首页 > 文献资料
-
一种肺部CT图像快速分割算法研究
针对临床辅助诊断的需求,本文提出一种肺部感兴趣区域快速分割算法.该算法首先利用大类间方差(OTSU)法对图像进行预分割,然后利用区域生长及小面积消除方法剔除干扰信息,并生成掩模图像,后运用数学形态学方法对模板进行细化,并将原始图像与掩模图像进行数学运算,从而获得肺部感兴趣区域.实验结果表明,本文提出的算法自动化程度高,分割较为准确.
-
MR图像局部增强技术的研究
本文对 MR图像局部对比度问题进行了讨论,并对局部增强技术进行了新的探讨.
-
基于Canny算子与数学形态学结合法对胸水脱落细胞边缘的提取
本文针对胸水病理细胞显微图像的复杂多样性、灰度分布不均匀、灰度级范围短等特点,提出了基于传统Canny算子与数学形态学相结合对其进行边缘检测,获得了较好的实验结果 ,实现了对胸水细胞边缘的较为清晰、精确的提取从而更好的辅助病理学临床诊断.提高诊断效率和准确度,并有助于发现早期病变的细胞.
-
基于心音周期性的自动分段研究
目的 心音信号自动分段是心音正常与异常识别的首要任务,利用心音信号的周期性和生理特征对心音信号进行自动分段.方法 针对48例心音,其中异常10例,每例提取2个时长5 s的样本,共96个样本采用数学形态学和片段相关计算相结合的算法,自动提取心音信号的包络,标记出前4个心动周期的起点,并根据心音的生理学特点识别每个周期中的S1和S2.结果 该算法对正常心音的识别率达到100%,对异常心音的识别率达89%.结论 该算法能正确、快速的对心音进行自动分段,可用于心音识别的特征提取.
-
基于数学形态学的CT图像肝脏肿瘤提取研究
目的 肝脏肿瘤的提取是肝脏三维可视化、手术规划和模拟的基础,而当前肿瘤分割存在干预过多和分割效果不佳的问题.方法 本文通过对腹部CT图像进行高斯平滑以去除图像噪声和细密纹理,计算出图像的形态学梯度并用高、低帽变换进行增强,再根据用户选择点计算内部和外部标记符,然后基于控制标记符的分水岭算法分割图像,提取出腹部CT图像中的病变组织.结果 实验结果表明,该算法能够在较少的人工干预下快速分割出肝脏病变组织.结论 该算法实现了腹部CT图像中肝脏病变组织的提取.
-
基于数学形态学的心音包络提取与识别方法研究
心音包络比原始心音可以更好地显示心音的特征,是进行心音独立识别的基础.本文把数学形态学应用于心音包络的提取和识别的研究.首先利用形态学滤波和全波整流对原始心音进行预处理;然后利用形态学闭运算提取心音包络;后应用形态学开运算来消除噪声包络.在数学形态学提取的心音包络基础上,对50例心音样本进行了第一心音、第二心音识别,全部20例正常心音的第一心音和第二心音被正确识别,27例包含心杂音的异常心音的第一心音、第二心音也被正确识别.为进一步的心音分析及心音诊断奠定了基础.
-
基于SMDC连接代价算子的肺血管分割算法研究
针对CT肺图像中的血管分割,提出一种基于SMDC连接代价算子的分割方法.首先设计一种背景填充技术,对灰度变换范围有选择性地收缩或拉伸,有效地消除背景噪声对血管分割的影响,然后应用SMDC连接代价算子对肺部区域进行分割,后用实验证明了该方法的有效性.相似度分析表明自动与手工分割结果吻合率高于95%,并能较好地保留细节.
-
一种基于水平集的前列腺超声图像自动分割算法
由于超声图像存在着斑点噪声和较低的信噪比,使得传统的分割算法很难应用于超声图像的自动分割,而手工分割方法非常耗时且重复性差.因此提出了一种基于水平集和改进径向浅浮槽算法(RBR,radical bas-relief)的前列腺直肠超声(TRUS)图像全自动分割算法.首先使用Sticks滤波器来去除斑点噪声,并且增强图像的对比度.然后使用径向浅浮槽算法来对图像进一步增强,通过使用形态学算法和边界填充得到前列腺的初始轮廓,使用该轮廓来初始化水平集算法,从而实现全自动分割.实验结果表明,该方法能有效地去除斑点噪声的影响,并且能够对前列腺超声图像实现较好的分割效果.
-
基于眼电的阅读状态检测研究
目的 阅读是一种重要的认知过程,可通过眼动检测实现观测.基于眼电的阅读检测算法可应用于不同的阅读行为和注意力水平的自动检测.方法 通过提取阅读时水平眼电信号的特征以有效识别阅读活动.首先使用数学形态学对原始水平眼电信号进行平滑处理,去除眨眼和肌电等干扰.平滑后的眼电信号进行差分处理,然后提取出阅读时的水平眼电信号的特征,进行识别分类,从而判断出受试的阅读情况,并与实际的阅读状态进行比较.结果 对阅读状态和非阅读状态时间段的分析结果显示,数学形态学和阈值法相结合的方法对眨眼和肌电等噪声的抗干扰能力较强,可有效识别出阅读活动,平均检测率为75％.结论 数学形态学和特征提取相结合的方法能较好地提取出眼球的活动信息,应用于日常的阅读活动识别中.
-
基于多尺度形态学的医学图像局部对比度增强
本文提出了一种高效的、高精度的适合于医学图像增强方法.本研究表明,使用暗特征增强图像会使图像丢失一些细节,加强小尺寸特征会放大噪声,所以仅使用白tophat变换,从递归开运算后图像中提取特征.为解决非对偶运算引起的图像亮度偏差问题,作者提出了条件归一方法.新算法主要特点是形态运算采用非对偶运算,对比度拉伸运算采用加法代替乘法运算.用本算法对MR图像进行了测试,并与已有基于多尺度形态学方法进行比较.实验结果表明,这种算法可以更有效地增强图像的局部对比度,对噪声不敏感,处理后图像精度更高.与以前形态学方法相比,本文方法仅需使用其四分之一特征层就可实现局部对比度增强,从而大大减少了运算量.
-
基于数学形态学的血液细胞图像边缘提取
根据血液细胞边缘附近的灰度分布梯度较大的特性,运用数学形态学对缺铁性贫血的血涂片上的血细胞进行图像的边缘提取.并对原始图像分别用Sobel算子、Laplacian算子、LOG算子以及局部阈值法进行边缘检测,实验结果表明,基于数学形态学的边缘提取算法对于血液细胞图像边缘提取有很好的效果.
-
基于数学形态学与核主成分分析的峰电位检测与分类方法
目的 为抑制高强度背景噪声及信号叠加的干扰,提高峰电位的检出率和分类的正确性,本文提出一种新的无监督方法.方法 首先,应用数学形态学的复合操作对信号进行降噪,采用定阈值提取峰电位.然后,小波变换和核主成分分析法(kernel principal components analysis,KPCA)相结合,对已提取的峰电位波形进行特征提取.后,用改进的小距离法实现峰电位分类.结果 仿真实验结果表明,此方法对于不同噪声强度的信号,峰电位检出率达94%,总分类正确率91%以上,其中大量叠加信号的分类正确率88%以上.结论 本方法能在有效抑制噪声的基础上,准确提取峰电位并有效分类.
-
分割重叠细胞核的方法及比较研究
基于内容检索的病理信息管理系统中,目标分割技术始终是特征参数测量的一个重要环节.本文研究了分割重叠细胞核的几种数学形态学方法,从理论和实验两方面分别讨论了各方法的原理、优缺点和适用性.
-
多信息融合的彩色细胞图像分割方法
显微图像定量分析已广泛用于病理诊断、病理管理系统、癌变分级分类等多方面的医学研究领域.细胞区分割提取是一个重要技术,直接关系诊断的可靠性.本文就从病理切片的彩色图像中提取细胞核的有关方法作了研究,提出了有效的分割方法和策略.该方法以数学形态学为主要工具,可以利用细胞的多个特征(灰度、梯度、彩色、纹理等)较好地解决了病理显微图像背景复杂、光照不均及粘连团聚现象等因素给分割带来的困难.
-
一种基于数学形态学的脉搏波信号预处理方法研究
针对脉搏波信号处理的难点,提出了一种基于数学形态学的脉搏波信号预处理方法,并分析了脉搏波信号特征及数学形态原理.据此设计了基于脉搏波信号特征的非线性形态学滤波器,用于脉搏波信号预处理.通过实验验证,此预处理方法在高频噪声去除和基线漂移抑制方面获得了满意的效果.相比其他滤波器,形态学滤波器抑制能力很强,且原理简单,计算量小,十分适合在微处理器中应用.
-
伽玛刀治疗计划设计中靶点自动排布算法
针对γ-刀治疗中多靶点的排布问题提出了一种利用数学形态学变换的方式自动寻找靶点坐标的方法,克服了以往人工布点法中的缺陷,以求病灶在任意形态和位置下获得满意的剂量分布.根据体表和病灶的相互位置及形状特征,在分析了选择照射孔径和位置的基础上,建立了一个优化布点的数学模型,并且给出了相应的求解算法,由计算机自动设计靶点并进行剂量计算.
-
基于自适应标记分水岭算法的肝脏CT图像自动分割
目的 为减少人工交互提出了基于自适应标记分水岭的CT系列图像肝脏区域自动分割算法.方法 首先对图像进行形态学重构运算以平滑图像,然后计算多尺度形态学梯度,同时提出利用梯度图像非零的局部极小值点的均值进行自适应标记提取,以避免分水岭的过分割和欠分割,再结合肝脏为大的实质性脏器和相邻图像的相似性实现CT系列图像的肝区自动分割.结果 该算法能自动、快速地提取CT系列图像中的肝脏区域.结论 分水岭算法能准确定位区域的边缘,通过选择合适的阈值对梯度图像进行标记以抑制分水岭的过分割,实现医学图像中感兴趣区域的自动分割.
-
基于眼电的字符输入系统研究
为有肢体运动障碍的群体提供一种不须依靠肢体进行信息交流的人机交互系统,使用者可以通过控制眼球视线方向实现与外界进行信息交流.设计了一种注视目标在屏幕上从中心往不同方向跳动的人机交互界面,利用水平和垂直眼电信号检测眼睛注视这些跳动目标时的眼动.算法步骤是首先采用数学形态学法去除眼电中的肌电和眨眼干扰,然后采用主成分分析法提取出不同眼球视线方向的特征向量,对眼电信号进行空间滤波,依据大幅度所在方向和极性值判断眼球跳视方向,从而确定受试注视目标.结果表明,受试能够通过注视跳动目标,根据自己的意愿进行字符输入的操作.8个受试的结果表明系统的平均信息传输率为25.7 b/min.结合数学形态学和主成分分析的方法能够较好地提取出眼球跳视方向,并且可以转化为控制外界设备的命令.
-
基于定向局部对比度的眼底图像视盘检测方法
视盘作为眼底图像的一个重要特征,其自动检测方法在眼底病变图像分析中有着重要的作用.提出一种基于定向局部对比度滤波的方法,有效地提取眼底图像中的局部亮度区域;结合视盘区域的局部血管特征,选择定位出正确的视盘感兴趣区域;采用数学形态学方法和区域主动轮廓模型,可较准确地检测出视盘轮廓.对开放的STARE数据库上的81幅眼底图像进行测试,其中含31幅正常和50幅病变图像(含严重病理图像),用该方法正确检测出视盘73幅,准确率约为90.1％.结果表明,该方法有效地克服大块亮斑病灶对视盘检测的影响,且仅需提取粗血管,计算较为简单,说明了算法的有效性.
-
免散瞳眼底图像中微动脉瘤的高效自动检测
为快速、有效地自动检测免散瞳眼底图像中的微动脉瘤,构建基于免散瞳眼底图像的糖尿病视网膜病变自动筛查系统,提出了一种简单而高效的微动脉瘤自动检测算法.在对免散瞳眼底图像G通道预处理的基础上,利用数学形态学分割提取硬性渗出和血管；并通过将二者从扩展极小值变换后的二值图像中去除而获得微动脉瘤候选区域；进而根据尺寸信息获取真正的微动脉瘤.利用该算法对两组不同质量免散瞳眼底图像进行微动脉瘤自动检测,并对检测结果进行统计分析.结果表明:两组图像检测结果精度均较高,相应指标间的相对误差均低于4％,且处理效率高(平均一幅图像的处理时间为9.7s).该算法能够高效地自动检测出免散瞳眼底图像中的微动脉瘤,且算法稳定可靠,具有很高的实用价值.
