简介：编码超声发射技术已在高端超声成像仪中使用,其中线性调频信号是常用的编码信号。由于通过超声系统的回波会有较大衰减,接收信号通常比较微弱,并且带有强噪声,影响成像质量。分数阶Fourier变换应用在编码超声信号处理中,可以有效提高成像质量。本研究提出一种新的成像方法,先对回波信号进行分数阶Fourier变换,再经带通滤波器滤除大部分噪声,然后通过匹配滤波器处理,最后成像。该方法同时融合了信号在时域和频域的信息,并可以进一步降低发射功率。仿真结果表明,这种方法相对于传统的成像方法可以进一步增强系统的抗干扰能力,提高信噪比,从而改善超声成像质量。

简介：利用脑-计算机接口这种新颖的人-机交互模式构建一种脑控拼写装置，其主要问题是实时、准确地从头皮电极记录到的脑电背景信号中提取视觉诱发电位，以决定用户选择按键。由于在一个短时程内可以认为自发脑电是平稳的，利用靶刺激出现前记录到的非靶刺激信号计算自回归模型参数，构造一个白化滤波器，再将实时信号通过白化滤波器滤波，使自发脑电得以白化，然后采用小波分析方法滤除白噪信号。结果表明靶刺激信号更加突出，提高了后续模式分类的正确率。采用模拟自然阅读诱发模式使短时信号的平稳性得到了保障，利用白化滤波器去除自发脑电是可行的。

简介：研究分离高刺激率诱发的听觉诱发电位（AEP）暂态成分的方法。根据前期提出的维纳滤波技术,结合高阶反应的数学模型,提出一种长期记忆的迭代计算方案,在无需信号先验知识的条件下逼近一个稳定的AEP估计。将该方法应用于仿真数据和真实数据进行检验,其效果接近理想条件下维纳滤波的理论解。结果表明该方法可在缺乏信号先验知识的条件下,得到一个接近于理论真实值的AEP估计,为在高刺激率下还原AEP提供了一定的启示。

简介：对肿瘤样本进行准确的分型识别是有效治疗肿瘤的前提。首先，利用方差滤波方法选择肿瘤表达谱中具有最大方差的部分基因作为识别特征集，然后，利用支持向量聚类对肿瘤表达谱进行分型识别。针对多类型样本情况和支持向量聚类中出现的孤立点聚类问题，分别提出了有效的解决办法。对两个肿瘤表达谱数据的测试结果显示，基于支持向量聚类的方法能够准确地对肿瘤样本进行分型识别，同时能够自动发现肿瘤样本真实的亚型数量。

简介：为了在超声波图像中提取颈动脉斑块边缘,我们提出了一种基于GVF-测地线模型的图像分割算法。由于超声波图像含有大量噪声,首先使用加权均值空间平滑滤波器对图像进行预处理;再人工画出初始轮廓,分别采用GVF-Snake模型、GVF-测地线模型和改进后的GVF-测地线模型对图像进行分割,比较其结果。实验结果表明,改进后的方法分割精度很高,能够在颈动脉斑块边缘提取中取得非常好的效果。

简介：利用边缘检测算子和数学形态学方法提取医学图像轮廓，采用主轴矩法配准两幅图像的轮廓，使其达到粗略配准的目的。通常的互信息测度是基于香农熵的，因为香农熵对于局部极值具有很强吸引域，而某些参数下的雷尼熵可以消除局部极值，将两种测度分别用于精配过程中不同的搜索阶段。首先利用全局搜索算法，寻找基于雷尼熵的归一化互信息测度的全局最优初值，再通过局部优化算法对当前的最优解寻找基于香农熵的更精确的全局最优解。实验表明，这种配准算法是有效的。

简介：提出一种基于Sobel算子和数学形态学相结合的改进算法,用于尿液试纸条图像的边缘检测。首先采用Sobel算子对预处理后的尿液试纸条进行边缘检测,得到粗略的边缘图像;然后采用双结构多尺度形态学算子精准检测。根据图像特点,使用形态学算子时,将膨胀运算和开运算进行加权求和,有效地克服了图像的双边缘现象;最后使用顶帽底帽联合运算以增强图像边缘。实验表明,本研究提出的改进算法信噪比可达到8.6471,边缘连续性指标可达到0.9212,实现了尿液试纸条图像边缘的准确定位和清晰成像。

简介：针对医学图像处理和三维医学图像可视化,系统总结了目前边缘检测技术,归纳了各种边缘检测算法.

简介：本研究利用吲哚菁绿(indocyaninegreen,ICG)对胂瘤进行标记,通过改进的拉普拉斯金字塔算法对非顶层图像的肿瘤细节进行增强,同时去除顶层图像的非肿瘤信息,从而达到强化与区分肿瘤信息的目的;利用图形处理单元(graphicsprocessingunit,GPU)技术将融合算法进行并行化处理,可以有效提高本研究算法的运算速度,实时显示多光谱融合图像。相对于传统成像方式,本研究提供的成像方法可以实时获取更为全面的胂瘤信息,提高了胂瘤检测的准确性,从而帮助外科医生更好地实施胂瘤切除手术。关键词:图像融合;并行计算;多光谱;拉普拉斯金字塔;多尺度变换

简介：胸痛三联征在临床上有相似的胸痛症状,误诊率居高,其确切病因尚不十分明确。针对经典支持向量机不适用于胸痛三联征此类非平衡数据集分类的缺点,本研究结合径向基核函数、布谷鸟算法以及支持向量机,提出一种基于布谷鸟算法优化支持向量机的分类识别模型,用于胸痛三联征的分类诊断。在收集到的735例有效样本数据集上,采用Java程序抽取平衡数据集。实验结果显示,基于平衡数据集,该模型的平均正确率为80.667%;基于非平衡数据集,其平均正确率为97.767%,相比经典支持向量机、粒子群算法-支持向量机、遗传算法-支持向量机均有不同程度的提高。因此,本研究模型对胸痛三联征的分类诊断具有一定的参考价值。

简介：基于互信息的全局配准算法是近年图像配准研究的热点之一,此法具有精度高、鲁棒性强的特点.现将互信息作为相似性测度,采用模拟退火与鲍威尔相结合的多分辨率搜索优化策略,对临床使用的三维CT、MR图像进行了刚体配准.实验结果表明此方法能有效地防止优化陷入局部极值,具有良好的实用性.