细胞内磁热疗研究概述

热疗即加热疗法,是指通过升高肿瘤温度,利用热能杀灭癌细胞和肿瘤组织的一种物理疗法．通过在磁性纳米粒子表面进行各种修饰,提高磁性纳米粒子进入肿瘤细胞的效率及选择性,在体外交变磁场的作用下促使进入细胞内的纳米磁性粒子产热而杀伤肿瘤细胞,这种方法称为细胞内磁热疗．作者就肿瘤细胞内磁热疗的研究进展作一综述．     

基于曲率和活动轮廓模型的重叠细胞分割算法

提出了一种基于曲率和活动轮廓模型的重叠细胞分割算法,用于解决重叠细胞显微图像边界难以自动分离的问题.该算法使用Otsu算法和形态学滤波得到重叠细胞整体轮廓,并根据其曲率信息来定位细胞边界接触点,再采用活动轮廓模型分割得到重叠区域轮廓,最后结合边界接触点信息将其与整体轮廓拼接得到单个细胞轮廓.实验结果表明,算法实现了重叠细胞的分割,分割得到的细胞完整度高,且算法具有一定的鲁棒性,表明该算法用于重叠细胞的分割是可行、有效的.     

光阱中多个金纳米棒的双光子荧光效应及热熔合过程

本文利用单束、波长对应金纳米棒长轴表面等离子共振的飞秒脉冲激光对多个长度为40 nm,直径为10 nm的金纳米棒颗粒进行了光捕获,系统研究了金纳米棒颗粒在共振激光作用下的双光子荧光及光致热熔合效应.实验结果表明,在光阱捕获过程中金纳米棒颗粒会激发出明显的双光子荧光.当多个金纳米棒被光力捕获在光斑中心时,金纳米棒发生热熔化并熔合成大尺寸的金纳米团簇.利用这种单光束光镊熔合技术,我们在玻璃衬底上制备了二维有序的金纳米团簇阵列.这一研究对利用金纳米棒颗粒来制备微纳光子结构及多功能光子器件等具有重要的指导意义.     

聚类分析和活动轮廓模型相融合的图像分割算法

针对当前图像分割算法存在的分割误差大、 分割时间长及无法进行在线图像分割的不足, 提出一种基于聚类分析和活动轮廓模型相融合的图像分割算法. 首先, 对原始图像进行去噪处理, 采用聚类分析算法对原始图像进行粗分割, 将粗分割结果作为活动轮廓模型的初始轮廓线; 其次, 将活动轮廓模型根据初始轮廓线对图像不同区域轮廓进行拟合, 实现图像的精细分割； 最后与聚类分析算法、 活动轮廓模型以及当前经典图像分割算法进行对比测试实验. 实验结果表明, 本文算法克服了当前图像分割算法存在的缺陷, 提高了图像分割效率和精度, 对噪声不敏感, 并具有较强的鲁棒性, 图像整体分割效果显著优于对比算法.     

聚类分析和活动轮廓模型相融合的图像分割算法

针对当前图像分割算法存在的分割误差大、 分割时间长及无法进行在线图像分割的不足, 提出一种基于聚类分析和活动轮廓模型相融合的图像分割算法. 首先, 对原始图像进行去噪处理, 采用聚类分析算法对原始图像进行粗分割, 将粗分割结果作为活动轮廓模型的初始轮廓线; 其次, 将活动轮廓模型根据初始轮廓线对图像不同区域轮廓进行拟合, 实现图像的精细分割; 最后与聚类分析算法、 活动轮廓模型以及当前经典图像分割算法进行对比测试实验. 实验结果表明, 本文算法克服了当前图像分割算法存在的缺陷, 提高了图像分割效率和精度, 对噪声不敏感, 并具有较强的鲁棒性, 图像整体分割效果显著优于对比算法.     

基于帧间相关性的乳腺MRI三维分割

针对乳腺磁共振图像序列的肿瘤分割问题,提出一种基于超像素和改进C-V模型的三维全自动分割方法.该方法利用磁共振图像序列的帧间相关性,约束相邻帧图像的分割轮廓.采用超像素算法提取肿瘤的大致轮廓,再用改进的C-V水平集算法对可疑区域边缘进行优化,使其更接近肿瘤的实际边缘.将该方法及3种对比方法应用于89例乳腺MRI序列图像.以手动分割的轮廓为基准,该方法得到的平均重叠率为87.84%,,相比于C-V模型的58.90%,、超像素和水平集结合的76.36%,、K均值+C-V的83.62%,,有明显提升.实验结果表明,该方法的全自动分割结果对于肿瘤起始和终止帧图像具有较高的分割精度.     

基于区域生长和水平集的肝脏提取分割算法

为了克服传统的以单幅图像作为信息来源的水平集模型分割复杂背景图像的局限性,结合区域生长法和水平集方法各自的特点,提出了一种新的由多幅图像信息构建的水平集分割算法模型。在运用水平集方法分割人体腹腔图像前,首先运用本文提出的一种有效的区域生长法在腹腔图像中得到肝脏的粗略分割结果作为先验形状图像。通过先验形状图像在Chan-Vese模型下控制水平集的演化,使活动轮廓的先验形状信息融合到水平集分割算法模型中,同时,利用Li模型在人体腹腔图像中进一步获取肝脏的边缘信息。这种融合多幅图像信息的复合水平集分割算法模型能够充分利用图像信息,有效地描述水平集方法中活动轮廓与目标区域肝脏的关系。通过实验验证,提出的算法模型能够很好地从人体腹腔图像中提取出肝脏区域。     

基于细胞自动机的MRI脑肿瘤分割方法

提出一种基于细胞自动机的脑肿瘤分割方法.首先通过人工交互输入一条线,使用细胞自动机模型对脑肿瘤图像进行分割,得到肿瘤图像的标号图,然后使用活动轮廓模型对标号图进行优化处理,除去非肿瘤像素点的干扰,得到更平滑的脑肿瘤轮廓.使用该方法在对比增强T1加权MRI脑肿瘤图像进行分割实验.实验结果表明,此方法能够很好地解决脑肿瘤分割过程中容易出现的不完全分割问题,分割准确率(Dice相似系数)可达到(94.07±1.58)％.     

基于细胞自动机的脑部磁共振成像脑肿瘤分割方法

提出一种基于细胞自动机的脑肿瘤分割方法。首先通过人工交互输入一条线,使用细胞自动机模型对脑肿瘤图像进行分割,得到肿瘤图像的标号图,然后使用活动轮廓模型对标号图进行优化处理,除去非肿瘤像素点的干扰,得到更平滑的脑肿瘤轮廓。使用该方法在对比增强T1加权MRI脑肿瘤图像进行分割实验。实验结果表明,此方法能够很好地解决脑肿瘤分割过程中容易出现的不完全分割问题,分割准确率(Dice相似系数)可达到(94.07±1.58)%。     

微流控芯片下的单细胞轮廓定位与提取

微流控芯片可实现单细胞分析,而对单个细胞分析,能够掌握更准确更全面的细胞信息,可以克服以往群体分析中平均结果对个别信息掩盖的局限性,对疾病的早期预防和诊断具有重要的科学意义。本文根据早期癌症细胞通过微流控芯片中的弯道时变形与正常细胞不同的理论,采用Grabcut和Snake相融合的单细胞图像分割算法来精确定位和提取单细胞轮廓,实现单细胞的形变分析。首先,本文在图像分割之前引入Perona-Malik模型,增强图像边缘的同时减弱噪声,使定位更加准确。其次,利用Canny和Snake模型获得Grabcut初始化矩形框。最后,通过Grabcut算法实时精确地提取单细胞轮廓。实验结果表明:本文算法结合了Snake算法和Grabcut算法的优点,在无人工交互的条件下,细胞轮廓平均正确分割率达到93.7%,能够满足医学单细胞分析的要求。