期刊文献+
共找到7篇文章
< 1 >
每页显示 20 50 100
生成对抗网络的血管内超声图像超分辨率重建 被引量:7
1
作者 吴洋洋 杨丰 +1 位作者 黄靖 刘娅琴 《南方医科大学学报》 CAS CSCD 北大核心 2019年第1期82-87,共6页
针对超声图像分辨率低导致视觉效果差的问题,本文以超分辨率重建为基础,结合生成对抗网络的方法,生成相对原图更加清晰的血管内超声图像,用于辅助医生诊断与治疗。本方法应用生成对抗网络,生成器生成图像,判别器判断图像真伪。其过程:... 针对超声图像分辨率低导致视觉效果差的问题,本文以超分辨率重建为基础,结合生成对抗网络的方法,生成相对原图更加清晰的血管内超声图像,用于辅助医生诊断与治疗。本方法应用生成对抗网络,生成器生成图像,判别器判断图像真伪。其过程:低分辨率图像经过亚像素卷积层r2个特征通道,产生尺寸大小相同的r2个特征图,对每个特征图中相对应的同一像素重新排列成一个r×r的子块,其对应高分辨率图像中的某一个子块,经过放大,产生r2倍的高分辨率图像。生成对抗网络经过不断优化,获得更优质清晰的图像。将本方法(SRGAN)得出的结果与双立方插值(Bicubic)、超分辨率卷积网络(SRCNN)和亚像素卷积网络(ESPCN)等方法比较,其峰值信噪比(PSNR)和结构相似性(SSIM)分别提高2.369dB和1.79%。因此,我们得知:结合生成对抗网络的图像超分辨率重建能获得很好的血管内超声图像诊断视觉效果。 展开更多
关键词 血管内超声 超分辨率重建 生成对抗网络 亚像素卷积层
在线阅读 下载PDF
基于图像融合的去掌纹手掌静脉图像增强方法 被引量:9
2
作者 袁玲 黄靖 +1 位作者 刘娅琴 杨丰 《科学技术与工程》 北大核心 2016年第36期48-54,共7页
针对手掌静脉识别系统中预处理算法不能够很好地解决掌纹造成静脉网络"断裂",导致识别性能降低的问题,通过对手掌静脉图像的观察和分析,提出8个方向滤波器提取掌纹;并将掌纹提取图像与原掌脉图像加权融合,消除了掌纹对手掌静... 针对手掌静脉识别系统中预处理算法不能够很好地解决掌纹造成静脉网络"断裂",导致识别性能降低的问题,通过对手掌静脉图像的观察和分析,提出8个方向滤波器提取掌纹;并将掌纹提取图像与原掌脉图像加权融合,消除了掌纹对手掌静脉图像的干扰,使静脉网络更加连贯,增大了静脉与背景的对比度。实验结果表明,与目前已有的手掌静脉增强方法相比,去掌纹增强方法提高了图像质量,进而提高了手掌静脉识别系统的识别精度。 展开更多
关键词 图像增强 掌纹提取 图像融合 去掌纹
在线阅读 下载PDF
用于图像分割的多分类高斯混合模型和基于邻域信息的高斯混合模型 被引量:14
3
作者 柴五一 杨丰 +1 位作者 袁绍锋 黄靖 《计算机科学》 CSCD 北大核心 2018年第11期272-277,287,共7页
高斯混合模型是一种简单有效且被广泛使用的图像分割工具。然而,传统的高斯混合模型在混合成分个数确定时的拟合结果不够精确;此外,由于没有考虑像素间的空间关系,导致分割结果易受噪声干扰,且分割精度不高。为弥补传统高斯混合模型的缺... 高斯混合模型是一种简单有效且被广泛使用的图像分割工具。然而,传统的高斯混合模型在混合成分个数确定时的拟合结果不够精确;此外,由于没有考虑像素间的空间关系,导致分割结果易受噪声干扰,且分割精度不高。为弥补传统高斯混合模型的缺陷,文中提出多分类高斯混合模型和基于邻域信息的高斯混合模型用于图像分割。多分类高斯混合模型对传统混合模型进行二重分解:传统混合模型由M个分布加权混合得到,多分类混合模型进一步将M个分布中的每一个分布分解成R个分布。即多分类高斯混合模型由M个高斯分布混合组成,而这M个分布分别由R个不同的分布混合得到,提高了模型的拟合精度。基于邻域信息的高斯混合模型通过对模型中的先验概率和后验概率添加空间信息约束,增强了像素间的信息关联和抗噪性。采用结构相似性、误分率和峰值信噪比等指标来评价分割结果。通过实验发现:与现有的混合模型分割方法相比,文中方法大幅提高了分割精度,且有效地抑制了噪声干扰。 展开更多
关键词 高斯混合模型 邻域信息 多分类 图像分割
在线阅读 下载PDF
运动配准先验图像的4D-CBCT优质重建 被引量:3
4
作者 陈美玲 黄毅 +2 位作者 陈武凡 陈歆 张华 《南方医科大学学报》 CAS CSCD 北大核心 2019年第2期201-206,共6页
四维锥束CT(4D-CBCT)成像可以为图像引导放射治疗提供精确的实时呼吸运动定位信息,如何提高4D-CBCT重建图像的精确度是目前研究的热点,压缩感知方法(PICCS)算法在基于压缩感知(CS)理论的所有4D-CBCT重建算法中表现上佳,本文提出的改进... 四维锥束CT(4D-CBCT)成像可以为图像引导放射治疗提供精确的实时呼吸运动定位信息,如何提高4D-CBCT重建图像的精确度是目前研究的热点,压缩感知方法(PICCS)算法在基于压缩感知(CS)理论的所有4D-CBCT重建算法中表现上佳,本文提出的改进先验图像的PICCS算法在传统PICCS算法基础上针对先验图像进行改进,按照每一个相位的位置信息构建其对应的先验图像,消除了投影数据不匹配所导致的重建图像运动模糊的现象,实验结果展示了文章方法相比传统的PICCS重建结果组织边界更加清晰,运动伪影减少,图像分辨率提高。 展开更多
关键词 四维锥束CT 运动伪影 先验图像 PICCS算法
在线阅读 下载PDF
投影数据校正对数字乳腺层析成像质量的影响 被引量:5
5
作者 张忻宇 张华 +5 位作者 边兆英 曾栋 何基 田秀梅 马建华 黄静 《南方医科大学学报》 CAS CSCD 北大核心 2017年第3期323-329,共7页
目的研究数字乳腺层析成像(DBT)投影数据采集过程中的探测器性能因素对重建图像质量的影响。方法参照传统探测器的投影数据校正方式,结合DBT成像过程特有的数据采集模式,对探测器采集的投影数据进行暗场校正、光场及其增益校正等。而后... 目的研究数字乳腺层析成像(DBT)投影数据采集过程中的探测器性能因素对重建图像质量的影响。方法参照传统探测器的投影数据校正方式,结合DBT成像过程特有的数据采集模式,对探测器采集的投影数据进行暗场校正、光场及其增益校正等。而后,利用基于全广义变分正则化项的PWLS迭代重建算法进行DBT图像重建。结果乳腺仿真物理体模数据的实验结果表明,相对于未校正的投影数据,本文校正方法对由光子数分布不均造成的投影数据足跟效应进行了有效抑制。重建图像结果显示,校正后投影数据的重建图像中低对比度结构的显像得到提升。结论投影数据暗场校正、光场及其增益校正过程用于DBT图像重建可提高图像质量。 展开更多
关键词 数字乳腺层析成像 投影数据校正 PWLS-TGV算法
在线阅读 下载PDF
腓肠肌羽状角的超声自动测量 被引量:2
6
作者 潘庆亚 陈朝宏 +3 位作者 王青 黄庆华 陈武凡 冯前进 《南方医科大学学报》 CAS CSCD 北大核心 2015年第8期1116-1121,共6页
目的本文提出腓肠肌羽状角的一种基于超声射频信号的互相关自动测量方法。方法本文采集正常人体腓肠肌与仿真腓肠肌体模的超声射频信号,重建超声图像,确定肌束的搜索起始点,采用互相关算法自动跟踪肌束膜和肌腱膜,绘出肌束线和肌腱膜线... 目的本文提出腓肠肌羽状角的一种基于超声射频信号的互相关自动测量方法。方法本文采集正常人体腓肠肌与仿真腓肠肌体模的超声射频信号,重建超声图像,确定肌束的搜索起始点,采用互相关算法自动跟踪肌束膜和肌腱膜,绘出肌束线和肌腱膜线,计算两线之夹角,即为腓肠肌羽状角,并检验自动与手动两种测量方法的可重复性及一致性。结果利用互相关自动测量方法可准确测量出体膜中仿真肌束羽状角,其测量值的均值与理论值之间的差异小于1°。利用互相关自动测量方法与手动测量方法获得的正常人体腓肠肌羽状角分别为20.48°±0.47°与21.49°±1.79°,两种方法的变异系数CV值均小于3%,均方根误差均小于1°。Bland-Altman差值法分析结果表明两种方法的一致性良好。结论本文所提出的腓肠肌羽状角自动测量方法是基于超声射频信号的互相关算法,其测量结果与手动测量结果基本一致,在较严重的噪声情况下仍可跟踪腓肠肌的肌束走向,自动测量腓肠肌的羽状角。 展开更多
关键词 腓肠肌 羽状角 超声射频信号 互相关算法
在线阅读 下载PDF
血管内超声斑点的概率模型建立及应用 被引量:1
7
作者 柴五一 杨丰 +2 位作者 袁绍锋 梁淑君 黄靖 《南方医科大学学报》 CAS CSCD 北大核心 2017年第11期1476-1483,共8页
超声斑点是由人体组织中散射体的反射信号相干作用所形成的,其概率分布与生物组织的结构信息密切相关,即不同的组织结构所产生斑点的概率分布形式不同。根据血管内超声(IVUS)斑点的概率分布特性,本文提出用斑点的伽马混合模型和高斯混... 超声斑点是由人体组织中散射体的反射信号相干作用所形成的,其概率分布与生物组织的结构信息密切相关,即不同的组织结构所产生斑点的概率分布形式不同。根据血管内超声(IVUS)斑点的概率分布特性,本文提出用斑点的伽马混合模型和高斯混合模型分别描述血管内超声组织中的钙化斑块、软斑块和正常血管区域。通过KS检验,KL散度和相关系数等指标分析,发现钙化斑块和正常血管区域的斑点概率分布符合高斯混合模型,而软斑块更接近伽马混合模型。在此研究基础上,本文提出一种结合邻域信息的概率混合模型,用于IVUS图像斑块分割,与现有的概率混合模型比较,分割精度大大地提高,且受噪声影响减少。 展开更多
关键词 斑点 血管内超声 斑块 混合模型 邻域信息
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部