海量医学数据处理框架及快速体绘制算法

设计并实现了一套针对海量数据的处理和分析算法框架,并将其融入实验室早先开发完成的医学影像算法研发平台MITK(medical imaging toolkit)中,真正建立起一个海量医学影像数据的处理平台,并在此基础上研究了针对海量数据的基于光线投射和三维纹理的快速体绘制算法,提出了一种半自适应分块的方法对原始数据进行分块,在不对分块速度产生太大影响的基础上得到了更好的分块结果,同时使用图形硬件来进一步加速整个算法的绘制流程.实验结果表明了该平台和算法对于海量医学数据处理和可视化的有效性.

Monte Carlo方法在扩散光学成像仿真中的应用

综述了描述前向问题的各种模型,包括解析解方法、数值方法和统计方法.特别地,就生物自发光多谱段光源的实例介绍了MonteCarlo方法.在光学成像领域,针对不同的成像模态、对成像质量的要求以及所需要的信息,MC方法有3种主要形式:连续波、时域和频域.不仅揭示了每种形式的基本原理,同时也相应地介绍了其在本领域的典型应用及软件.通过这些应用可以看出,MC方法对于扩散光学成像,特别是最近几年的在体无创实时成像的发展发挥着重要作用.

基于局部空间活动模式信息提取脑激活区

伴随着功能磁共振成像(f MRI)实验数据的急剧增长,合理有效的f MRI数据分析技术显得越发重要.当前的f MRI数据分析一般基于一元统计方法,通过孤立分析每个体素的时间序列来决定该体素是否被激活,没有考虑隐含在局部脑区内的脑激活模式信息,无法检测到那些对刺激反应较为微弱的体素.文中针对当前f MRI数据一元分析的不足,提出了一种采用局部脑区活动模式间多元距离(local multivariate distance mapping,LMDM)的方法来对脑激活区进行检测.LMDM使用多元模式来表示不同刺激条件对应的局部脑区活动,并利用不同模式间的多元距离作为统计量来度量脑区活动在不同刺激条件下的区别,从而可以有效利用局部脑区信息来提取脑激活区.文中分别采用一元GLM方法,LMDM方法对仿真数据和真实实验数据进行了分析,并作了定量比较.结果均表明LMDM方法可以比一元GLM方法更完整地检测到脑激活区.