视网膜血管图像分割研究现状分析

视网膜血管图像分割是医疗图像研究中的一个重要课题,能够有效地辅助医生进行快速的心血管疾病、糖尿病等疾病的临床诊断和治疗。近年来,许多学者都在研究视网膜血管图像分割方面的研究内容并已经取得一定的成果。但是,由于视网膜图像的复杂性和图像采集过程中噪声和光照因素的影响,进行精确的视网膜血管图像分割仍然是一项具有挑战性的任务。介绍近几年若干种较为典型的视网膜血管图像分割技术,根据分割技术的特征学习方式不同,分为基于有监督和基于无监督的两类方法。对于每类分割方法,对其所涉及的关键技术进行阐释。基于两个公开数据集(DRIVE和STARE)的测试数据对若干典型视网膜血管图像分割方法的优缺点进行详细的分析。对将来工作进行简要的展望。

基于Matlab平台有限元方法的GPU加速

基于Matlab平台,采用有限元方法实现了对二维拉普拉斯(Laplace)方程在GPU平台上的加速.通过对物理问题的分析与物理模型的构建,完成总体CSR格式存储的刚度矩阵的生成;使用Matlab和CUDA混合编程,在Matlab平台上实现该有限元问题的并行加速;并结合Cu Blas数值计算库采用PCG算法求解装配后的大型线性稀疏方程组,从而高效地迭代出各格点的速度势.该算法既充分发挥了Matlab在数值计算方面的高效性,又充分发挥了GPU在细粒度并行加速方面的优势.