搜索结果: 1-8 共查到“计算机科学技术 MRI”相关记录8条 . 查询时间(0.171 秒)
基于多尺度连接模型的脑MRI模糊分类
多尺度连接模型 模糊分类 偏场校正
2010/2/20
针对传统分割方法在分割数量上的限制，以及模糊聚类方法在层次优化上的不足，提出一种有效的基于多尺度连接模型的人脑磁共振图像模糊分类算法。对脑磁共振图像进行灰度不均匀性校正后，该方法通过非线性扩散连接模型引入尺度间的模糊约束，定义2个模糊距离，并应用到模糊聚类算法中，组合尺度间和尺度内的模糊约束，给出一个多分辨模糊聚类框架。实验结果表明了该算法的准确性和有效性。
基于图割的MRI脑部图像肿瘤提取方法
图割 Gomory-Hu割树 MRI脑部图像 肿瘤 提取
2010/4/2
针对当前医学图像特征提取仅从局部特征出发的问题，提出一种基于图割的脑部肿瘤提取方法。为克服图割仅适用于较少像素的图像和倾向于小割集的缺陷，对图像进行聚类以提高特征提取的准确度和速度，并构建聚类图的Gomory-Hu割树。按照割值的大小，依次去掉值较小的边提取出聚类图的子图，映射到原图像得到对应的子图像。将该方法应用到MRI脑部图像肿瘤提取中，实验结果表明，其能准确提取出MRI脑部图像中的肿瘤。
基于改进模糊聚类分析的医学脑部MRI图像分割
图像分割 脑部磁共振图像 模糊聚类
2009/11/3
结合MRI图像的直方图统计信息，提出了一种改进的快速FCM（HFKFCM）算法。算法首先利用多尺度窗口遍历的方法找到直方图的峰值点，然后将其作为模糊聚类的初始化中心，并使用基于统计信息的快速聚类方法进行遍历，以减少每次迭代的运算量。仿真结果表明，该算法相比于标准FCM算法和其他改进算法，在聚类有效性和模糊性上的分割效果显著提高。
基于特征提取的脑部MRI肿瘤自动分割
磁共振图像 AdaBoost方法
2009/3/20
对脑部磁共振图像中肿瘤的自动分割，有助于了解疾病特征和制定手术方案，评价治疗效果。该文通过提取基于灰度统计、对称性、纹理等的特征，结合AdaBoost方法，利用计算机进行自动脑肿瘤分割。该方法综合利用了磁共振(MR)各加权图像的信息和大脑解剖结构的知识，以及AdaBoost算法的特征选择能力。在20帧带有肿瘤的MR图像上进行实验，得到了96.82%的分类准确率。
基于椭圆约束分割心脏MRI图像的水平集模型
椭圆 水平集模型 心脏MRI图像
2009/3/18
针对左心室外轮廓类似椭圆的特点，提出了基于椭圆约束的水平集模型，该模型在Chan and Vese模型的基础上增加椭圆形状约束项，来控制曲线的演化，将水平集的演化曲线作为对轮廓新的位置预测，并用椭圆对预测结果进行修正，把预测结果和修正结果分别作为新的水平集曲线和椭圆信息，直到曲线停止演化。实验表明，该方法能够有效地分割心脏外轮廓。
基于改进的小波阈值技术MRI图像去噪
小波变换 小波系数 阈值去噪
2009/2/5
提出了一种改进的小波阈值处理的核磁共振成像（MRI）医学图像的去噪方法。结合图像的特点并利用小波系数的区域相关性，对小波阈值处理方法进行了改进，根据信号和噪声系数的不同分别处理，克服了传统小波变换不足。结果表明该方法在有效去除噪声的同时，较好保留了MRI图像的细节，有利于医学的诊断。
一种基于主动轮廓模型的MRI医学图像序列边缘提取算法
主动轮廓模型 MRI 边缘提取
2008/12/22
为了提取核共振成像图像序列的边缘，提出了一种改进主动轮廓模型的边缘提取算法。通过调整原始公式的一些参数使得该模型不但能精确地提取图像中的凸形物体的边缘，而且能够接近边缘的凹陷处；引入自适应改变大小的外部约束能量来增大外能的吸引范围，使控制点能够不依赖于初始轮廓而快速地收敛到目标的真实轮廓；结合匹配技术，提高边缘提取结果层间传递的精度。实验结果表明该算法仅需少量用户交互就能快速准确地从医学图像序列中...
基于提升小波MRI图像自适应阈值去噪算法
磁共振成像 图像去噪
2008/3/12
分析了小波的消失矩特性对图像重构误差的影响，提出了利用提升算法提高双正交小波消失矩的改进算法。通过提升算法对传统小波提高消失矩，改善了小波的性能，使小波具有更好的振荡性，能够更好地捕捉图像的细节，从而提高了重构信号的精确度。根据磁共振图像的特点及其噪声的分布特性，提出了一种对小波系数进行分块处理的阈值去噪方法。通过对分解后每个层次上的各高频系数矩阵分为多个子矩阵分别进行不同阈值的选取，实现在不同的...
