医学图像

摘要： 肺结节作为肺癌早期诊断的重要特征,对其识别和类型判断具有重要意义.目前使用迁移学习的识别算法存在着源数据集与目标数据集差距过大问题,对于肺结节特征提取不足,导致效果不佳.故此提出了基于卷积神经网络的改进神经网络模型.将预训练的GooLeNet Inception V3网络与设计的特征融合层结合,提高网络对特征的提取能力;为确定最佳组合方式,对各组以准确率为标准进行测试.实验在LUNA16肺结节数据集上进行.进行分组测试结果表明,改进的网络准确率达88.80％,敏感度达87.15％.在识别准确率和敏感性指标上,与GooLeNet Inception V3算法相比,分别提高了2.72,2.19个百分点.在不同数据集比例下进行实验,同样达到了更优的效果,具有更好的泛化能力.可以给临床诊断提供相对客观的指标依据.

摘要： 针对目前医学图像融合领域中,融合图像存在细节信息不够清晰及信息丢失的问题,提出一种基于非下采样剪切波变换(NSST)与引导滤波相结合的医学图像融合算法。首先,对已经过严格配准的两幅医学源图像进行NSST,得到各自的低频子带与高频子带。其次,低频子带采用基于引导滤波的加权平均的融合方法,高频子带采用平均梯度、区域能量指导加权系数的融合规则。最后,将低频子带和高频子带进行非下采样剪切波反变换,从而得到最后的融合图像。最终的实验结果表明:与文中所提到的几种融合算法相比,该算法不仅在多项评价指标中表现更佳,而且也有较好的视觉效果。

摘要： 本文介绍了基于深度学习的“医学影像智能分割系统”的开发与实现,本系统将基于深度学习的语义分割方法与影像相结合对病灶区域进行分割,影像科医生使用本系统时只需上传待分割图片,便可获得相应的分割结果,本系统的开发旨在提高医生的诊断效率和正确率。

摘要： 针对传统手工方法优化卷积神经网络(CNN)参数时存在耗时长、不准确,以及参数设置影响算法性能等问题,提出一种基于教与学优化(TLBO)的可变卷积自编码器(CAE)算法。该算法设计了可变长度的个体编码策略,从而快速构建CAE结构,并堆叠CAE为一个CNN;此外,充分利用优秀个体的结构信息来引导算法朝着更有希望的区域搜索,从而提高算法性能。实验结果表明,所提算法在解决医学图像分类问题时,分类精度达到89.84%,高于传统CNN和同类型神经网络。该算法通过优化CAE结构和堆叠CNN解决医学图像分类问题,有效提高了医学图像分类性能。

摘要： 计算机断层成像(computed tomography,CT)中,胰腺分割作为医学图像分析中最具挑战的任务之一,由于其体积小、形状多变的特点,导致传统的自动分割方法无法达到理想的分割精度.利用高级语义特征指导低级特征的思想,提出一种基于双解码U型卷积神经网络的单阶段胰腺分割模型.模型由一个编码器和两个解码器构成,两个解码器利用不同编码深度的特征将低级空间信息与高级语义信息有效结合,加强分割网络对特征信息的高效利用,能够对未裁剪、未降低分辨率的CT切片实现高精确度的分割.实验结果表明,方法能够在全尺寸的输入下实现较好的分割性能,在公开胰腺数据集上的分割效果优于现有单阶段胰腺分割方法.

摘要： 针对卷积神经网络分类准确率不够高的问题,本文提出多卷积神经网络融合算法用于医学图像分类。首先在训练集上优化ResNet和DenseNet网络,再采用加权平均方法对ResNet和DenseNet的预测结果进行融合。在ISIC2017和COVID19两个数据集上的实验结果表明,本文提出的方法相比于VGGNet、ResNet、DenseNet等单卷积神经网络,具有更高的分类准确率和稳定性。

摘要： 近年来,随着计算机辅助诊断系统和远程医疗在医学中的快速发展,数字图像处理非常关键。图像的边缘涵盖了大部分的图像信息,医学图像边缘检测是进行后续图像处理的基础。因此,研究医学图像边缘检测具有重要实际意义。基于医学图像成像过程中光源单一以及探测手段的影响,会导致图像噪声分布不均一,往往夹杂多种不同噪声,本文针对医学图像的特性提出了一种改进的形态学算法,包含以下三种优势。第一,自适应权重赋值。对于多方向结构元素,本文算法根据边缘马氏灰度距离自适应赋值各个方向的权重;对于多尺度多形状结构元素,根据信息熵自适应赋值各个结构元素的权重。第二,改进的形态学算子。基于现有算子检测边缘锯齿状、抗噪效果不显著的缺点,本文算法中提出了一种新型抗噪形态学算子。第三,应用于混合噪声彩色医学图像边缘检测。基于现今形态学常应用于灰度图像,为了验证本文算法的鲁棒性,将本文算法应用于四种混合噪声彩色图像进行边缘检测,检测效果良好。最后本文通过视觉直观分析和客观评价指标验证了本文算法均好于其它算法。实验结果表明本文算法提取到的图像边缘完整且清晰,对多种不同混合噪声的抑制和消除也有明显的优势,在医学图像研究中具有很好的应用价值。

摘要： 针对传统医学图像对缺乏标注的数据进行自动分割时存在分割精度不高、边缘模糊等问题,提出了一种利用混合神经网络对脑部核磁共振成像(magnetic resonance imaging,MRI)的图像进行语义分割的算法。利用仿射网络对脑部MRI图像进行线性几何变换,基于卷积神经网络进行3D医学图像仿射变换,加入稠密模块减轻梯度消失和加强特征传递问题;通过空间转换网络对脑部MRI进行空间转换,基于图谱的分割法获得脑部图像的分割结果。采用MICCAI的公共数据集BraTs2019进行实验验证,结果表明,算法可由脑部肿瘤MRI图像获得较好的分割精度和分割效率,为脑部MRI图像语义分割的研究提供一种新的实验方案。

摘要： 生成对抗网络(generative adversarial network,GAN)作为深度学习下无监督学习的典型方法,使用深度学习的计算机辅助诊断系统目前已经覆盖病灶检测、病理诊断、放疗规划和术后预测等各临床阶段,在医学图像领域取得了许多显著的成果。首先介绍了医学图像领域存在的基本问题,并简单介绍了生成对抗网络模型的基本含义和对抗过程。其次总结了基于生成对抗网络模型的方法在低剂量CT降噪、脑肿瘤分割、视网膜和神经元图像合成以及欠采样MR图像重建等方面的一些应用。最后给出了生成对抗网络模型的不足和未来研究方向。

摘要： 随着现代医疗影像的数字化存储与传输等新技术的逐步改进与完善,数字化医疗影像在临床疾病的诊断与治疗等相关科学研究方面当中的应用越来越多,由此带来的一系列安全事故问题也受到了广泛的关注。通过采用Logistics混沌置乱以及离散余弦变换分别实现医学图像的水印预处理和水印图像的嵌入以及提取,并将猫脸变换加入进预处理中,再对图像进行仿真试验并进行相关性分析,观察在遭受白噪声、压缩、高斯滤低通波攻击后提取出的水印图像及相关系数。

摘要： 该项目旨在利用图像特征提取技术、人工神经网络算法，进行分类预测肝纤维化程度和肝脏肿瘤分期。通过远程传递图像异地终端服务器处理模式，技术人员为基层医院提供肝脏医学图像深度处理服务，使得基层医院在现有硬件设备基础上，获得更高清晰度和辨认率的医学图像，从而有效提高肝病的初诊率。

摘要： 随着医疗大数据的快速增长,医学图像的查询吸引了研究者越来越多的关注.然而利用传统的基于内容的医学图像检索方法,查询图像需要和数据库中的所有图像进行逐张匹配才能得到查询结果,这导致图像的查询耗时较长、处理的效率较低.针对此本文实现了一种基于关联图模型的医学图像查询处理系统.此系统通过构建一个带有模糊度量的关联图模型,只需对查询图像和数据库中的一张图像进行一次匹配,采取更新策略就能得到查询图像与数据库中所有图像的相似度范围,从而实现并展示了医学图像的高效Top-k查询过程.本系统清晰地展示医学图像的top-k查询处理过程,达到辅助医生进行诊断的目的.

摘要： 对医学图像的分析和挖掘前需要进行复杂的预处理操作.当处理大量数据时,繁重的预处理任务极大影响了工作效率.因此,本文针对大规模的医学图像,提出了一种自动化预处理系统ApMed,对来自医院的脑CT扫描DICOM文件进行自动的颅骨去除、对称结构校准以及特征提取.本文还提出了一种纹理图像评价函数用于对纹理化效果进行打分,从而使系统能够得到优化的纹理特征提取结果.最后,ApMed将预处理结果进行存储和可视化.

摘要： 大多数现存的鲁棒数字水印算法通常是在明文图像中进行水印的嵌入和提取,这样容易暴露图像信息,并存在水印遭受恶意攻击的风险.为此,可以考虑在密文域下进行水印的嵌入和提取.然而,在密文域下对水印进行嵌入和提取操作时,如何保证水印的鲁棒性又是一个不得不考虑的重点难题.鉴于此,本文提出了一种基于离散傅里叶变换(DFT)和Logistic混沌序列的鲁棒零水印算法,使得水印信息、以及原始图像的安全性都能得到较好的保障.首先,在DFT密文域下将水印以及原始医学图像加密;其次,对加密后的医学图像进行DFT变换,提取加密图像的特征向量;在水印的嵌入和提取过程中,使用零水印技术来保证医学图像的完整性;实验结果显示,对于水印的常规攻击(高斯噪声、JPEG压缩、中值滤波等)和几何攻击(旋转、缩放、平移等),本文提出的密文域水印算法具有较好的鲁棒性.

摘要： 近年来可视化一直是数据挖掘领域的研究热点之一,其在医学研究领域也有广泛应用,通过对大量临床数据的可视分析与挖掘,可以辅助医生进行诊断.在针对大量医疗数据进行挖掘分析的可视化应用中,对于原始数据的可视化和结果的可视化已经做得比较完善,而对于分析过程的可视化还并不成熟,其主要仍是对算法流程的简单可视化,缺乏一定的交互,对于用户来讲仍然是一个"黑盒".所以本文基于交互模型,设计了一种针对具有对称性质的二维医学图像的多阶段分类可视化系统.本系统通过简单人机交互与实时图表、图像以及动画的展示对整个分类过程进行了可视化,并且系统在可视化过程中采用了简化交互策略,随着处理图像的增加,将会简化特征提取的人机交互过程,从而减少了训练及分类时间.本文介绍了相关概念、系统架构、分类算法和可视化技术及其实现.

摘要： 目的：给出当前医学图像伪彩色处理的一般方法和处理原理,并指出各种方法的优缺点.方法：在研究伪彩色调整原理的基础上,对密度分层、灰度级-彩色变换、互补色伪彩色编码、基于梯度、基于感知颜色空间和基于直方图的HSI空间伪彩色编码等方法进行了比较、分析和讨论.结果：HSI空间的基于输入图像直方图的伪彩色变换方法,对于不同输入图像对应不同的直方图,因而此方法具有一定的自适应性,应用优于其它方法.结论：医学图像伪彩色能把轮廓的粗细、光滑、锐化、模糊、连续、分布等区域关系显示出来,伪彩色处理方法的正确选择有利于医生对疾病精确和快速的诊断.

摘要： 随着医学图像三维重建技术的不断发展，三维重建技术已在外科手术、放射治疗、远程医疗、医学教学等方面有了广泛的应用，医生可以根据需要，重点三维显示可能的病变区域细节，大大提高了诊断准确率。现有的医学图像三维重建算法基本可以满足三维立体化的要求，并得以广泛应用。但是现有算法生成的像素点、表面多边形等图形学绘制元素，在仿真模拟时还需要提取元素中的几何信息来进行重构。同时，由于元素的数据量比较大，超过了高速仿真计算设备的处理能力。无论是采用面绘制的移动立方体算法还是采用体绘制的光线投影算法，绘制时间都比较长，比如移动立方体算法在绘制等值面的过程中需要对每一个体素计算其与等值面的交点，以此产生大量的三角面片，然后形成等值面，这也就造成了算法效率的低下。因此，在以后的工作中，需要在绘制效率方面作进一步的研究。对医学三维图像重建算法进行适当简化，将面绘制、体绘制与计算机图像处理技术相结合，取长补短，相得益彰，才能突破传统三维医学图像重构算法的制约。为此可以对体数据集合的数目和提取方法进行改进，修改投影数据的数目和子集的排列顺序加快收敛速度，构造自适应的绘制方法。对于表面较光滑区域，相邻子集尽可能分离以减少投影间的相关性，缩减投影数目，重建低频部分信窟;对于梯度较大区域，可以缩短采样间距，进行数据加密，重建高频部分信息。此方法预计能在有效控制误差的同时，克服面绘制信息丢失和体绘制运算量大的缺点，使得重建后的三维医学图像充分接近模拟仿真的人体病态器官。

摘要： GPU就是专门为图形而诞生的处理器，它拥有自己独特的存储结构和数据存取方式。其高度并行的计算能力以及与CPU相比价格方面的合理性使得GPU在医学图像三维重建方面有很大的用武之地，目前基于GPU的体绘制算法能很好地提高重建的速度和质量以及在实现实时渲染方面也有很好效果。但是与此同时由于体绘制光线投影绘制算法具有生成图像质量高计算量大的特点，即使采用了高性能的GPU进行硬件加速优化，但在体数据规模较大时仍难以取得较好的实时性，所以后期还需要各种软件加速的方法去优化性能，在加速方法的选择以及传递函数的设计方面都有待进一步的研究。

摘要： 随着计算机技术的飞速发展,医学图像处理已成为医学信息中发展最快的领域之一.临床医生可以通过医学图象处理,得到更为直接、更准确和清晰的病变体,从而提高了确诊率.本文从技术方面出发,对图像分割、图像融合和图像识别等医学图像处理技术进行了综述和分析.在医学领域中,图像分割是一直未解决的经典难题,本文从应用的角度出发,论述了医学图像处理中图像分割的几种算法,并简要介绍了每种算法的特点及应用.在图像融合算法和图像识别中,本文简要介绍了几种主流的算法,并对计算机视觉中的卷积神经网络进行介绍和分析.

摘要： 由于人体内部组织密度差异性不大,医用CT图像大都具有灰度上的模糊性和不均匀性,传统的边缘检测算子会产生较多的伪边缘和噪声点.本文提出一种基于小波变换系数模极大值方法的边缘检测算法:首先对图像进行多尺度小波变换得到各个尺度上的高频分量,计算梯度模值和幅角,再通过非极大值抑制和阈值处理得到各尺度上的边缘图像,最后对它们进行融合得到最终检测结果.实验结果表明,本文算法噪声抑制能力好,定位精度较高,能够较好地检测出真实边缘,视觉效果与普拉特品质因数(FOM)均显著优于经典算法.

摘要： 本发明涉及医学图像处理装置、医学图像处理方法和医学图像设备。医学图像处理装置包括选择单元、估计单元以及追踪单元。选择单元在包含心肌的多个图像按时间排列的图像组中选择不同时间相位的多个图像。估计单元估计多个图像之间的心肌的活动。追踪单元根据心肌的活动来设定在图像组中心肌的追踪的搜索范围并进行追踪。

摘要： 目的：为了使得图像诊断的工作流程流水线化，所述工作流程包括放射医师和请求医生之间的协作，而不会给放射医师或请求医生带来额外的工作负担。构成：关键字提取部(22)从与输入图像数据有关的图像观察报告中提取解剖结构和/或与疾病有关的信息。显示协议确定部(24)通过基于所提取的解剖结构和/或与疾病有关的信息从在显示协议表(23)中存储的显示协议中选择显示协议来确定显示协议。基于所确定的显示协议来显示显示用医学图像。

摘要： 本发明实施例提出了一种医学图像处理方法，应用于医学X线影像设备，该方法包括：当成像装置通过正式曝光获得一幅图像时，将该幅图像的图像数据划分为至少两个图像数据块并缓存；传输装置从所述成像装置依次读取各个图像数据块，每读取到一个图像数据块就将该图像数据块传输到图像处理和显示设备；图像处理和显示设备每当接收到一个图像数据块就对该图像数据块进行后处理；图像处理和显示设备每当对一个图像数据块进行完后处理，就显示该经过后处理的图像数据块所对应的图像。本发明实施例还提出了相应的医学图像处理装置、医学X线影像设备和存储介质，可以提高医学图像的处理效率。

摘要： 本发明实施例提出了一种医学图像处理方法，该方法包括：利用图像边缘检测及直线检测算法获得一医学图像中分布的至少一条代表遮光器边界的图像的分割线；针对每条分割线，对该分割线内外两侧的图像数据进行分析以判断该分割线是否穿过解剖部位的图像，若判定该分割线穿过所述解剖部位的图像，则取消该分割线；从所述医学图像中分割掉剩余的各个分割线以外的图像。本发明实施例还提出了一种相应的图像处理装置、医学X线影像设备。采用本发明实施例，能改善医学图像的质量。

摘要： 本发明在荧光观察中生成可视性高的医学图像。根据本申请的医学图像生成装置(100)设置有获取单元(131)、计算单元(132)和生成单元(134)。获取单元(131)获取用预定波长的荧光捕获的第一医学图像和用与预定波长不同的波长的荧光捕获的第二医学图像。计算单元(132)计算表示包括在由获取单元(131)获取的第一医学图像和第二医学图像中的生物体的相应荧光模糊度的散射度。生成单元(134)基于由计算单元(132)计算的散射度中的至少一个来生成输出图像。

摘要： 本发明涉及医学图像处理装置、医学图像处理方法和医学图像设备。医学图像处理装置包括选择单元、估计单元以及追踪单元。选择单元在包含心肌的多个图像按时间排列的图像组中选择不同时间相位的多个图像。估计单元估计多个图像之间的心肌的活动。追踪单元根据心肌的活动来设定在图像组中心肌的追踪的搜索范围并进行追踪。

摘要： 为了使得图像诊断的工作流程流水线化，所述工作流程包括放射医师和请求医生之间的协作，而不会给放射医师或请求医生带来额外的工作负担。构成：关键字提取部(22)从与输入图像数据有关的图像观察报告中提取解剖结构和/或与疾病有关的信息。显示协议确定部(24)通过基于所提取的解剖结构和/或与疾病有关的信息从在显示协议表(23)中存储的显示协议中选择显示协议来确定显示协议。基于所确定的显示协议来显示显示用医学图像。

摘要： 本公开涉及一种医学图像处理设备、医学图像处理方法以及医学成像系统。该医学图像处理设备包括匹配单元和确定单元。匹配单元被配置为确定目标图像与参考图像集合中的参考图像的匹配结果。其中，通过目标图像的感兴趣区域和参考图像的对应子区域的匹配来确定匹配结果。确定单元被配置为基于匹配结果确定与目标图像相似度较高的一个或更多个参考图像。

摘要： 本发明实施例提出了一种医学图像处理方法，应用于医学X线影像设备，该方法包括：当成像装置通过正式曝光获得一幅图像时，将该幅图像的图像数据划分为至少两个图像数据块并缓存；传输装置从所述成像装置依次读取各个图像数据块，每读取到一个图像数据块就将该图像数据块传输到图像处理和显示设备；图像处理和显示设备每当接收到一个图像数据块就对该图像数据块进行后处理；图像处理和显示设备每当对一个图像数据块进行完后处理，就显示该经过后处理的图像数据块所对应的图像。本发明实施例还提出了相应的医学图像处理装置、医学X线影像设备和存储介质，可以提高医学图像的处理效率。

摘要： 本发明实施例提出了一种医学图像处理方法，该方法包括：利用图像边缘检测及直线检测算法获得一医学图像中分布的至少一条代表遮光器边界的图像的分割线；针对每条分割线，对该分割线内外两侧的图像数据进行分析以判断该分割线是否穿过解剖部位的图像，若判定该分割线穿过所述解剖部位的图像，则取消该分割线；从所述医学图像中分割掉剩余的各个分割线以外的图像。本发明实施例还提出了一种相应的图像处理装置、医学X线影像设备。采用本发明实施例，能改善医学图像的质量。