功能图像与解剖图像融合方法的研究

为了更好地同时显示功能图像及其对应解剖图像,要选择一种更有效的显示方法。我们把图像融合的理念引入到功能图像的显示过程中,通过比较几种现有的图像融合方法在功能磁共振成像(fMRI)显示方面的效果,提出了一种改进的基于小波分析的图像融合方法。实验结果表明,这种改进的图像融合方法弥补了传统功能磁共振成像显示方面的不足,在无需阈值化的条件下,不仅可以有效地显示出功能激活区域,同时也能显示激活区域对应的解剖信息,具有一定的临床应用价值。

fMRI脑图的感知状态分析——回归模型及其寻优的非同质检验

脑功能核磁共振图像fMRI的特点是定位准确,但信噪比低、数据量大。对fMRI数据的泛回归模型的超参数寻优问题作了分析,提出基于非同质检验的超参数确认方法,重点比较了它在线性和非线性的回归方式(包括岭回归,支持向量回归,Elman递归神经网络)下针对不同外界环境特征的回归能力差异,实验所采用原始数据均来自PBAIC2006,结果表明,该方法在对相关领域知识较少依赖的前提下,具有较好的稳定性和泛化能力;同时在所涉及到的回归方法当中,线性方法的实现简单、有效,在计算代价上低于其他方法,对多种外界特征具有较高的预测能力。

Mean-shift滤波和直方图增强的图像弱边缘提取

准确定位大脑中的功能区域需要我们对fMRI图像中头骨等生物组织精确提取,但由于核磁共振仪等现有条件的限制,头骨等弱边缘信息难于提取。针对这一问题,提出一种弱边缘提取的有效方法。首先利用Mean-shift聚类特性,在不损失目标信息的情况下,削弱图像中的噪声干扰;根据滤波后像素灰度的区域分布特性,对头骨区域进行直方图增强,最后应用边缘检测算法将头骨边缘提取出来。实验的结果表明,该方法可以有效地将fMRI图像中的头骨弱边缘信息提取出来。