医学图像处置的难点和问题.pptVIP

医学图像处置的难点和问题;遥感图像处理 — 应用面窄 医学图像处理 — 应用面宽;高度复杂成像机制 综合深厚数学基础 正确实用高新技术 重大需求应用前景;生理评判模糊性 信息生成随机性 物理求解病态性 面对应用实时性;四、医学图像处理关键问题 与我们工作;相关成像重建算法现研究热点集中在MR与PET成像, 而CT或螺旋CT等成像研究, 大多是针对具体问题（如乳房、心脏）提出某种特殊技术去处理, 不具普适性。;关键问题 采样密集度改变常造成图像退化。 对应对策 K-空间中任意重采样技术。 工作基础 因缺乏成像前数据, 我们未开展这类研究。;存在问题 图像分辨率低, 噪声大, 缺乏结构信息, 无法定位病灶。 对应对策 a.前处理: 基于小波包门限估量正则化抑噪技术。 b.后处理: 提出多种优化方法, 如正则化方法、最大似然法等滤噪。;已经有工作 a.前处理: 因为缺乏成像前数据, 我们未从事其研究 b. 后处理: 我们提出了正则化参数自适应修改模型与 迭代快速算法（ARCTLS）, 并从理论上首次证实了迭代解存在性与稳定性, 重建质量与速度均比国外最近同类算法（RCTLS）提升3倍以上。;自适应图像重建 ;信噪比与计算耗时比较;2、伪影校正; 工作基础 (1)前处理: 我们最新提出逆向迭代修正算法(IIC)对MR图像中仿真平移运动伪影处理,比美国最近算法(EF)信噪比提升约７个dB,计算速度提升一倍以上,且稳健性好 (2)后处理: 现在我们正想从统计学入手来展开这类研究。; a.模板原始图像 b.平移伪影图像 c.能量聚焦法修正结果 d.逆向迭代修正结果;MR平移运动伪影消除;EF和IIC在信噪比和运行时间上对比 ;3、图像配准; 工作基础 (1) 模糊弹性配准相同性测度方法正在研究中 (2) 我们提出医学图像刚性配准模糊相同性测度函数（FS）, 稳健性与计算精度显著优于目前同类研究（MI）, 配准精度提升2倍。; 试验采取美国Vanderbilt大学Retrospective Registration Evaluation Project（RREP）项目组提供国际通用刚性配准图像数据, 评定方法采取配准取得结果与项目组已经有金标准进行比较。;基于模糊边缘场CT与MR刚性配准;FS与MI配准方法误配率比较;4、目标分割;工作基础 我们提出广义模糊Gibbs分割算法（FGS）可自动获取最优分割效果, 且算法稳健性优于国外同类算法（ML与CGS）。 试验数据采取哈佛大学隶属医院提供在Internet 网上20幅正常脑部MR图像, 分割结果与其提供手动分割结果（即金标准）进行对比。;(a) 原始图像, (b) ML 分割结果, (c) CGS 分割结果, (d) FGS分割结果;脑部MR图像分割算法比较;5、运动估量;工作基础 最新提出广义模糊粒子滤波（GFPF）算法, 跟踪效果显著优于目前国际上最好Unscented PF（UPF）, 跟踪精度提升约一倍多。 试验数据由美国NIH心肺血液研究所提供, 对心脏图像处理结果与其公布手工勾画左心房内壁（即金标准）轮廓进行比较。;心脏ＣＴ序列图像左心房边缘（NIH金标准） ;跟踪结果误差对比 ;关键问题 医学序列图像帧内冗余与帧间冗余度很大, 失去部分无关细节不影响诊疗, 但迄今医学图像有损压缩没有一个公认标准。 对应对策 要提出新有损标准及算法, 实现高压缩比下高信噪比优质解码图像。;工作基础 提出了模糊聚类软分类问题最优分类测度与算法（OFC）, 自动实现优化分类, 且运算速度比国际通用算法（LBG）提升5~6倍。;(a) OFC (b) LBG CT_head 码本大小为980;试验结果与分析;基于模糊聚类优化序列图像分形压缩; ; ; ;广义模糊边缘检测对比图 （采取国际标准图像测试）;关键问题 医学MR图像因为图像采集过程中射频磁场非均匀性, 造成图像中灰度非均匀分布, 表现为图像中局部过亮与过暗, 掩盖了有效诊疗信息。 对应对策 要提出非均匀性校正后处理方法。;工作基础 提出了基于Gibbs随机场理论与EM算法MR图像非均匀性校正算法。;MR非均匀性矫正;9、血管重建; 模型出发, 建立3D血管网络数字化模型作为知识工程; 然后以患者2D（两个以上不一样方位）DSA图像为引导, 采取智能分析与优化路径搜寻策略来重建患者真3D环境。 工作基础 因为工程较大, 我们现正开始研究;谢 谢