首页 > 文献资料
-
基于稀疏表示和脉冲耦合神经网络的医学影像融合算法
为满足医学图像辅助诊断的需要,提出一种基于稀疏表示和脉冲耦合神经网络(PCNN)的CT和MR影像融合算法.首先,原始图像通过滑动窗方法构成联合矩阵,通过K-SVD算法得到该联合矩阵的冗余字典,采用正交匹配追踪算法得到该联合矩阵的稀疏系数;然后,根据稀疏系数的特点,采用脉冲耦合神经网络来融合稀疏系数;后,由融合后的稀疏系数和冗余字典得到融合矩阵,反变换得到融合图像.实验图像为10组配准的脑部CT和MR图像,采用5种性能指标来评价融合图像的质量,同2种流行的医学影像融合算法进行比较,结果显示算法除QAB/F指数外,其他4项指标均为优,Piella指数、QAB/F指数和BSSIM指数的均值分别为0.760 4、0.877 1和0.537 3,融合图像的纹理和边缘清晰,对比度高.主观和客观分析显示,算法的融合性能比较优越.
-
基于在线字典学习和脉冲耦合神经网络的脑图像融合
医学图像融合是医学影像和放射医学等领域的研究热点之一,广受医学界和工程界重视.提出一种基于在线字典学习(ODL)和脉冲耦合神经网络(PCNN)的脑部CT和MR图像融合新算法.首先,利用滑动窗技术将源图像分块,使用ODL算法和小角回归算法(LARS)得到各图像块对应列向量的稀疏编码;其次,将稀疏编码作为脉冲耦合神经网络的外部输入刺激信号进行迭代处理,根据点火次数确定融合系数;后,根据融合系数和学习字典重构融合图像.基于哈佛医学院的10组脑部CT和MR数据,将所提出算法同基于KSVD的融合算法、基于ODL的融合算法、基于NSCT的融合算法比较.实验结果显示:综合考虑主观视觉效果和客观评价指标,该算法性能整体优于其他算法,客观参数指标BSSIM、MI、Piella、SF、STD、QAB/F的均值分别为0.751 2、3.769 6、0.697 1、29.526 7、90.090 6、0.570 7,可以提供丰富的信息来辅助医生分析病变体,提高临床医疗诊断的准确性和治疗规划的科学性.
