基于有序体数据的最大密度投影算法

研究快速获取血管造影的方法，提出了一种基于有序体数据的新的最大密度投影算法．该算法采用Shear—warp投影思想，通过调整对有序体数据遍历的阈值实现快速绘制，在不影响显示有效信息的情况下，对中等规模的体数据能达到每秒10帧以上的绘制速度，并在微机上实现了血管造影图像的实时绘制．     

基于实测数据的空间堆叠法心室实体造型

根据实测数据建立具有个体差异的心脏模型 ,是精确求解心电正问题的关键之一 .本文首先在三维直角坐标系下 ,根据人体心室的实测几何数据 ,通过三次B样条插值获得心脏垂直于其长轴方向的层片边界 ,按照广义圆柱方法组织各个层片 ,建立符合个体差异的真实心脏心室参数边界模型 .然后对该边界模型进行离散 ,实现心室的空间堆叠法实体造型 .模型中每个元素具有规则性、无二义性和唯一性 .该建模方法具有输入参数少、离散单元大小调整方便的优点     

吸收媒质中非线性Gauss聚焦超声场的仿真研究

通过频域有限差分法求解KZK方程,对吸收媒质中Gauss聚焦超声换能器的基波和高次谐波声场进行计算和仿真,研究了各次谐波沿传播方向的分布规律,发现高次谐波声场同样具有Gauss聚焦特性,并且谐波阶次越高,聚焦特性越好.此后讨论了不同的吸收系数对Gauss声场聚焦特性的影响,结果显示吸收系数的改变不会影响Gauss声场的径向分布形状,但吸收系数的增加导致聚焦区域声场强度的减弱,甚至聚焦无法实现.     

基于亮度信息的人体解剖照片集直接成像方法

研究和讨论了可视人体解剖照片集的直接成像方法．由于解剖照片中的每个体素颜色值已经确定，因而主要研究如何从每个体素的R、G、B三原色组映射成特定阻光度值，即阻光度转换函数．首先计算YIQ空间中的亮度分量Y，然后基于Y分量，在RGB空间中利用矢量角与欧氏距离的联合来计算彩色体素的梯度幅值!从而得到阻光度值，最后合成、累积颜色．实验结果表明：此算法不需复杂的色彩空间变换．成像质量高，可以表现人体毛细血管、纹理信息以及体内的细微结构．     

基于改进GAC模型的二值水平集前列腺超声图像自动分割算法

提出了一种基于改进测地线主动轮廓(geodesic active contour,GAC)的自动分割算法.首先通过结合径向浅浮槽和区域填充算法得到滤波后图像的大致轮廓,然后通过构造基于区域信息的符号压力函数代替边界停止函数,并且加入了基于边界梯度信息的能量项,有效地克服了弱边界的问题.该模型用二值水平集方法实现,使算法的稳定性更高,计算量大大降低.对前列腺直肠超声图像的实验结果表明:本算法迭代收敛速度快,有效避免了边界泄露问题.     

基于改进多尺度ASM和非刚性配准的4D-CT左心室分割

64排及以上多层螺旋CT(MSCT)能提供含有时间信息的四维CT成像数据,可用于动态心、肺等功能的分析.为此提出了基于改进的多尺度ASM和非刚性配准的分割方法,从心脏MSCT四维数据集中提取左心室腔和心肌.该方法根据MSCT层片间的特点,采用改进的特征点标记方法对收缩末期的左心室进行形状建模,在基于改进的模型定位和搜索算法基础上,运用多尺度ASM算法实现三维数据集上的分割.通过互信息量的Demons非刚性配准方法,利用膨胀末期的分割结果实现对其余心相上的左心室配准分割.在256排MSCT四维心脏数据集上的实验表明,该方法对血腔的分割结果和手工分割结果的平均相似度在95%以上,心肌的平均相似度在88%以上.     

基于全拼图的体育视频结构的无监督挖掘

为实现对视频更为有效的浏览和摘要，提出了一个通用的体育视频结构的无监督挖掘的方法．对每一个镜头生成一个全拼图作为表征该镜头内容的图像．通过对全拼图的聚类和投票过程，该方法能挖掘出体育视频中的两个基本结构单元，即含有重要内容的play和不含重要内容的break.此方法主要解决了以下问题：利用全拼图提取鲁棒的视觉特征；同现有的有监督的体育视频结构分析方法相比，该方法能在无先验知识的情况下实现对play／break的挖掘．对几种不同体育视频进行的试验表明了该方法的有效性和鲁棒性．另外，同基于关键帧提取特征进行对比的试验结果也表明，此方法具有更好的准确性．     

基于Fourier-Bessel分解的环型超声换能器设计

针对时空快照数据库提出一种从时空变化模式的方法．该方法采用基于密度和基于网格的方法，将高维密集单元的搜索限制在子空间密集单元的交集中，缩小了搜索空间．通过引入子约束和模式区间等概念，使算法能发现不同概念层上的变化模式．结果中的模式质量取决于离散过程中的最小粒度．实验证明这种方法能够有效地从时空快照数据中有效提取时空变化模式．     

NEMG信g运动单位动作电位的分类研究

提出了一种对于构成针电极肌电信号(NEMG)的不同形状的运动单位动作电位(MUAP)进行分类的新方法．该方法采用小波变换(WT)的多尺度分析提取表征MUAP特性的时-频特征，再用无导师-有导师混合模式识别网络完成对输入样本的学习和分类．实验结果表明，这种方法对不同波形的MUAP具有较强大的分类能力，整个分类过程完全人工干预，且所需的时间不多，可以应用于临床实际，为神经肌肉疾病的诊断提供实时、有效的信息。     

基于复杂性测度的心率状态对比

本文介绍了近似熵（ApEn)和谱熵（SE）两种复杂性测度，研究了在两组静默（采用中国气功和Kundalini瑜珈练习方法）和正常状态下的心率复杂性。观察到两种状态下复杂度有明显差异，但两种状态下复杂性数值的大小关系对取决于不同的个体。研究结果进一步在心率变化的复杂性方面支持了关于在人体心率和自主调节间存在某种关联的看法，并提供了新的定量描述心率不同状态的方式和途径。