医学图像处理的特点和热点问题.pptVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
医学图像处理的特点和热点问题

医学图像处理的特点 与热点问题 陈 武 凡 南方医科大学医学图像处理重点实验室 遥感图像处理 — 应用面窄 医学图像处理 — 应用面宽 高度复杂的成像机制 综合深厚的数学基础 精确实用的高新技术 重大需求的应用前景 生理评判的模糊性 信息生成的随机性 物理求解的病态性 面对应用的实时性 关于成像重建算法现研究热点集中在PET 、锥形束螺旋CT 、与MR等方面 关于CT超短扫描成像 国际上Fan-beam成像算法不适用于感兴趣区域成像,本研究基于Cone-beam成像的PI line思想,提出了Fan-beam超短扫描自适应快速成像新算法。 应用这一思想,现正开展Cone-beam 3D快速成像算法研究。 Fan-beam超短扫描自适应快速成像新算法 MR平移运动伪影消除 EF和IIC在信噪比和运行时间上的对比 T2加权PROPELLER方法 的运动伪影消除效果 T1加权PROPELLER采样数据 的优化重建 T1加权图像中的运动伪影表现 T1加权PROPELLER采样数据 的优化重建 应用于医学图像配准的两相全局优化算法 应用于医学图像配准的两相全局优化算法 基于多框架重叠的模糊相似性测度的刚性配准算法 FS与MI配准方法的误配率比较 东软数字化医疗系统有限股份公司正研制的CT-PET设备将采用该技术 脑部MR图像的分割算法比较 DDC分割结果: (a)原图像 (b)FCM (c)GFCM (d)MMS (e)PIXON (f)DDC 算法分割结果 左心室内壁时序追踪 左心室内外壁三维显示 左心室容量-时间曲线 算法分割结果和专家人工分割误差比较 主要问题 医学序列图像的帧内冗余与帧间冗余度很大,失去一些无关细节不影响诊断,但迄今医学图像的有损压缩没有一个公认的标准。 相应对策 要提出新的有损标准及算法,实现高压缩比下的高信噪比优质解码图像。 工作基础 本项目提出了基于小波四叉树的嵌入式编码技术,其中包括预测与分裂两项新技术,在有损压缩达10倍以上情况下,信噪比在30个dB以上,不丢失诊断细节(经影像专家评估)。 主要问题 医学序列图像,在远程传输中受码流率限制,难以实时批量浏览,妨碍了远程临床诊治的进行。 相应对策 由医生勾画ROI(Region of Interest),将ROI和背景分割,对ROI采用完全无失真的无损压缩,而对背景采用高压缩比的有损压缩。 建 议 基础研究重视原创 应用研究重视技术 深度层面兼顾并重 项目策划重视临床 原始图像 整体压缩比64倍的 ROI压缩 64倍压缩比 SPIHT算法 感兴趣区域 脑组织 64倍压缩比下,解码图像的视觉效果比较 42.3 45.2 41.7 0.5bpp/16 36.5 38.3 34.6 0.2bpp/40 33.7 34.0 30.5 0.1bpp/80 30.5 30.8 27.1 0.05bpp/160 ROI SPIHT EZW 算法 压缩比 不同算法在相同压缩比下的PSNR比较 谢 谢 配准前 配准后 表 16组配准试验的结果对比 31.25% 25% 37.7% 准确率 (参考算法) 5 2 3 配准正确数量 (参考算法) 93.75% 87.5% 100% 准确率 (本文算法) 15 7 8 配准正确数量 (本文算法) 16 8 8 试验样本数量 总和 MR图像 CT图像 本文算法为利用两阶段优化算法的图像配准算法; 参考算法为基于B样条的弹性配准算法 (a)配准前CT图像 (b)配准前MR图像 (c)配准前重叠图像 (d)配准后重叠图像 16% 36% PET-CT 22% 5% FS 44% 20% MI PET-MR CT-MR 方法 实验采用美国Vanderbilt大学Retrospective Registration Evaluation Project(RREP)项目组提供的国际通用刚性配准图像数据,评估方式采用配准获得的结果与项目组已有的金标准进行比较。 利用PCA变换分别将当量子午面调整到水平位置 试验数据取自Biomedical Imaging Resource医学图像库 (/Mayo) 基于当量子午面的三维医学图像快速配准算法 Fig.4. MR slices of a brain. Top row: the MR-T1 transverse slices, 24, 28, and 32, respectively. Middle row: the corresponding registered MR-T2 slices. Bo

文档评论(0)

jgx3536 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:6111134150000003

1亿VIP精品文档

相关文档