基于LOG算子边缘检测算法的冠状动脉CT血管造影图像质量优化研究

目的:探讨拉普拉斯-高斯(LOG)边缘检测算法在优化冠状动脉CT血管造影(CCTA)图像质量中的应用价值。方法:选取在医院放射科行CCTA检查的100例患者,将CCTA检查的曲面重建(CPR)图像主观检测数据纳入对照组,LOG算子边缘检测数据纳入观察组。以容积再现(VR)图像为参照标准,对比两组冠状动脉狭窄程度的诊断准确性和分段的质量评分。结果:对100例患者经VR影像诊断,确诊为轻度狭窄67例(占67%),中度狭窄24例(占24%),重度狭窄9例(9%)。对照组诊断的真阳性率低于观察组,组间轻度、中度和重度狭窄真阳性率比较,差异均有统计学意义(x2=4.107,x2=5.400,x2=5.143;P<0.05);对照组右冠状动脉、左回旋支动脉、左前降支和冠状动脉的质量评分低于观察组,组间差异均有统计学意义(t=2.126,t=2.333,t=2.183,t=2.762;P<0.05)。结论:LOG边缘检测算法可提高冠状动脉CCTA图像的清晰度和血管边缘锐利度,血管边缘信息连贯且对比度高,其在优化CCTA图像质量中具有较高的临床应用价值。

基于CNN双路特征融合模型的秀丽隐杆线虫寿命阶段分类研究

秀丽隐杆线虫(C.elegans)由于其有着寿命较短和人类基因高度同源的特点,作为一种被优秀的模式生物,被广泛应用于多种人类健康和疾病模型的研究中。为了准确测定当前线虫所处于的寿命阶段,论文提出了一种基于CNN双路特征融合模型的的秀丽隐杆线虫寿命阶段分类方法。首先,利用卷积神经网络分类模型对线虫图像进行特征提取;同时使用快速傅里叶变换、LoG算子等图像处理算法得到荧光蛋白亮斑坐标,然后根据坐标信息计算得到荧光蛋白亮斑聚集度信息;最后,将前两步得到的特征拼接通过分类器得到分类结果。实验结果表明,论文方法能够准确、有效地对线虫寿命阶段进行分类。