基于分段常数强度Markov模型的阿尔茨海默病进程研究

目的将分段常数强度Markov模型应用于轻度认知损害(mild cognitive impairment,MCI)向阿尔茨海默病(Alzheimer's disease,AD)转归过程中,深入研究影响转归过程的因素,为制定不同发展阶段的预防措施提供理论依据,为其他多状态慢性病不同发展阶段影响因素的探讨提供方法学借鉴。方法应用太原市600名社区老年人的4次随访资料,以MCI为状态1,中重度认知损害为状态2,AD为状态3,拟合分段常数强度Markov模型,分析MCI向AD转归不同发展阶段的影响因素,并根据模型计算3年转移概率矩阵。结果经假设检验,数据满足Markov性(P=0.89),不满足时齐性(P<0.001),应用分段常数强度Markov模型拟合,经多因素筛选,女性、年龄、吸烟、高血压和糖尿病是MCI向AD转归的危险因素,高文化程度和从事脑力劳动是MCI向AD转归的保护因素。由中重度认知损害向AD的转移概率随着随访时间的增加而增加。结论在数据满足Markov性,不满足时齐性时,分段常数强度Markov模型是对疾病转归过程的相关影响因素及其变化规律的有效分析方法。

周期系数分段常数变量Logistic模型的全局吸引性

研究了具周期系数的分段常数变量Logistic模型正平衡点的全局吸引性,利用Lyapunov函数方法得到了该模型当系数为2周期函数时,正平衡点全局吸引性的充分必要条件.

基于分段常数直方图模型的亮度保持图像增强

提出了一种新的精确亮度保持对比度增强算法。将目标直方图显式描述为分段常数模型,然后通过亮度保持约束和其他准则确定模型参数,最后应用直方图规定化完成图像增强。实验结果表明,算法在亮度精确保持的同时能够达到较好的图像增强效果。

多星凸约束下的图像自动分割算法

为了有效地自动分割图像,提出了基于多星凸约束的图像自动分割算法.该算法将星凸约束信息融入多分段常数变分模型中,利用显著性检测方法自动获得星凸中心,实现了图像自动的有效分割.实验结果表明:所提出的方法不仅能准确地自动分割图像,而且对处理复杂边缘和抑制噪声有较好的效果.

基于Split-Bregman方法的CT内重建算法研究

基于压缩感知(CS)理论,可证明只要感兴趣区域(ROI)可以表示为分段常数或多项式,CT内重建问题就可得到精确稳定的解.问题的关键是如何在截断投影数据的约束下最小化感兴趣区域的全变差(TV).与此同时,Split-Bregman方法在求解CT图像重建TV最小化方面引起了很大关注.本文基于CS理论将Split-Bregman方法用于一个分段常数成像模型的ROI重建,并与传统的SART和基于SART的软阈值算法(STF-SART)进行比较.最后经Shepp-Logan模型数值模拟表明:该方法适用、有效.