首页 > 文献资料
-
超声图像熵特性的肌肉疲劳进程评估
肌肉疲劳是一种由运动引起的肌肉大随意收缩力减小的现象,处理不当,可能会产生严重的运动损伤.本研究利用自行设计的肌肉组织超声图像检测系统,以超声图像熵表征肌肉超声图像纹理灰度分布的空间特征,探讨肌肉组织疲劳过程中其超声图像熵的演变规律.采集10名受试者在不同负荷(20％ MVC、30％ MVC、40％MVC、50％ MVC)时肱二头肌的超声图像,分别就每一负荷下图像熵随时间的变化进行直线拟合,并对其斜率进行随机区组方差分析.结果表明,不同的受试者之间其肌肉疲劳图像熵随时间变化的斜率差异显著(P=0.000 0);同一受试者不同负荷的超声图像熵随疲劳时间变化斜率也存在显著差异(P =0.040 0).但是,同一受试者在不同负荷时超声图像熵随时间变化的拟合斜率的差异,远小于不同受试者在同一负荷水平拟合斜率值间的差异,提示个人的肌肉特性起到主要的作用.所进行的研究为肌肉疲劳进程的量化评估提供了依据.
-
改进的熵小方法用于MRI偏差场的校正
灰度不均匀性分布是磁共振成像中经常发生的一种病态混扰,它给医生读片诊断和磁共振图像(MRI)计算机自动化处理带来很大困难.针对偏差场平滑、渐变的特性,本研究提出了一种改进的基于图像信息熵小化的自动校正算法.该方法是一种全自动的无需先验知识的校正方法.在实验过程中,采用模糊C-均值聚类算法来提取反映偏差场变化趋势的同类特征点;通过二次曲面拟合特征点曲面的方法,提取初始化曲面参数;应用具有学习能力的粒子群寻优算法提高信息熵搜索的优化速度.后,在对Brain-Web数据库仿真MRI和实际采集到的MRI校正中,获得了更适合人眼观看的校正图片,为临床诊断提供了准确可信的图像数据.
关键词： 灰度偏差场 图像熵 模糊C-均值聚类算法 粒子群搜索算法 -
一种检测灭菌器B-D试纸的新方法
目的:降低灭菌器B-D测试假阴性风险,利用图像熵定量分析B-D试纸.方法:在合格的B-D试验中,随机取100锅次阴性B-D测试纸,转换为数字图像,利用MATLAB编程分别计算其图像熵值.结果:在实验的100份样本中,11份样本熵值处于5.8901～5.9502; 80份样本熵值处于5.9503～6.0120;9份样本熵值为6.0121～6.0222,其中有3份变色轻微不均匀.结论:图像平均熵值算法结合人工分析能更加精确地检测灭菌器B-D试验的结果.
-
建立反映心脏内部各腔室结构的数字化三维模型
背景：心脏内部各腔室精细结构的数字化三维模型，不仅能够加强对心脏生理的认识，还能为心脏电生理仿真与心内膜电生理标测导航的研究提供重要的基础医学数据。目的：建立符合心腔实际解剖结构的三维数据，建立反映心脏内部各腔室结构的数字化三维模型。方法：在 MATLAB软件环境下完成图像分割，首先对医学人体断层数据集中心脏切片图像进行自动配准，再运用聚类法根据图像的颜色特征对图像中各组织与成分进行分类，随后经区域生长法处理实现心腔及相关连通区域的图像分割与提取。所得图像导入专用医学图像处理软件，完成心腔三维模型重建。结果和结论：所提出的方法能够重建出较为精细的心腔结构三维模型。此模型中左右心房、心室结构明晰，能清楚地观察到主动脉、上腔静脉等血管，三尖瓣与二尖瓣等微细结构也有所体现。结果说明，重建的三维模型能够准确地反映出人体心腔解剖学结构特征，为心脏电生理方面的仿真和标测研究提供基础的医学数据支持。
-
基于改进密度峰值聚类的医学图像分割
目的 提高医学图像分割效果,弥补密度峰值聚类算法(density peaks clustering algorithm,DPC)截断距离(cut-off distance,dc)与聚类中心需要主观指定的不足.方法 提出一种果蝇算法优化密度峰值参数的医学图像分割算法,首先使用变量量化表示聚类中心个数,再使用随机步长取代果蝇算法中固定步长,避免陷入局部优;后,采用果蝇算法迭代计算图像熵值得到佳气味浓度值的方法优化选择截断距离和聚类中心,实现图像分割.结果 仿真实验表明本文算法能够自适应分割医学图像,定量和定性分析结果较好.结论 改进算法的分割效果优于DPC、K均值和仿射传播等典型聚类算法,且有较快的收敛性和良好的鲁棒性.
-
面向B超图像分割的动态权重因子水平集方法
目的：研究和改进水平集方法，实现B超图像中病灶区域的准确快速分割。方法分析已有水平集方法在B超图像处理中的局限，基于区域水平集的优点，将信息论中的熵引入图像处理，定义动态权重因子，准确反映局部灰度阶梯变化状况，定量度量轮廓线像素点分别受到趋向目标、背景区域的两种作用力的动态权重，将其融合到区域水平集中，迭代引导曲线形变和位移。由于B超图像病灶分割属于指定区域的局部分割，所以将计算约束到局部范围，从而明显降低运算代价。结果动态权重因子水平集方法能够较好分割B超图像中的病灶区域，与几种主流水平集方法相比，本文方法精度更高，时间复杂度更小。结论动态权重因子方法能够更合理准确地判断病灶边界像素点，局部计算策略有效地提高了分割效率。
-
一种自适应惯性权重粒子群算法在磁共振图像偏移场矫正中的应用
为解决用传统粒子群算法估计磁共振(MR)图像偏移场会陷入局部优的问题,本文提出了一种自适应权重粒子群算法估计MR图像的偏移场.针对传统粒子群算法的缺陷,设计一个衡量早熟收敛程度的指标,根据此指标来自适应地调整惯性权重,确保粒子群有效地进行全局寻优,避免陷入局部优.本文利用Legendre多项式来拟合偏移场,多项式参数利用本文提出的算法进行寻优,后对MR图像的偏移场进行估计和矫正.将本文算法与改进的熵小方法进行对比分析,本文矫正后图像熵值更小,对偏移场估计更准确,将矫正后的图像进行分割,分割精度提高将近10％.研究结果初步说明,本算法可应用于MR图像偏移场的矫正.
