增强的基于灰度共生矩阵的脑肿瘤MRI图像分类

针对T1加权对比度增强MRI(CE-MRI)脑肿瘤图像的自动分类问题,提出了一种增强的基于灰度共生矩阵(GLCM)的特征表达方法。GLCM是一种常用进行纹理分析的方法,但由于脑部肿瘤图像纹理复杂多变,传统的基于GLCM的二阶统计量特征,如对比度、相关性、能量等,不能很好地区分不同类别的肿瘤,例如使用各向同性的GLCM和4个方向的GLCM(0°、45°、90°、135°)得到的分类正确率只有61.26%和75.16%。本文提出了两个改进措施,极大地提高了分类正确率:(1)直接使用GLCM的元素作为特征表达;(2)对肿瘤区域和肿瘤边界区域分别构造GLCM。在包含3064张图像的数据集上验证了方法的有效性:使用措施(1),分类正确率提高到了82.38%;结合措施(1)和(2),分类正确率提高到了90.7%。结果表明使用改进的基于GLCM的特征表达对于脑部肿瘤图像的分类问题是有效的。

磁共振六通道线圈阵列的数字化仿真与设计

近年来,多通道线圈阵列被广泛应用于磁共振成像,以提高图像的质量。针对局部感兴趣区域内的射频场优化,提出一种由不同尺寸单元构成的六通道线圈阵列,可优化盆腔组织中局部感兴趣区域内的射频场。使用宽度为10和20 cm的两种不同尺寸的线圈单元来构建六通道线圈阵列模型,并对其采用几何重叠法和电容网络法进行去耦,以及运用时域有限差分(FDTD)方法进行仿真和计算,分析和评估其在感兴趣区域内产生的射频场。仿真结果表明,在加载盆腔组织椭圆柱电磁模型情况下,提出的线圈阵列的去耦效果S12和S13分别为-27.19和-33.46 d B,在感兴趣区域内产生的射频场B+1强度平均值,比由宽度为15 cm的相同单元构成的常规线圈阵列高出约5.21%。由不同尺寸单元构成的六通道线圈阵列能够优化感兴趣区域内的射频场,为磁共振线圈设计提供新的思路和方法。

基于动力学聚类与α散度测度的动态心肌PET图像因子分析

目的建立一种基于动力学聚类与α散度测度的因子分析方法,分析从动态心肌PET图像中无创地提取血输入函数及局部组织的时间活度曲线。方法通过最小化动态图像与因子模型间的α散度将动态PET图像做初步的分解,得到初始因子与因子图像,然后联合PET像素动力学聚类的先验信息解决因子分析模型中解的非唯一性问题,将初始因子与因子图像通过空间变换生成具有生理意义的组织活度曲线及组织空间分布。结果与传统的最小二乘法测度和最小化因子图像间重叠程度约束模型相比,本模型对噪声的敏感性较低,提取出的结果的精确性较高。结论通过选取最优的α值作为因子分析模型的测度,并引入PET图像像素的动力学聚类信息,能精确地获得血输入函数及局部组织的时间活度曲线,在视觉评价及量化评价均具有优质表现。