首页 > 文献资料
-
基于信号处理技术的癌症检测和分类方法研究
本文在介绍激光诱导血清自体荧光-共振喇曼光谱用于癌症诊断的物理学依据的基础上,详细讨论了利用小波理论对激光诱导血清自体荧光-共振喇曼光谱进行分析,提取用于癌症检测与分类特征,然后利用神经网络对各个特征进行学习,得到它们对癌症的隶属函数,再利用模糊神经网络对癌症进行检测和分类的方法.该方法实现了癌症检测和分类的自动化,使癌症检测和分类的正确率得到很大提高.
-
基于多通道线性描述符的脑-机接口分类算法的研究
脑电信号的特征提取是脑-机接口(BCI)中的一个关键部分,对提高分类正确率和信息传输率起着决定性的作用.本研究利用多通道线性描述符提取脑电信号的分类特征信息,将三个描述符单独和联合地施加于三个感兴趣的电极子集,导出12个特征矢量.五个受试参加了一个在线反馈BCI实验.实验期间他们被要求想象左手或右手运动,记录的脑电图数据用于离线分析.对来自7导和11导两个电极子集的8个特征矢量,五个受试平均的分类精度在89%和93.5%之间,而好的分类精度在85%与99.9%之间.比较基于描述符的特征与基于自回归(AR)模型的特征分类性能,结果表明多通道线性描述符是一种有效的特征提取方法.使用该方法提取特征时,理想的电极数应在7与11之间.
-
心血管造影图像边缘特征的提取
心血管疾病作为老年人的常见病现在比较多见.根据血管造影图像,即时诊断、积极治疗,能预防病情的发展,解除患者的痛苦.对血管图像的边缘特征进行提取是求取血管直径、分析血管特征和构造心血管三维图像的基础.要提取血管造影图像中的纯血管图,提出利用圆模板灰度小和微分边缘检测的方法.先利用圆模板灰度小准则求取血管的路径,然后根据路径线的局部斜率确定对边缘进行微分的方向,将血管相邻部分图像灰度进行微分,按微分大求取边缘点,后采用B样条函数对边缘点进行平滑,终得到血管的边缘线.
-
基于频带能量和小波包熵的运动意识任务分类研究
目的 探讨脑电信号频带能量和小波包熵在识别左右手想象运动中的作用.方法 采用脑-计算机接口2003竞赛中Graz科技大学提供的脑电数据,用小波包分解获取8～16 Hz脑电信号,计算C3、C4电极脑电信号的频带能量和小波包熵,将其结合作为反应想象左右手运动的特征量,对大脑想象左右手运动任务进行分类.结果 对140次实验的测试样本数据分析,大分类正确率可达87.14%.结论 脑电信号频带能量和小波包熵随时间的变化与事件相关去同步和事件相关同步现象相一致,可在线识别左右手想象运动.
-
基于肌电传感器的下肢残肢康复训练模式识别的研究
目的 提出一种面向下肢截肢患者,可实现等长和等张训练的下肢残肢康复训练识别的新方法.方法 使用表面肌电传感器采集并分析10例小腿截肢者在康复训练中股直肌的表面肌电信号,对下肢康复训练模式进行识别.结果 利用肌电信号的平均绝对值、方差和功率谱比值进行特征值的提取,可以用肌电信号的特征值作为输出建立表面肌电信号与下肢残肢康复动作之间的关系.结论 该方法利用肌电信号可以完成对下肢残肢康复动作的识别,可作为进一步探索下肢残肢康复训练系统的训练方案的依据.
-
残肢超声图像重建及骨骼与皮肤特征提取
目的针对假肢接受腔设计过程中,常规CT获取扫描残肢断层数据成本高和电离辐射大等问题,设计用超声波测量方法获取残肢骨骼皮肤轮廓.方法首先开发超声波测量装置测量残肢,得到残肢超声图像,再设计复合算法对超声图像进行二维重建,完成残肢骨骼与皮肤的特征提取.结果和结论与同类断层扫描技术相比,超声波测量方法极大地降低了成本和减少了辐射,为假肢康复工程领域等图像的断层扫描提供了一种新的手段.
-
基于人体加速度多特征融合和K近邻算法的跌倒检测
目的 探索基于人体加速度的跌倒检测方法.方法 2017年9月至11月,6例健康青年志愿者完成13个跌倒动作和11个日常活动动作.通过两个加速度传感器采集人体动作信息,每个加速度传感器提取81个加速度特征参数.通过主成分分析降维,输入K近邻(KNN)算法分类器对跌倒和日常动作进行识别.结果 跌倒检测敏感性100％,特异性99.76％,检测时间216 ms.结论 加速度多特征融合和KNN算法可以实现跌倒的及时有效检测.
-
腹肌表面肌电信号与储尿排尿的相关性分析
目的 开发通过实时监测腹部多部位表面肌电信号的非侵入性检测手段预测膀胱收缩.方法 采集10名正常受试者的腹部表面肌电信号并基于MATLAB进行时域、频域特征的量化分析.结果和结论 腹直肌和腹外斜肌等腹肌的表面肌电信号与储尿排尿过程具有一定的相关性.
-
减影技术在射线图像分割与提取中的应用
将缺陷信息正确提取和分割出来是射线检测中的重要环节.为了使分割算法更加自动、快速、精准,本文把减影技术应用到图像分割中来.首先利用形态学模拟图像背景,然后利用数字减影法提取缺陷目标.对几种阈值化方法进行分析,比较各种方法的基本思想,优缺点及使用范围,终提出选择迭代分割方法得到图像佳阈值将图像二值化.实验结果表明,针对不同的缺陷均能得到轮廓清晰的分割效果,为缺陷特征参数的提取和识别的实现打下坚实的基础.
-
医学图像在临床中的应用及医学图像数据库的检索技术
分别论述了医学图像及其在临床中的应用,基于内容的图像检索技术的发展和医学图像库管理、应用等问题,对其中涉及的技术进行了探讨和概括.
-
一种基于多门限二进制编码的多光谱图像分类新方法
不同类型的地物具有不同的反射光谱,在多维光谱空间中构成不同的特征向量,这便是遥感多光谱图象分析与识别的物理依据.传统方法中有基于单个象元波段亮度的、空间纹理的、变换空间的多光谱图象特征提取与分析方法,但这些方法并没有直接描述地物的本质特征--反射光谱曲线,从上个世纪80年代开始,当二进制编码的方法提出并在多光谱匹配识别中获得成功应用后,多光谱图象分析处理便可以在这种特征提取的基础上,研究新的方法.本文提出一种基于光谱形状描述的多门限的二进制编码分类方法,并给出了图象实验的结果.
-
基于SURF特征的目标跟踪
本文利用SURF特征进行目标跟踪,通过匹配模板图像和视频序列中各个运动对象的SURF特征确定目标位置.文中用于目标匹配的特征是图像中的局部性特征,具有尺度不变性和旋转不变性,对缩放、小视角改变、噪声、亮度变化具有很好的适应性.实验表明该方法是一种简洁有效的目标跟踪识别方法.
-
基于BP神经网络的结核杆菌目标识别
结核杆茵的有效识别是实现结核杆菌显微图像自动分析的关键.论文针对萋尔一尼尔逊方法染色的显微图像,对结核杆菌的提取和识别进行研究.算法首先基于形态学top-hat变换对图像进行增强并进行阈值分割,然后对结核杆菌进行特征分析,定义并提取了包括颜色、形状和边界不规则性等在内的10个特征,后运用BP神经网络进行识别.实验结果表明,该方法能够有效检测并识别结核杆菌.选取1 200个目标进行七折交叉验证,识别准确率达到98%.
-
混频对多尺度特征提取方法分析fMRI数据的影响
目的 探讨混频对多尺度特征提取(MFE)方法分析fMRI数据的影响.方法 分别在去除和不去除混频条件下用MFE分析模拟数据及听觉fMRI试验数据,并与由SPM8软件运行的广义线性模型(GLM)方法的结果进行比较.结果 MFE在去除和不去除混频两种条件下的特异度均与GLM相同,但MFE不去除混频时的灵敏度优于去除混频时的灵敏度,后者又优于GLM.结论 在使用相关分析检测激活的条件下,混频不影响MFE的特异度,但去除混频降低其灵敏度.
-
基于卷积神经网络检测肺结节
目的 针对目前基于胸部CT图像的肺结节自动检测方法的检出率较低且存在大量假阳性的问题,提出一种基于卷积神经网络的肺结节检测方法.方法 采用基于模糊建模思想和迭代相对模糊连接度(IRFC)算法的自动解剖识别(AAR)方法分割肺部CT图像,提取肺部实体部分;将分割后的图像输入卷积神经网络,提取肺结节特征;采用位置敏感特征图表达结节的位置信息.结果 使用天池医疗AI大赛数据集,精准分割肺部CT图像,检测肺结节的准确率、敏感度、特异度和假阳性率分别为95.60％、95.24％、95.97％和4.03％.结论 基于卷积神经网络检测肺结节有较高的精度和效率,且鲁棒性好.
-
基于离散小波变换的fMRI数据特征提取
目的 设计一种灵敏度高且处理速度快的fMRI数据小波分析方法.方法 先用离散小波变换和频谱分析确定有用信号存在的小波分解尺度,也即特征尺度;再对实验数据进行离散小波分解,重构时将非特征尺度里的小波系数设置为0;再以相关分析对小波重构信号进行激活检测.结果 对视觉数据的分析结果显示,新方法的灵敏度与基于平稳小波变换、SPM2方法相当,而优于基于提升小波变换的方法;新方法的处理速度与基于提升小波变换的方法相当,但较平稳小波变换方法有较大提高.结论 本文为fMRI数据提供了一种更为灵敏且快速的小波分析方法,更为实用.
-
MR脑肿瘤图像分割与矩特征研究
目的 对MR脑肿瘤图像进行分割,并对分割的结果进行矩描述.方法 在分析当前常用的医学图像分割方法的基础上,提出一种基于形变模型的医学图像分割方法,并给出了相应的理论算法模型和实现步骤,后用Visual C++6.0编程,并对MR脑肿瘤图像进行分割实验.结果 本文分割方法分割边界清晰,总体不确定性较小.结论 本文分割方法切实可行,分割效果较好,为进一步的MR脑肿瘤图像分析和研究提供了一种有效工具.
-
基于灰度共生矩阵的脂肪肝B超图像特征提取
目的为脂肪肝病变的诊断提供一种定量分析的手段.方法本文针对实际采集的肝脏B超图像进行了研究,采用灰度共生矩阵法对肝脏B超图像进行了特征提取,对各个特征参数进行了计算和分析.结果与结论图像的处理分析结果表明正常肝与脂肪肝的能量、熵、反差分矩有着显著的差异,对于区分图像有很强的描述能力.
-
超声弹性成像的研究进展
超声组织定征是近年来超声研究的热点,弹性成像(elastography)是其中一个重要分支.弹性成像是提取组织的弹性特征并进行成像的一种新技术,主要通过应用超声、核磁共振、CT等不同影像技术对组织进行激励,提取与组织弹性有关的参数,并通过图像反映出来,所得到的图像称为弹性图(elastogram),其中,用超声对组织弹性参数成像的方法又称为声弹性成像(sonoelastography) [1].本文对应用超声技术对组织弹性特征提取和成像方面的进展综述如下.
-
肺癌放射组学研究进展
目的 传统影像学在肺癌早期诊断、病情评估、疗效评价方面处于主导地位,但具有主观性和半定量等缺点.新兴放射组学能够挖掘大量客观且量化的影像特征,并建立肺癌诊断预测模型、基因表型模型和疗效评价模型等一系列临床应用模型,有望成为肺癌精准医疗的重要方法.本文总结放射组学在肺癌各个方面研究进展.方法 应用PubMed、万方及CNKI数据库检索系统,以“肺癌,放射组学”或者“肺癌,影像组学”为关键词,检索2003-11-01-2017-05-30的相关文献.纳入标准:(1)放射组学在肺癌诊断中的研究进展;(2)放射组学在肺癌分期及转移方面的研究进展;(3)放射组学在肺癌疗效评价中的研究进展;(4)放射组学对肺癌基因表型的预测.根据标准共纳入分析40篇文献.结果 放射组学作为一种新兴的研究方法,初主要用于评估肺癌放疗效果,然后逐步在肺癌的鉴别诊断、分期、转移评估、疗效判断及基因突变预测等方面展开探索,而且取得了一定的成果.大量研究证实,联合放射组学特征评估肺癌患者可达到更精准的预测效果,促进实现精准医疗及个体化医疗.结论 放射组学在肺癌中具有良好的研究前景和临床应用价值.
