基于数据脑的神经图像元数据立方体构建技术

元数据是神经图像数据库研究的一个关键问题。然而现有神经图像元数据的信息组织形式过于单一,难以支持面向系统化脑信息学研究的分析型数据信息查询。元数据立方体的构建能很好地解决这一问题。本文提出一种基于数据脑的神经图像元数据立方体构建技术。参考现有数据立方体构建技术,定义了新型的神经图像元数据立方体,即源立方体,并设计了其基于数据脑的半自动化构建过程。文中所描述的源立方体构建实例表明,通过本文所提出的技术,面向不同主题的神经图像元数据立方体能被快速地构建以支持来自于系统化研究不同侧面的多样化分析型数据信息查询。

正常眼压性青光眼与高眼压性青光眼视神经图像分析的对比研究

目的 探讨正常眼压性青光眼 (normal- tension glaucoma,NTG)与高眼压性青光眼 (high-tension glaucoma,HTG)视盘和视神经纤维层 (retinal nerve fiber layer,RNFL )损害的差异。 方法 选择具有青光眼性视神经损害或 RNFL 缺损、相应的视野缺损的青光眼患者 ,NTG至少 2次 2 4 h眼压曲线和多次眼压测量均≤ 2 1mm Hg(1mm Hg=0 .133k Pa) ,HTG的眼压至少 2次测量≥ 2 5 mm Hg。患者进行详细的眼科检查 ,同时用扫描激光偏振仪 (scanning laser polarimetry,SL P)、光学相干断层扫描 (opticalcoherence tomography,OCT)和海德堡视网膜成像仪 (Heidelberg retinal tomography,HRT)定量测定视盘形态和 RNFL厚度。比较两组视盘总体和相同象限测量参数。 结果 30例 NTG和 19例 HTG (共 4 9只眼 )患者的平均年龄分别为 (5 9.6± 8.6 )岁 (39～ 71岁 )和 (5 9.2± 12 .3)岁 (36～ 75岁 )。两组间视野缺损的平均偏差 (mean deviation,MD)差异不显著 (P>0 .0 5 )。HRT测量的视盘 C/ D面积比 ,除鼻侧象限外 ,NTG者视盘总体和上、下、颞侧 3个象限均显著大于 HTG者 (P<0 .0 5 ) ,而盘缘面积小于 HTG者 (P<0 .0 5 ) ;两组间其他视盘参数差异不显著。 3种激光扫描技术所测定的总体和象限 RNFL厚度 。

神经切片图像中识别定位线断面的研究

识别在神经切片图像中的定位线断面是实现神经切片图像配准的前提。在分析了定位线断面特征的基础上,提取了定位线断面的特征集合并计算了先验概率和类概率密度函数,设计了二值数据的贝叶斯分类器,再用该分类器识别神经切片图像中的定位线断面,得到定位线断面中心像素坐标。实验表明,采用二值数据的贝叶斯分类器识别准确率可以达到90.5%,其识别精度与神经网络识别方法相同,但是识别速度显著快于神经网络识别方法。这为后续进行神经切片图像的配准奠定了基础。

图像信息融合在现代神经外科手术中的应用

图像引导外科系统在现代神经外科手术中起到了重要作用。精确定位功能靶区,保护重要脑功能区是非常必要的。通过在图像引导神经外科系统中融合功能脑图谱、CT-MRI图像融合、功能磁共振图像检测到的重要脑功能区与扩散张量成像追踪到的白质纤维束信息,可以在神经外科手术中帮助医生精确定位、识别或保护重要脑区。

一种脑MRA图像自动分割算法及其在图像导引神经外科中的应用

图像导引神经外科技术是在神经外科手术过程中减小患者创伤的有效方法。在这种方法中,医学图像分割质量的好坏直接影响着手术过程的准确性。本研究提出了一种新的基于MRA图像的自动分割算法,这种算法通过各向异性滤波,统计阈值分割,数学形态学滤波,和基于边界距离场的活动轮廓模型来对MRA图像进行自动分割和分割结果的可视化。数据实验表明用这种算法对MRA图像进行分割的结果可以有效地用于图像导引神经外科,并且算法具有一定的鲁棒性。

基于模式识别与灰度共生矩阵的神经元图像分类

为了实现自动高效且结果准确的生物神经元识别,提出一种基于模式识别与图像灰度共生矩阵特征的神经元自动分类方法。该方法通过对生物神经元图像预处理,计算图像的灰度共生矩阵,统计各图像灰度共生矩阵属性值的平均值和标准差,构建生物神经元类别的特征空间,利用模式识别中的人工神经网络方法建立特征空间与神经元类别之间的映射关系。采用收集的160幅生物神经元图像对该方法进行实验分析,测试集的识别正确率达93.8%。研究结果表明,结合模式识别与图像灰度共生矩阵特征的生物神经元图像自动分类方法具有较高的准确性与可靠性。

图像引导神经外科研究进展

图像引导神经外科在现代神经外科手术治疗中起着越来越重要的作用。当前的研究趋势是构建图像引导神经外科的开放式平台,并在此基础上进行各种新治疗技术的应用研究,最终整合到临床图像引导神经外科系统中。

神经元干细胞序列图像的结合局部灰度阈值的水平集分割算法

在光学显微镜成像的神经元干细胞序列图像中,针对目标与背景的弱对比度及细胞粘连、团簇等问题,提出一种新的分割算法.该算法基于无需初始化的水平集算法,通过引入曲率项来加速收敛;为降低算法的复杂度,提出衡量范数能量作为水平集进化的终止条件;最后结合局部灰度阈值法进一步分割粘连细胞.将该算法应用于2组细胞图像序列共120帧图像的分割中,不但解决了时间序列图像成像时焦距偏移带来的分割难题,而且能够准确地分离粘连、团簇细胞,并保留细胞的形态特征和位置信息.统计结果表明,分割成功帧所占整个序列的百分率较分水岭算法、传统水平集分割算法提高了30%～40%.

面神经序列图像感兴趣区域识别

通过计算机识别面神经序列图像中的感兴趣区域,可以在手术规划过程中辅助医生辨别具体的功能区域,使医生进行手术时更有针对性,避免对面部神经区域的额外伤害。将面神经图像处理并划分成不同的功能区域,利用卷积神经网络对大量病例样本进行学习,得到具有较高准确率的感兴趣区域识别模型。实验结果表明,该卷积神经网络模型可以有效地对面神经序列图像识别出感兴趣区域,具有一定的医疗辅助作用。

神经切片染色图像边缘的二次提取方法研究

针对神经切片染色图像的边缘模糊不连续、色泽不均匀、区域不规则的特点,提出了一种效果良好的神经切片染色图像边缘提取方法。通过改进的均值漂移滤波改善图像质量,获得第一次的连续边缘;考虑到切片图像的复杂性,对提取得到的连续边缘运用区域填充及数学形态学的方法处理后进行第二次边缘提取,从而提取到最终的较为准确、光滑的边缘;最后在人体周围神经组织切片图像上的实验证明,该方法具有提取效果好、抗噪声能力强等特点。

神经切片染色图像边缘的二次提取方法研究

针对神经切片染色图像的边缘模糊不连续、色泽不均匀、区域不规则的特点,提出了一种效果良好的神经切片染色图像边缘提取方法。通过改进的均值漂移滤波改善图像质量,获得第一次的连续边缘;考虑到切片图像的复杂性,对提取得到的连续边缘运用区域填充及数学形态学的方法处理后进行第二次边缘提取,从而提取到最终的较为准确、光滑的边缘;最后在人体周围神经组织切片图像上的实验证明,该方法具有提取效果好,抗噪声能力强等特点。

基于K-均值聚类的神经切片图像功能束类型识别研究

针对周围神经物理切片图像中不同类型的神经功能束染色后显示出的特异性,提出了一种基于K-均值聚类的神经切片染色图像中神经功能束类型识别的方法。首先通过特征分析与提取决定以灰度均值μ和方差σ2作为纹理特征,然后运用本文算法对神经切片染色图像中的不同类型神经功能束进行聚类和识别。通过在人体周围神经组织切片图像上的实验证明,该算法能对神经切片染色图像中的神经功能束类型进行有效分类识别。

角膜神经显微图像的自适应渐晕校正

通过拼接角膜神经图像可以减小显微图像视场小的影响。由于显微图像存在渐晕效果,拼接图像会在拼接处产生伪影,影响医生诊断。为解决拼接图像的渐晕伪影问题,提出了一种通过非线性多项式函数建模进行图像渐晕校正的方法。首先,对单张角膜神经图像建立渐晕模型,设置符合渐晕物理性质的约束条件,利用L-M优化算法对渐晕模型参数进行迭代优化。在每次迭代优化过程中,计算对数信息熵,对当前渐晕模型的校正效果进行判断,防止图像过度校正。迭代优化结束后,将渐晕模型反向补偿原图像,完成渐晕校正处理。通过对比校正前后的拼接图像,校正后图像在拼接处无明显的渐晕伪影。实验测试5组不同患者的图像,校正后图像MSE、PSNR、SSIM评估指标平均值分别达到0.0042、72.2251 dB、0.9600,具有最佳的校正效果。本文算法的校正效果明显优于其他同类算法的校正效果。该方法能够有效地对角膜图像渐晕效果进行校正,无须提前设置固定的相机和环境亮度参数。校正后图像拼接效果良好,可获得更加准确、清晰、视野范围大的角膜神经拼接图像。

深度学习下的卷积神经网络图像清晰度识别分析

随着社会经济水平的不断提高和信息时代的不断发展,图像逐渐成为信息传输的重要载体。但是,图像从采集和传送的过程中容易出现失真问题,造成图像内容无法真实、准确地表达出来。在这样的背景下,卷积神经网络图像识别技术应运而生,在实现图像清晰度识别方面发挥出重要作用。基于以上情况,本文在介绍实验数据处理的基础上,从caffe框架、卷积神经网络两个方面入手,研究了图像清晰度识别原理,最后,分析了实验结果。希望通过这次研究,为相关实验者提供有效的借鉴和参考。

一种安全简单的超声引导下腰丛神经阻滞新方法:“三叶草”法

目前较为广泛使用的超声引导下腰丛神经阻滞方法是将超声探头置于背部作横向或矢状面扫描以获得靶神经图像。为增加超声引导下腰丛神经阻滞的临床应用手段,我们对Lin等[1]报道的超声引导下腰丛神经阻滞的＂三叶草＂（Shamrock）方法进行实践,效果满意,报道如下。

直线加速器立体定向放射外科治疗听神经瘤的研究

我们为立体定向放射外科设计并制造了一种新型装置,它的特点是一把转椅和直线加速器的联合使用。本研究对物理治疗的20例听神经瘤患者通过一系列的神经图像资料,神经功能的检查以及部分病例外科取样的病理学发现而加以评价。由于肿瘤大小在放射治疗后变化很缓慢,故而在分析了12个月后随访的12个病例的肿瘤大小时。

基于U-Net改进的多尺度融合超声神经分割算法研究

大量传统的颈部超声神经检测算法,检测敏感性低,假阳性数量大,低层特征利用率不足。而颈部超声图像数量较少,边缘模糊且对噪声敏感。对此,提出一种改进型U-Net分支融合算法:改进损失函数,获得高质量的候选样本;使用多尺度卷积结构替换原结构中普通卷积层,增强特征提取能力;结合扩张卷积替换中、深层池化操作,提高低层特征利用率。通过对比实验验证了所提算法的算法性能。实验表明,与传统的U-Net和SegNet卷积网络对于小尺寸超声神经分割的结果相比,所提算法的分割效果较两者分别提升了近9%和17%,且对于正常尺寸和小尺寸的神经分割均有较高的分割精度。

医学切片图像配准新方法研究

提出了一种新的医学切片图像配准方法,该方法分两步完成:首先引入图像归一化相关理论对传统的主轴矩配准算法进行改进,并用改进后的主轴矩法对图像进行粗配,得到初始变换参数,该参数可作为精配准的初始值;然后在初始值附近,运用修正后的powell算法循环迭代使得两幅图像的互信息最大,此时得到的变换参数可实现更高精度的配准:最后在MATLAB上仿真,实验结果表明,利用主轴矩法对图像进行粗配,减少了后续配准的搜索步骤,提高配准效率,互信息法提高了配准的精度。

基于模板的颅脑图像基准点自动定位方法

基于标记的图像配准是现实中最常用的配准方法之一。在配准过程中,一般使用完全固定在头骨皮肤上的外部基准标记。基于模板的全自动图像配准的关键在于无需人工选择即可确定基准点的坐标。提出了一种基于模板的颅脑图像自动基准定位算法和技术,具有快捷、自动、准确的特点,实施过程包括以下三个步骤:边缘图构建,基于曲率的候选基准点检测,基于模板的基准点检测。实验结果说明该方法有助于实现基于基准点的全自动图像配准,相较于专家人工选择,具有广阔的应用前景。