张祥松[1]2004年在《计算机数字图像处理技术在PET显像中的应用》文中提出第一部分PET显像叁维显示 一、脑PET显像表面遮盖法叁维显示技术的建立。 目的 建立可在PC机上运行的脑PET显像表面遮盖法(surface shaded display，SSD)叁维显示软件。 方法 在PC机上，对~(13)N-NH_3 PET和~(18)F-FDG脑显像原始叁维图像数据进行归一化数据转换，采用直方图法、最大值百分比法和对侧值百分比法等叁种方法选择合适的阈值，运用3D曲面构建算法生成等值面的顶点表和面表，着色处理采用Gouraud光滑明暗着色模型，消隐处理采用z缓冲技术。 结果 最终的脑PET显像表面遮盖法叁维显示程序具有灵活的交互式图形用户界面，生成的叁维脑图像直观、清晰地显示大脑、小脑皮层表面立体结构，空间立体感强，具有旋转、缩放、多个颜色表、多种图像格式存储或输出等功能。 结论 建立的SSD脑叁维显示技术可直观、整体反映大脑、小脑的皮层表面情况，有利于病灶定位和病灶范围的显示，但不能反映病变的严重程度，不能显示皮层下结构。 二、PET显像多层面容积重建显示技术的建立。 目的 建立可在PC机上运行的PET显像容积数据最大密度投影(maximum intensity projection，MIP)和平均密度投影(average intensity projection，AIP)多层面容积重建(multi-planar volume reconstruction，MPVR)显示计算机软件。 方法 在PC机上，对~(13)N-NH_3、~(18)F-脱氧葡萄糖(~(18)F-FDG)PET显像原始叁维容积数据，经过归一化数据转换、叁维几何和观察变换、透视变换等步骤，生成最大密度投影或平均密度投影图像，透视变换采用平行投影透视法。 结果 最终的PET显像叁维容积数据多层面容积重建显示计算机软件具有灵活的交互式图形用户界面，可在PC机上运行，可生成PET显像叁维容积数据多角度、多方位的MIP或AIP投影图像；在心脏、垂体、肾脏等器官动态~(13)N-NH_3或~(18)F-FDG PET显像，通过多角度、多方位投影图像可直观、整体显示血流灌注相靶器官及周围大血管和血池。
蒋宁一, 张弘[2]2007年在《计算机辅助诊断技术在PET显像诊断中的应用》文中认为近年来,随着现代高科技的发展,大量涌现的医学成像技术,诸如磁共振成像(MRI)、计算机X射线断层摄影(CT)、B超、彩色多普勒超声成像、核医学显像(SPECT、PET、PET/CT)、电子内镜等产生的医学图像,为医疗诊断提供了重要依据。
栗军涛[3]2013年在《基于PET/CT医学影像肺部肿瘤边界的研究》文中认为本文对PET/CT医学影像肺部肿瘤边界的数字勾画做了进一步研究,给出一种更精确和规范的勾画肿瘤边界的方法。首先,直接在存储PET/CT影像的DICOM文件格式下,进行算法研究,避免格式转化带来的数据精度丢失问题。其次,将包含整个肿瘤及浸润区域定义为肿瘤兴趣区,并将该区分为肿瘤异常区和肿瘤亚异常区,认为肿瘤的实际边界存在于亚异常区之中。再次,采用数据插值法,对肿瘤兴趣区的图像数据做插值运算,以增大肿瘤兴趣区像素数据的密度,增强肿瘤边界识别的精确度。最后,采用数值差分法,通过平均值对比来确定肿瘤的实际边界。本文基于PET/CT医学影像肺部肿瘤边界的研究创新之处：提出肿瘤亚异常区概念,直接DICOM文件格式下进行数据处理,采用插值法增强肿瘤边界识别精确度。仿真实验表明,本文对于肺部肿瘤边界的确定方法的研究,对精确和规范的构建肿瘤叁维放疗靶区,具有一定的应用价值。
马春香[4]2011年在《基于海思平台的智能视频车牌识别算法》文中研究指明作为未来监控发展的方向，智能视频技术不仅是一种图像数字监控分析技术，而且还是一种更为高端的数字视频网络监控应用，从而被行业称之为第四代视频监控技术，是视频监控领域最前沿的应用模式之一。基于海思平台的智能视频车牌识别技术，将车辆的行驶行为作为分析对象，通过自动辨别车辆行为、捕捉车辆图片为后端平台应用系统挖掘准确而有效的车辆行为管理原始数据，有效地规范车辆行驶秩序，并对违法行为进行自动取证。在现有的社会环境下，它具有优秀的应用潜力与广阔的应用空间。近年来，对智能视频车牌识别技术的研究已成为一个热点问题。论文首先分析智能视频监控算法的研究现状，重点选取了智能车牌识别算法作为研究方向。论述了智能车牌系统中的四个模块——车辆图像预处理、车牌区域定位、车牌字符分割与车牌字符识别；在华为Hi3515平台上设计并实现了车牌识别系统。为了提高系统的鲁棒性和环境适应性，本文在学习现有研究成果的基础上，仔细分析四个模块设计中的重点与难点，将数字图像处理的相关理论与实际应用情况相结合，提出相应的解决方案。在图像预处理模块设计中，本文阐述了车辆图像的增强技术，采用彩色图像灰度化、灰度拉伸、直方图均衡化、中值滤波、Roberts边缘检测和迭代阈值法的二值化等预处理算法。在车牌区域定位模块中，根据车牌区域灰度变化比较频繁，与实际拍摄车辆图像中车牌字符与图像背景灰度对比度较大的特点，提出了一种基于边缘梯度的窗口搜索车牌定位算法对车牌区域进行定位，利用车牌的投影特征与铆钉特征对定位出的车牌区域进行验证，在一定程度上提高了车牌区域定位的精确度，为后续的车牌字符分割与识别奠定了坚实的基础。在车牌的字符分割模块中，根据车牌字符的特征，采用了基于字符模板的分割算法对字符进行分割，并依据字符包络和字符二值图像垂直投影同时出现波谷的特点对粘连字符进行处理，有效地克服了车牌上下、左右边框及字符粘连等噪声的干扰，提高了分割质量，使此算法具有很好的鲁棒性。在车牌字符识别方面，参照目前的研究现状，本文采用了改进的BP神经网络技术，在提高了字符识别准确率的同时，又增强了系统的稳定性。本文中的算法已在Hi3515的视频监控平台上实现并运行成功。实验结果表明，整个系统的算法简单、复杂度低，具有较强的鲁棒性和环境适应性，在物联网安防、智能交通以及安防监控等领域具有实际的应用价值。
王佳琳[5]2008年在《2D-MAP自动分割方法研究》文中研究表明2D-MAP图像处理利用图像分割技术对探测器晶体获取的γ光子空间位置分布图像进行处理,确定发生闪烁事件的晶格位置,形成晶体位置图(CPM)。文章采用以下方法对2D-MAP图像进行分割。采用空域、频域相结合的基于图像滤波降噪预处理的改进分水岭分割算法对2D-MAP图像进行分割;利用2D-MAP图像空间位置分布的物理模型特点,采用基于数学形态学高帽低帽混合变换的改进分水岭分割算法;利用SOFM自组织特征映射神经网络,对2D-MAP图像进行像素样本数据的网络训练,通过网络权向量空间分布特点来反应晶体位置图的几何空间分布结构,实现2D-MAP图像分割聚类、晶体位置识别的功能;利用PNN概率神经网络,对每个晶体位置的闪烁事件采用高斯概率分布模型,通过最大后验概率准则来实现2D-MAP图像分割,确定晶体位置图(CPM);利用图像搜索算法,识别2D-MAP图像中探测到独立闪烁事件的亮斑分布区域,并通过区域灰度极值确定晶体位置图(CPM)中各个探测器晶体中心,并通过类别中心距离均匀划分晶体边界,实现图像分割。同时文章介绍PET数据传输硬件系统的设计实现,系统利用EPP并口协议进行并行数据的高速发送,通过时序握手信号控制数据的接收,并将其转换为包含地址和数据信息的串行信号,满足PET系统数据传输量大,传输速度高的要求,实现PC端对硬件电路板系统参数输入控制。
张莉[6]2006年在《医学图像融合及算法研究》文中研究表明医学图像融合是当代信息科学、计算机技术与医学影像科学相交叉的一个研究领域，它是医学图像处理学科的一个前沿性的研究热点。 图像融合技术包括以下几方面主要内容：图像配准、图像融合以及对融合图像进行质量评价。 医学图像融合处理及算法研究的核心任务是全面阐述医学图像融合领域所涉及的医学知识、物理概念、数学方法和计算机程序设计等思想，并在此基础上对医学图像融合处理中的算法进行效果评估和分析 本文简述了医学图像融合的发展现状及在临床上的应用价值，阐述了本文研究背景和意义。 进行了多种医学成像模式原理的研究，分析了多种医学模式图像特征以及进行融合的必要性。 阐述了医学图像配准基础理论，在此基础上对多模医学图像实现了最大互信息法配准。 阐述了医学图像融合涉及的各类算法的原理及特点，并采取多种算法对几种典型的医学成像融合模式进行了实验验证。 对实验得到的融合图像采用主客观评价指标进行评估，指出基于各种医学融合模式不同的图像特点的最优融合方法。 对全文的工作进行总结，指出有待进一步研究的问题。
杨裕华[7]2005年在《脑梗死前期MR脑灌注成像和弥散成像诊断的研究》文中研究指明目的:研究提高和提前对脑梗死前期的诊断水平,旨在减少脑梗死的发生。 方法:由于对比增强磁共振脑灌注成像(PWI)在脑缺血诊断中具有较为敏感的特点,用此技术及弥散加权(DWI)和常规MRI技术对18例脑缺血患者和20例非脑血管病患者进行脑梗死前期的对比分析、梗死前期分期和诊断方程的研究。 结果:在六种MRI成像技术中,仅有脑灌注成像可以检出脑梗死前期病例,余均不能检出。脑梗死前期分期特点为:Ⅰ_1期TTP轻度延长,Ⅰ_2期MTT延长,Ⅱ_1期CBF下降,Ⅱ_2期CBV下降。诊断回归方程:Y=-0.152+0.295X_1+0.332X_2+0.076X_3+0.187X_4-0.155X_5,其诊断阈值为0.36716。对367层图像所做得诊断符合率为77.38%。受试者工作特征曲线(ROC)显示曲线下面积为0.87。 结论:本研究表明:脑梗死前期的MRI成像(PWI)可有效地检出病例,并对其进行分期。PWI是目前比较理想的功能性磁共振检查方法。DWI不失为一个早期发现脑梗死的检查方法。磁共振血管成像(MRA)为脑灌注成像提供了参考图像。
陈大舵[8]2004年在《基于轮廓特征的头部医学图像的特征提取与对齐》文中认为现代科学技术在医学领域中的应用促进了医学技术的发展。特别是医学影像设备的逐步完善有效地促进了医疗诊断技术的进步。如何充分利用各种图像信息，提高利用医学图像诊断过程的精度一直是图像诊断技术研究的热点；而医学图像融合技术是图像诊断技术的前沿课题。医学图像的匹配与对齐是进行医学图像融合的前提和基础，也是进行图像融合的难点之一。本文分析了各种医学图像的成像原理及图像特点，了解现有图像处理的方法和水平，并从可行性、技术难度以及匹配的准确性等方面进行综合考虑，在此基础上针对头部医学图像的特征提取和图像对齐问题进行了研究。 本文首先设计了基于轮廓特征的特征点匹配方案，比较了常用边缘检测算子对头部CT图像的检测效果，分析各种算子的边缘检测特性并结合本文轮廓特征提取的具体要求，选用Robert算子对头部CT图像进行边缘检测。运用阈值处理将经Robert算子处理后的图像转化为黑白二值图像强化边缘特征。采用细化处理强化图像中的“骨架”特征。采用轮廓跟踪算法提取图像中的轮廓。并对轮廓跟踪算法进行改进，使用者可根据需要提取所感兴趣的轮廓特征。 在提取轮廓特征的基础上进一步完成了特征点提取、特征点之间对对应关系匹配，制定了采用局部特征点对头部图像进行对齐的方法。对奇异值分解法之所以可应用于头部图像对齐进行了数学上的证明。并用MATLAB对奇异值分解法变换参数求解过程进行了运算。 以上的研究成果对于图像的对齐提供了新的方法和思路。该方法简单易行，对于轮廓的提取和对齐具有较高的匹配精度，具有一定的学术价值。
李腊全[9]2018年在《基于变分法的PET/CT肿瘤分割算法研究》文中提出PET(Positron Emission Tomography)是一种分子水平功能成像技术,能描述病变组织与正常组织代谢功能上的差异。PET成像能有效检测人体组织的早期病变,已成为癌症早期诊断和治疗的重要工具。精确分割PET图像中的肿瘤区域对癌症治疗非常重要,它能确保在放疗过程中将放射剂量最大程度地作用于癌症组织,同时减少对周围正常组织和重要器官的伤害。然而,由于部分容积效应的影响,PET图像中的肿瘤边缘是模糊的,且PET图像具有高噪声和强度不均匀的特点,精确分割PET图像中的肿瘤区域非常困难。CT(Computed Tomography)是一种解剖成像技术,提供人体的组织结构信息,比PET成像的分辨率高,结合PET和CT图像的互补信息能提高肿瘤的分割精度。本文主要研究如何根据PET和CT图像的特性设计先进的肿瘤分割方法。PET图像的模糊特性和高噪声特性导致精确定位肿瘤边缘异常困难,考虑到图像复原和目标分割具有相互促进的关系,本文将全变分半盲解卷积方法和Mumford-Shah(MS)分割方法集成到一个变分框架中,设计了一个可以同时实现PET图像复原、肿瘤分割和模糊核估计的变分模型,并根据PET图像的特性,在变分模型中设计了自适应多重正则项,即在肿瘤边缘处使用具有边缘保护优势的全变差(Total Variation,TV)正则,在非边缘区域使用具有光滑性质的吉洪诺夫正则。CT成像比PET成像的空间分辨率高,融合CT图像信息能提高PET复原和肿瘤分割的精度,本文在上述同时实现PET复原和肿瘤分割模型的基础上,进一步设计了一个具有PET复原功能的PET/CT多模态肿瘤分割方法。该方法结合PET图像高对比度和CT图像高分辨率的优点,自适应地使用PET和CT图像的优势信息定位肿瘤边缘。CT图像结构比较复杂,肿瘤区域和正常软组织区域的图像强度相似,正常组织的边缘也会干扰肿瘤边缘定位,考虑到深度学习方法在处理复杂问题上的良好性能,本文进一步提出了基于深度学习及变分法的PET/CT多模态肿瘤分割方法。首先构造了一个叁维全卷积神经网络(Fully Convolutional Network,FCN),使用该网络从CT图像中提取肿瘤的概率信息;然后设计了一个模糊变分模型,该模型能自适应地融合从CT图像中提取的概率信息和PET图像的强度信息,通过优化该模型得到最终的肿瘤分割结果。虽然深度学习方法已在图像分割领域展现出明显优势,但它依赖于大量有精确标签的训练样本。在医学图像处理领域,很难获取足够的训练样本,并且样本标签的标注也耗时耗力,为了更广泛地利用深度学习网络处理医学图像分割问题,本文设计了一个基于PET肿瘤分割任务的损失函数,提出了一种基于叁维全卷积神经网络的无监督深度学习分割方法。使用设计的损失函数引导叁维全卷积神经网络的自学习过程,网络通过自学习达到稳定状态之后就能直接执行分割任务。最后,本文总结了PET及PET/CT图像分割中还需要解决的问题,以及今后的研究方向。
张倩[10]2013年在《PET/CT肺部成像过程中的衰减校正和分割方法的研究》文中研究说明正电子发射断层成像(Positron Emission Tomography,简称PET)是医学影像技术的重要组成部分。随着图像融合技术的发展,PET/CT成为了一种全新的影像学-解剖功能影像学。PET/CT早期诊断肿瘤等疾病时,在肿瘤早期尚未产生解剖结构变化前,即能发现隐匿的微小病灶。PET能够反映人体内新陈代谢情况,具有较高的特异性和灵敏度,因此PET数据和图像的准确程度,对于疾病的诊断和基本生命过程的认知与了解都至关重要。然而由于PET技术本身特点及重建图像的限制,造成PET图像分辨率和对比度不高,图像伪影严重,引起图像不均匀和失真现象,从而严重影响PET/CT成像的精确率和准确度。对PET图像定量精确率和准确度影响最为严重的一个因素是正电子发射过程中的组织衰减效应。组织衰减会给PET数据采集带来很大的影响,会造成伪影和局部组织的放射性分布不均等,使得数据信噪比以及重建图像的精度降低。为了获得被检测物物体内真实的放射性分布信息,在图像重建时必须进行组织衰减校正。传统的PET图像衰减校正采用透射扫描的方法,但是透射扫描数据的统计性不足,影响衰减校正的精度。PET/CT中CT图像也属于透射扫描,利用CT图像为PET数据的衰减校正提供了新的解决方案。本文的主要内容是设计了基于CT数据的PET/CT图像衰减校正仿真实验,该实验使用源自于真实人体数据的像素化体模NCAT(NURBs (Non Uniform rational B-Splines))-Based Cardiac Torso)数据作为被检测物体,通过GATE(Geant4Simulation Application for Tomographic Emission)开源软件包构造PET/CT扫描仿真平台,产生原始PET投影数据,在PET图像重建的过程中加入由CT衰减校正因子转化的PET衰减校正因子,完成PET图像的衰减校正。PET/CT成像后可以对PET图像和CT图像进行分割。分割后的PET和CT肺部图像可以用于定量分析和PET成像数据的体效应校正。针对医学图像复杂,包含信息量大的特点,本文提出了基于小波多尺度边缘检测和信息熵迭代阈值理论的PET/CT市部图像分割与提取方法。该方法分割和提取的PET/CT市部图像轮廓清晰,边缘定位准确。提取后的肺部图像不但可以用于定量分析,还能直接用于PET成像数据的呼吸运动伪影校正
参考文献：
[1]. 计算机数字图像处理技术在PET显像中的应用[D]. 张祥松. 中国协和医科大学. 2004
[2]. 计算机辅助诊断技术在PET显像诊断中的应用[J]. 蒋宁一, 张弘. 现代医学仪器与应用. 2007
[3]. 基于PET/CT医学影像肺部肿瘤边界的研究[D]. 栗军涛. 青岛大学. 2013
[4]. 基于海思平台的智能视频车牌识别算法[D]. 马春香. 杭州电子科技大学. 2011
[5]. 2D-MAP自动分割方法研究[D]. 王佳琳. 清华大学. 2008
[6]. 医学图像融合及算法研究[D]. 张莉. 南京理工大学. 2006
[7]. 脑梗死前期MR脑灌注成像和弥散成像诊断的研究[D]. 杨裕华. 山东中医药大学. 2005
[8]. 基于轮廓特征的头部医学图像的特征提取与对齐[D]. 陈大舵. 中南大学. 2004
[9]. 基于变分法的PET/CT肿瘤分割算法研究[D]. 李腊全. 华中科技大学. 2018
[10]. PET/CT肺部成像过程中的衰减校正和分割方法的研究[D]. 张倩. 昆明理工大学. 2013
标签：特种医学论文; 图像分割论文; 数字图像处理论文; 图像融合论文; 定位设计论文; 边缘提取论文; 数据融合论文; 算法论文;