treatment. In this paper, a normalized cut method to segment tumor ultrasound image is proposed by means of simple linear iterative clustering for presegmentation procedure. The first step, we use simple linear iterative clustering algorithm to divide the image into a number of homogeneous over-segmented regions. Then, these regions are regarded as nodes, and a similarity matrix is constructed by comparing the histograms of each two regions. Finally, we apply the Ncut method to merging the over-segmented regions, then the image segmentation process is completed. The results show that the proposed segmentation scheme handles the strong speckle noise, low contrast, and weak edges well in ultrasound image. Our method has high segmentation precision and computation efficiency than the pixel-based Ncut method.     

一种基于高斯算子的指纹图像分割方法

将高斯算子进行了改进,构造的模板作用于指纹灰度图像,结合形态学方法进行图像分割,实现对指纹前景摸板的提取,阈值选取的要求很低,并可有效防止背景区域中的斑点干扰,对质量较差的指纹图像也具有很好的分割效果.实验结果表明,该算法不仅表现出良好的适应能力和抗噪声干扰,还具有该算法简单、鲁棒性强等优点,其性能优于传统的方差方法.     

模糊聚类的侧扫声纳图像分割算法

针对侧扫声纳图像的特点,利用二维经验模态分解（BEMD）将图像分解成若干固有模态函数（IMF）和1个余量.分析了侧扫声纳图像背景区的图像频率特征,通过增强目标和阴影的特征信息降低噪声的影响.提取图像的高斯马尔可夫纹理（GMRF）,用来表达图像像素点间的空间关系,以减少图像的误分割.利用BEMD和GMRF改进模糊C均值聚类算法,提出了新的聚类准则和距离函数,形成一种新的模糊聚类算法.利用该算法对不同的侧扫声纳图像进行分割,并将分割结果与其他典型的聚类算法的分割结果进行比较,验证了该算法的抗噪性和准确性.     

基于改进的区域生长鼻咽癌MR医学图像分割

在综述医学图像分割技术的基础上,针对临床鼻咽癌MR医学图像的特点,提出一种基于区域生长的改进分割方法.该方法从基于区域生长的自动分割入手,克服以往交互式地定义初始种子的不足,利用概率矩阵完成初始种子的自动生成,再运用SUSAN算子作为区域生长的终止准则,从而实现对鼻咽癌MR医学图像的有效分割.以福建肿瘤医院临床医学图像数据进行分析实验,结果表明,该方法分割效果显著提高.