首页 > 文献资料
-
基于Metropolis-SA算法的脑部磁共振血管造影图像分割
目的 利用三维Markov随机场(MRF)模型分割脑部磁共振血管造影(MRA).方法 MRF的似然概率采用了瑞利分布和高斯混合分布函数,并利用大期望(EM)算法精确估计出混合参数;先验概率采用Ising-MRF模型,并利用误差试探法估计出正则化参数.为避免利用迭代条件模式(ICM)进行图像分割时常陷入局部优解,实验提出了基于Metropolis采样算法的模拟退火(SA)技术.结果 实现了三维MRF的全局优解,分割模型可分辨3个体素的细小血管.临床数据采用南方医院影像中心提供的患者TOF-MRA数据(1.5T GE MRI scanner),空间分辨率0.43 mm×0.43 mm×0.50 mm;原始数据的像素空间大小为512×512×128;实际采用的空间大小和分辨率分别为256×256×64和0.80 mm×0.80 mm×1.20 mm.实验对每一套临床数据采用SA、ICM、MSA算法分别进行分割比较,分割结果存在有限差异,采用15步迭代计算的时间消耗分别为1 029 s、463 s、560 s.结论 实验通过三维仿真数据分割结果表明,Metropolis-SA迭代求解算法能够实现更低的全局误差,并且实际脑部MRA数据的分割与大密度投影相比较,反映出较好效果.
关键词： 血管分割 磁共振血管造影 Markov随机场 Metropolis算法 模拟退火 -
基于贝叶斯统计思想实现多重线性回归分析
本文目的是介绍基于贝叶斯统计思想实现多重线性回归分析的方法.多重线性回归分析时,单纯基于贝叶斯理论导出的公式来估计回归模型中参数的做法并不常见.常见的做法是基于马尔科夫链蒙特卡罗(MCMC)方法来实现多重回归分析,即把蒙特卡罗方法、贝叶斯统计思想和马尔科夫链等内容有机结合起来,共同完成多重回归分析.在资料基本满足经典统计思想建模的前提条件时,基于贝叶斯统计思想构建多重线性回归模型,其效果等价于基于经典统计思想构建的多重线性回归模型.
