一种基于空间域和频谱域特征的图象分割方法

提出了一种基于空间域和频谱域特征的神经网络的医学图像分割方法．本方法不需要教师监督,能自动生成最优的网络输出节点,即分类数．对ＣＴ,ＭＲＩ和超声图像的分割表明本方法有效方便．     

模糊Kohonen聚类网络用于骨髓细胞图像分割

提出了一种基于图像的边界特点来确定模糊Kohonen聚类网络输出类别的方法。该方法首先构建了图像的一个边界模型，然后利用Zernike矩阵出边界模型的参数，最后根据参数的特点，自动确定模糊Kohonen聚类网络输出数目。试验结果表明该方法构建的模糊Kohonen聚类网络能够实现图像的自动模糊分割，说明了方法的可行性。     

基于区域划分和改进C-V法的医学图像分割方法

提出了基于图像区域划分和改进C-V法的活动轮廓图像分割方法.通过区域划分的方法将整幅图像的分割问题转化为在不同的子区域上分别进行的图像分割问题,并在各子区域中采用改进C-V法进行图像分割.改进的C-V方法在简化Mum ford-Shah泛函的能量函数中增加距离函数惩罚项,从而将距离函数重新初始化的过程并入整个水平集框架模型中;并在分片常数优化逼近中,添加了图像梯度信息,改变了C-V法中均值取值定义,提高了对灰度层次丰富的图像分割能力.实验表明,该方法对灰度值接近、边界模糊的医学图像有很好的分割效果.     

乳腺电阻抗扫描成像数值分析

针对已有的电阻抗扫描成像分析模型与临床实际情况存在较大差异的问题,结合女性乳房结构、中国女性乳房实际大小、电参数及检测探头结构,构造了一个更加接近于实际情形的电阻抗扫描成像模型.采用有限元方法求解模型的静态电场方程并结合方差分析(Yates方法)对电阻抗扫描成像的相关参数进行统计分析.结果表明,当乳房中存在癌灶时,由于癌灶组织与周围正常组织在电参数上存在差异,乳房表面电流会存在相应的扰动.电流扰动程度受乳房大小、癌灶深度、大小以及周围组织电导参数及其交互因素的影响.如能通过测量夹具控制乳房大小,减少癌灶深度,可进一步提高电阻抗扫描成像的乳腺癌检测性能.     

基于遗传算法的γ刀治疗计划优化

提出基于遗传算法的γ－刀治疗计划优化。该算法可用于优化肿瘤区靶占煌位置、准直器大小各靶点权重等主要放疗参数,从而达到肿瘤区内剂量分布均匀而又最大限度保护正常组织的目的,若干病例的计算结果表明,该优化算法可以使等剂量线与肿瘤轮廓线达到很好的吻合并能够有效地保护正常组织。     

心脏冠状动脉数字造影图像增强研究

本文提出了一种基于图像配准的数字减影图像增强算法，在注入造影剂前，首先聚取一系列连续掩图像（30帧／s)，然后注入造影剂摄造影图像，将造影图像与掩膜序列图像进行全局配准，找到其中匹配的掩膜图，最后再用块匹配方法对该造影图像和四配的掩膜图像进行局部酏 准，在进行局部匹配时为了达到像不精度和较快的速度，运和一种快速样条插值方法。实验结果表明配准后的减影图像质量良好，具有较好的临床诊断价值。     

基于矢量量化压缩的大规模体数据直接绘制

针对大规模体数据通常不适合于硬件三维纹理加速绘制的问题,使用基于区域分裂的LBG算法对大规模体数据进行矢量量化压缩,使得其压缩编码适合硬件纹理空间大小.并在图形硬件的可编程渲染器中对压缩后的三维纹理体数据进行实时地矢量解码和绘制,在解码过程中通过设定掩码纹理给出了大规模体数据的局部感兴趣区域的体绘制.实验结果表明,在不同压缩比和信噪比下,大规模体数据绘制的图像仍然具有较高的质量且维持高帧速率,绘制性能满足实时交互.     

基于电阻抗扫描成像的乳腺癌检测方法

为了提高电阻抗成像在乳腺癌检测方面的性能,降低其假阳性率,提出了一种新的乳腺癌检测算子———异常能量指标(AEI)检测乳腺癌.通过对乳腺电阻抗成像进行建模并结合优化问题求解,提取乳腺癌病灶参数并进而构造AEI指标.与传统的基于临床医师视觉解释的图像检测方法相比,新方法可以获得更高的灵敏度、特异度和准确度.与基于参数的乳腺癌检测算法(HEDA算法和P算法)相比,AEI指标用于乳腺癌检测具有较高的灵敏度及特异度.临床数据实验表明,新方法可以有效地用于乳腺癌检测,具有较好的检测性能(灵敏度88.5%、特异度89.1%以及准确度88.9%).     

没有7-圈的平面图的BB-染色?

研究了没有7-圈的连通平面图的BB-染色问题。应用经典的Discharging方法,证明了没有7-圈且不含相邻4-圈的连通平面图G,存在G的一棵生成树T,使得( G,T)是BB-4-可染的。这一结果进一步拓展了平面图的BB-4-可染的充分条件。