新颖的医学图像分类编码方案

分析了医学图像分类方案,并根据医学PACS的应用需求,提出一个新颖简便的编码方案。编码由4个部分组成:(1)影像设备技术代码;(2)体位方向代码;(3)解剖学代码;(4)生物系统代码。实践证明,该编码方案能够充分描述医学图像内容。依照该编码查询和浏览图像准确率高、速度快。

医学图像检索分类的MOAB编码方案

虽然现代医学通讯标准例如 DICOM中包含了用于描述病案、患者以及成像技术等的非图像参数 ,但是由于这些标识 (Tag)结构过简、语义交叠 ,甚至会由成像设备随意设置 ,因此并不适用于医学图像的分类。为此 ,提出了一个简便易行、基于树状结构的、明细检查细节的编码方案。编码由影像设备 (m odality)技术代码、体位(orientation)方向代码、解剖学 (anatomy)代码、生物系统 (biological system)代码 4个部分组成。简称为 MOAB编码方案。为检验分类效果 ,利用该编码方案对 70 0 0余幅数字化图像建立了一套索引编制较为完善的图像数据库。通过实验和同其他编码方案的比较讨论 ,通过实验和同其他编码方案的比较讨论 ,结果证明 ,该编码方案能够充分描述医学图像内容。依照该编码查询和浏览图像 ,准确率高、速度快 。

基于互信息量图像配准中目标函数局部极值的成因分析与克服

图像的配准在医学临床科研、诊断等方面具有重要的应用。基于互信息量的全局图像配准方法具有自动化程度高、配准精度高等优点。但是 ,当平移距离为象素的整数倍时 ,插值算法会引入伪影 ,使目标函数产生局部极值 ,使得最优化搜索有时会终止于局部极值 ,得到错误的配准参数。本研究分析了这种插值伪影产生的原因 ,并提出了克服方法 ,经实验检验 ,该方法使目标函数进一步光滑 ,有效克服了插值伪影 ,保证了最优化搜索的准确性 ,提高了互信息量方法配准的成功率。

基于广义模糊吉伯斯随机场图像分割新算法

吉伯斯分布作为一种引入图像空间信息的先验模型已广泛运用于贝叶斯图像分割中 .然而 ,由于传统该模型只在确定类上有定义 ,而在模糊类上未曾涉及 ,使得在运用该模型对一些模糊图像或退化图像进行处理时 ,分割效果不理想 ,甚至无能为力 .该文针对这些不足 ,从模型本身出发 ,在传统的吉伯斯随机场模型中引入模糊概念 ,并针对实际多值分割特点 ,提出一种高效、无监督的广义模糊算法 ,从而实现对多值图像的精确分割 .文中首先介绍一种二值的广义模糊吉伯斯随机场模型 ;然后将这种二值模型进行多值扩展 ,提出分段模糊与广义模糊吉伯斯两种实用的多值分割算法 ;最后将其运用于一系列医学图像分割 .实验表明 ,文中提出的广义模糊分割算法比基于传统随机场的算法有更好的图像分割能力 .

基于Gibbs随机场的有限混合模型改进与脑部MR图像的稳健分割

有限混合 (FM )模型已经广泛地应用于图像分割 ,但是由于没有考虑空间信息 ,导致分割的结果对噪声很敏感 ,分割出的区域存在很多杂散的孤立点。本文在Gibbs随机场理论的指导下 ,将空间信息引入FM模型 ,提出了改进的脑部MR图像分割算法。此外 ,由树形K平均聚类来估计初始参数 ,实现了全自动的图像分割。本研究进行了仿真MR图像和真实MR图像的分割实验 ,定量的数据分析表明 ,我们所提的改进算法对噪声不敏感 ,可以更精确地将脑部MR图像标记为灰质。

基于混合金字塔吉布斯随机场模型的图像分割

最大后验 (Maximumaposterior ,MAP)估计已被广泛应用于基于吉布斯随机场 (GibbsRandomFields,GRF)的贝叶斯图像分割中。然而迄今为止 ,严格意义上的MAP估计仍无法实现 ,近似的MAP分割也遇到如 :计算量极大和GRF模型参数无监督估计难等问题。因此 ,针对这些困难 ,通过利用混合金字塔结构 ,扩展了传统单分辨率意义上GRF模型 ,提出一种多分辨率的混合金字塔吉布斯模型 ,从而圆满地解决这些难题。实验表明 :提出的模型算法有很好的鲁棒性 ,且易于实现对图像快速、精确分割。

MR图像刚性平移运动伪影的自动逆向迭代修正

在MR扫描过程中患者的自主或非自主运动使获得的采集数据的相位发生偏移,因而重建图像含有运动伪影,严重地影响临床诊断。由于平移和旋转是最基本的刚性运动,故几乎所有刚性运动都可由他们复合而成。本研究针对MR图像刚性平移运动伪影提出了一个新的后处理方法:逆向迭代修正法(IIC)。通过逆向模拟患者的平移运动,逐次修正信号在K空间中已偏移的相位,然后根据最小熵约束准则,判断所模拟的逆向运动平移量是否等于患者的实际运动平移量,即修正到原来的位置。实验表明,应用本研究提出的逆向迭代修正算法,运动伪影能被修正到一个较为理想的状态。在修正后图像质量及计算耗时方面,优于其他算法。

基于模糊聚类优化的分形图像压缩快速算法

本文针对经典分形压缩算法中编码时间过长的问题提出了一种改进算法。将陈武凡教授提出的模糊聚类优化(OptimalFuzzyClustering,OFC)方法改进并应用于对搜索空间的软分类,匹配时通过用类内搜索取代全局搜索,降低了编码时间。相同运算环境下的仿真实验结果表明,在不影响信噪比和压缩比的前提下,与经典分形压缩算法相比,OFC算法编码速度可提高大约5倍;同近期文献报道的基于小波系数硬分类(WaveletbasedBlockClassified,WBC)和基于经典LBG硬分类的快速分形压缩算法结果相比也均有明显的改善,这都证明了本文算法的优越性。

基于内嵌块优化等级树(EBOHT)算法的图像编码

该文提出一种图像编码的新算法（EBOHT）,该算法先将图像进行小波变换,然后按空间位置对应关系将小波系数分成若干块,每一块数据采用一种新等级树编码,比传统的SPITH方法增加了预测过程,进一步利用了相邻小波系树的相关性.块间进行基于率失真曲线的优化方法,使每一块图像有合理的比特分配.同时由于数据是分块编码的,因此该算法较SPITH有更好的容错能力,且易于实现感兴趣区（ROI）编码.

利用逆向迭代法修正MRI图像中刚性运动伪影的研究

目的 提出逆向迭代修正法 (IIC)和基于直方图的熵准则函数 ,消除MRI图像中刚性平移运动伪影。方法 利用该熵函数建立的准则 ,IIC方法通过两个连续的步骤来消除仿真运动伪影 :①在所有可能的运动方向上添加逆向相位差 ;②利用熵判断函数估计出实际的运动方向和位移 ,从而消除运动伪影。结果 为了检验方法的可行性 ,通过对模板和医学图像的仿真实验 ,验证了逆向迭代修正法 (IIC)和基于直方图的熵准则函数的有效性和精确性。结论 IIC方法能够有效消除MR图像刚性平移运动伪影。

CT图像特征的自动获取与检索新方法

目的自动获取CT图像特征,提出实现基于内容的CT图像数据库检索新方法。方法本研究针对CT医学图像,提出应用最大期望分割算法来获取其区域特征,并组合感兴趣区域的累积直方图特征、纹理和形状信息构成检索的特征向量,从而把图像表征为特征空间中的一个向量集合。结果当向数据库提交查询图像时,经过特征匹配,最终按相似度由大到小的顺序返回目标图像。结论实验结果表明,本研究提出的基于内容的CT图像检索方案在满足临床需求的同时,获得了较高的查询精度和效率。

基于互信息量图像配准中目标函数局部极值的克服

图像配准技术在医学图像处理领域中已经被广泛应用。基于互信息量的全局图像配准方法具有自动化程度高、配准精度高等优点。但是,当平移距离为像素的整数倍时,插值算法会引入伪影,使目标函数产生局部极值,使得最优化搜索有时会终止于局部极值,得到错误的配准参数。本文提出了一种克服的方法,经检验,能使目标函数进一步光滑,保证了最优化搜索的准确性,提高了互信息量方法配准的成功率。

一种基于随机场模型的图像分割算法

本文针对多纹理图像的自身特点及Gibbs参数估计难的问题 ,提出一种新颖有效的迭代分割算法 :“ML -MAP”法。实验表明 ,该算法在无需知道Gibbs参数和参数估计的情况下 。

基于模糊聚类优化的序列图像快速分形压缩

针对传统序列图像分形压缩算法编码时间过长的问题,提出了一种基于模糊聚类优化(OFC)的快速算法,它是一种基于单帧的序列图像帧间分形压缩算法。首先使用LBG(Linde-Buzo-Gray)方法对序列图像组成的搜索空间样本集进行初始化,然后将OFC方法应用于对样本集的软分类,匹配时通过用类内搜索取代全局搜索,将分形编码过程聚焦在最有效的局部范围内,从而减少了匹配次数,降低编码时间。由于OFC算法是一种软分类方法,样本集类别数的确定即最终聚类方案是取样本集所有可能的分割中对应于目标函数最小者的分割,所以它不但是基于全局最优的聚类方法,避免了基于局部最优LBG算法中的某些误判,而且有效抑制了传统硬分类方法中类别数需预先指定的人为干扰因素,使恢复图像的质量能够得到更有效保证。相同运算环境下的仿真实验结果说明,在不影响信噪比和压缩比的前提下,与传统序列图像分形压缩算法相比,OFC算法编码速度可提高约5倍,证明了本算法的优越性。

基于修正的分段模糊吉伯斯随机场模型的图像分割

模糊随机场模型在解决多值模糊分割方面主要存在算法的稳定性和效率问题。针对这些不足,提出一种简单、方便有效的多值模糊分割新算法———修正的分段模糊吉伯斯分割算法。该算法利用修正的模糊C均值来提供良好的初始分类,结合传统的二值模糊算法来完成对复杂多值图像的快速、精确分割。实验表明,该修正算法比传统的随机场模型有更好的图像分割能力,能较好地解决目前多值模糊分割算法所面临的稳定性和效率问题。

快速显示三维医学体数据的光线投射方法

本文提出了一种快速显示三维医学体数据的光线投射方法，方法原型是基于以图像空间为序的体显示算法，但在物体空间实施加速方法。在本文中，首先我们简要介绍了图像空间为序的休绘制算法原理及步骤。接着，叙述了如何利用物体空间的包围体方法来减少追踪光线数量。最后，给出了该算法用于显示同一医学体数据内多器官的研究结果。

一种在物体空间加速的光线投射体显示方法

本文提出了一种减少体显示时的投射光线数量的方法，方法原型是基于以图像空间为序的体显示算法，但在物体空间实施加速方法。首先我们简要介绍了图像空间为序的体绘制算法原理及步骤。接着，叙述了如何利用物体空间的包围体方法来减少追踪光线数量。最后，给出了该算法用于显示医学体数据的实验结果。

基于GFO模型的水平集分割算法

众所周知,水平集分割方法由于能克服 Snake 分割中所要求的初始轮廓必须与目标轮廓相近以及图像结构不应发生拓扑改变这两大难题而深受青睐。然而,其在图像分割遇到的最大困难是解决边界泄漏问题。虽然有许多研究工作均试图解决这一难题,但收获甚微,究其原因主要是：图像的梯度信息不仅被作为轮廓线运动的停止策略,同时也将为零水平集向目标轮廓运动提供吸引力。因此,其不可避免将产生边界泄漏现象。针对这一难题,本文通过采用 GFO 模型以提供更鲁棒的边界信息和更可靠的停止策略来构造运动驱动力,从而较好地解决传统水平集分割算法所不能解决的大部分边界泄漏难题。

建立过程优化与动态管理的研究生培养模式

研究生培养过程是由复试录取、培养计划、课程教学、科研选题、中期考评和论文答辩等环节组成。过程优化就是优化协调这些环节,使得研究生培养工作在高效有序的环境中进行。动态管理则是从培养计划、项目团队、学术报告和质量规范四个方面,对研究生的培养过程进行跟踪管理,从而获得最佳培养效果。本文根据生物医学工程学科特点,探讨过程优化与动态管理的研究生培养模式。

fPAX^(TM)的一期研制

本文是全军医学图像处理重点实验室研制的功能化PACS-fPaxTM的系列论文之一,介绍fPaxTM的设计思想和主要功能,以及在珠江医院的实施情况。经过临床应用实践证明,fPaxTM图像传输速度快、系统运行稳定、用户使用方便,可以在全国各级医院的整个医院范围内很好的运行。