首页 > 文献资料
-
用Photo studio软件实现医学图像处理
常用医学图像主要包括:X光图像、超声图像、内窥镜图像这些图像都是亮度连续变化的模拟图像,对于一些低挡设备的这些图像,一般只能调节其亮度和对比度,其存储、复制、缩放、回放、传输等功能都不便实现,如果把这些图像的视频信号输入到电脑中,实现这些功能将变得十分简单.本人电脑的硬件配置为P200/4.3G/32M/24×CD,用Photo studio软件实现了医学图像处理,其方法介绍如下:
-
基于特征融合和相关反馈的医学图像检索技术
目的探索新型医学图像检索技术,以方便用户高效快速地查询到所需图像.方法在分别研究基于颜色聚类、颜色纹理和形状等单一特征医学图像检索算法的基础上,提出了基于特征融合和相关反馈的医学图像检索算法.结果通过对800幅标准临床内窥镜图像构成的数据库进行实验研究,分别给出了基于单一特征、特征融合以及相关反馈图像检索的查准率和查全率,并进行了比较分析.结论利用特征融合和相关反馈逐步求精的方法,实现了更有效、更快捷的医学图像检索能力.
-
FUJINON电子内窥镜图像特殊故障的分析与维修
1故障现象FUJINON EVEW-88A电子内窥镜图像框内为杂乱的彩色竖线,仔细观察竖线的背景似乎有微弱的图像.不连接镜子时出现的字符均正常,图像框内为干净的灰色.2分析与检修由于该故障是典型的CCD驱动断线故障,所以判断为内窥镜镜体故障.但更换一条在其他主机正常的内窥镜试机,故障依旧.
-
应用PCA和BP神经网络的医学彩色图像语义标注
目的:针对目前计算机辅助诊断的需要以及较难实现语义检索和较少涉及医学彩色图像分类的问题,设计医学内窥镜图像语义标注分类器.方法:基于C#/C++编程语言、Windows 7、.NET、Visual-Studio(VS2008)平台,通过CBIR特征提取,主成分分析(principal component analysis,PCA)降维处理,然后通过BP神经网络训练进行分类,开发应用分类器.结果:分类器对7类医学彩色内窥镜图像分类准确性达到80%,而训练时间只有几秒或几十毫秒.结论:主成分分析和BP神经网络的结合使用,克服了低级特征和高级语义间的语义鸿沟,降维处理大大减小了系统存储量,提高了训练速度,获得了更好的标注结果.