首页 > 文献资料
-
基于小波变换的多分辨率医学图像融合
多模医学图像融合在医学图像分析和诊断上具有极为重要的应用价值.本文采用了基于小波变换的多分辨率分析对人脑MRI-PET图像进行了融合.结果表明此方法能够充分有效地将解剖信息与功能信息集成在一起,并保留原始图像的边缘和纹理特征,具有广阔的应用前景.
-
结合小波分解和径向基神经网络进行事件相关电位的单次提取
从单次实验记录中提取事件相关电位,无论在临床诊断上还是在大脑高级功能的研究中都起着重要的作用.介绍了一种将小波多分辨率分解和重建与径向基神经网络结合起来进行事件相关电位单次提取的方法.它基于事件相关电位主要是低频信号的事实,发挥径向基神经网络对连续函数的逼近能力,从信号的小波分解系数中提取出与低频响应相关的成分,构造了一种新的时频域滤波的方法,实验表明本方法较好地从单次记录中提取出了事件相关电位.
-
利用多分辨率分析的胸部X线数字图像粗糙集滤波增强
研究采用一种分辨率分析的胸部X线双能量分离数字图像,实现粗糙集滤波增强的新算法.该方法在用多分辨率分析处理图像的基础上,根据粗糙集理论的条件属性,将每个尺度获得的图像均采用粗糙集处理算法划分为不同的子图像,然后对各个子图像分别作区域滤波和对比度增强处理,后合成一幅高清晰度的新图像.从结果中可看出,采用这种方法处理后得到的图像效果较为理想,能给临床上的医学工作者提供较清晰的图像,同时也为后续的计算机辅助诊断提供有效的依据.
-
基于多分辨率分析的心电图QRS波检测
从多分辨率分析出发,构造出一个用于心电图R波检测的滤波器,并在此滤波器的基础上提出了一种新的R波检测算法.本文详细论述了滤波器的构造方法和新的R波检测算法的原理及在实现中采用的一些策略,经MIT-BIH标准心律失常数据库验证,该算法对于各种干扰尤其是肌电干扰具有很强的抑制能力.算法实现简单,计算量小,在ECG信号的脱机和实时处理程序中均可使用.
-
基于小波变换和似然无偏估计的胃阻抗信号处理研究
目的:介绍一种基于小波变换和似然无偏估计的胃阻抗信号分析去噪的方法.方法:首先经过多分辨分析将信号进行分离,然后应用Stein似然无偏估计对胃阻抗信号进行自适应软阈值去噪处理.结果:实验结果表明,该方法能够有效滤除由呼吸、血流阻抗等因素造成的干扰.结论:小波分析技术为进一步研究胃动力信号的参数分析提供了新途径.
关键词： 小波变换 胃阻抗 多分辨率分析 Stein似然无偏估计 -
小波域Wiener滤波方法及其在功能磁共振成像中的应用
目的:探讨基于多分辨率分析理论的小波域Wiener滤波方法,并观察其在功能磁共振数据分析中的降噪效果.方法:①小波域Wiener滤波方法介绍:时间域高分辨率功能磁共振图像常常带有大量噪声,并且其分布是不确定的,基于多分辨率分析理论的小波域Wiener滤波将不确定分布的一般噪声转换到小波域相互正交的不同尺度空间上,使其在同一尺度空间上为互不相关的附加高斯分布.应用小波削弱算法Wiener滤波分别在不同尺度空间上进行降噪,同时对同一尺度空间信号使用了稳健中位数法进行估计.②应用该方法分别对模拟数据(一方波加上随机噪声,主要是模拟实际的功能磁共振方波)和真实数据进行分析及处理.结果:①模拟数据去噪前、后信噪比分别为68.987,78.529,表明降噪后信噪比明显提高;加噪声的混合数据、经小波处理后的数据与未加噪声的原数据很接近,附加的噪声得到了明显的抑制.②真实数据计算结果表明,经小波域Wiener滤波降噪以后,提高了数据的信噪比,从而能够更有效地提取信号,有助于识别新的有效激活区或排除伪激活区.结论:在功能磁共振数据分析中应用小波域Wiener滤波方法降噪是有效的.
-
基于数学形态学的多分辨率医学图像融合技术
多模医学图像融合在医学图像分析和诊断上具有极为重要的应用价值.采用基于数学形态学的多分辨率分析对人脑图像CT、MRl图像序列进行了融合研究.结果表明此方法能够充分有效地将两种不同模式的信息集成在一起,为临床诊断提供更加有效的信息,具有广阔的应用前景.
-
基于多分辨率分析的心室晚电位神经网络检测
采用多分辨率分析和人工神经网络相结合的方法实现对心室晚电位的检测.首先利用多分辨率分解技术提取高分辨率心电信号不同频带的能量构成一组特征值,再利用这些特征值训练BP神经网络,并完成对心室晚电位的识别.经过对28例3导高分辨率心电图实验数据的处理,取得了较高的识别准确率.
-
精神分裂症患者脑电信号中眼电伪迹自动去除方法
目的 探讨精神分裂症患者额叶脑电信号中眼电伪迹自动去除的佳方法.方法 利用基于3种小波基(db4、sym4、bior2.4)小波包变换,分别对精神分裂症患者额叶脑电信号进行4层小波包分解,获取多尺度小波包系数,对第4层含有眼电伪迹的小波包系数进行自适应阈值处理,处理后重建脑电信号,去除眼电伪迹,并通过功率谱分析对其进行评价.结果 基于3种小波基的处理算法均能很好地去除脑电信号中的眼电伪迹,其中db4小波基处理方法能更好地保留脑电信号成分.结论 采用小波包变换自适应阈值方法不仅能有效去除脑电信号中低频段的眼电伪迹干扰,而且能有效保留脑电信号的有用成分,特别是高频段脑电信号.
-
基于小波变换的吞水音信号分析算法的研究
目的:吞水音信号的处理和特征提取.方法:本论文利用小波阈值算法对吞水音信号进行处理;并且通过带通滤波,利用小波变换的多分辨率分析对信号进行分析.结果:通过信号处理前后对比和分析,小波变换对吞水音信号的处理是有效的:并提出用咽部到贲门后音节的时间代替吞程来作为诊断的一个参数.结论:吞水音的分析在贲门癌的诊断中具有重要价值,利用小波变换,可以有效地对信号进行处理和分析,有助于贲门癌的诊断.
-
基于多分辨率分析的心率变异性分析
目的:心率变异性蕴藏了大量有关心血管调节的信息,可作为定量反映自主神经功能及其对心血管的调控作用和反映心脏活动正常与否的重要指标之一.因此,主要研究了几种常用的心率变异性分析方法.方法:本论文应用多分辨率分析方法对HRV信号进行6尺度分解,计算小波系数的能量及其在各频段的分布,对cd3～cd6频段的能量进行分析比较.结果:充血性心衰患者各频段能量均值比正常人都要低,能量分别主要集中在高频段和低频段的偏低频部分,且两组的能量差异更为明显,与频域分析结果相比更为精确.结论:要得到带有普遍规律的实验结果,需要对不同的分析方法进行不断地改进和优化,并进行大量的研究工作.
-
医学图像的多进制小波分解
主要介绍了多进制小波基本理论并分析了其变换特征,对医学图像做了八进制小波分解,它在医学图像处理中会有更大的应用前景.
-
基于多分辨分析量子跃迁神经网络的心电图智能检测研究
为了提高心电信号的正确检测效率,本文在BP神经网络模型基础上,引入多量子能级传递函数,使产生的量子跃迁神经网络具有更有效的学习和泛化能力,克服了经典BP网络在心电图模糊分类方面的局限性,使网络输出"跃变"跳出特征空间不确定区域而"坍缩"到确定区域,提高了心电信号正确检测效率.并且本文为了进一步优化网络,利用具有多分辨特性的小波变换对心电信号进行预处理,减少了网络神经元选取个数,优化网络,提高了收敛速度,实验结果验证了理论的可行性.
-
基于小波变换的R波检测算法
介绍了一种将小波变换应用于ECG信号检测R波的算法.该算法主要是在离散小波变换和多分辨率分析原理的基础上,利用db1小波特有的时频域特性,运用Mallat快速算法对心电信号进行了3层小波分解,分别在2、3层小波分解的高频系数中选择一定的阈值作为R波的判定条件,实现R波检测.通过对MIT/BIH(Massachusetts Institute of Technology /Boston's Beth Israel Hospital)心电数据库的R波检测,结果表明,该检测算法即使在噪声干扰和病态的情况下,也很容易实现对R波的准确检测和精确定位,具有相当高的定位精度,R波正确检测率高达到99.8%.
-
基于小波分析的胃电信号处理
目的：体表胃电图（EGG）是研究胃动力学特性和功能性胃疾病诊断的重要依据,而从人体直接采集的胃电信号都含有干扰成分,不能直接应用于临床诊断。将小波分析运用到胃电信号的处理中,对信号进行去噪、重构等实验,用此方法对胃电信号进行处理。方法：以矩阵实验室（MATLAB）为工具,利用小波变换的多分辨率特性,将含有噪声的胃电信号进行多尺度分解,得到不同频带的子带信号,对含有干扰频率的子带信号进行去除,选择与胃电信号频率为相关的子带进行重构。结果：此方法取得了较理想的胃电图。结论：小波分析是一种简单有效的信号处理方法,使EGG在临床诊断中更具有实际意义。
-
基于多小波的医学图像阈值分割算法研究
图像分割技术是医学图像处理和分析中的关键技术.本文通过构造一个正交多小波,把图像在尺度空间展开,对不同分辨级下的小波系数采用不同阈值进行分割处理.应用自动和交互相结合的分割方法,通过对目标区域图像特征进行分析,交互确定目标区域的大致灰度范围.在综合考虑图像的边缘和区域的基础上,确定精确的阈值,将目标组织从背景中分割出来.通过对计算机断层扫描医学图像进行分割处理和对比实验,得到的图像清晰度明显提高,证明该方法不仅能得剑较清晰的感兴趣区域,而且还能获得较清晰的边缘特征.
