心脏磁共振成像(cardiac magnetic resonance,CMR)过程中患者误动、异常幅度的呼吸运动、心律失常会造成CMR图像质量下降,为解决现有的CMR图像增强网络需要人为制作配对数据,且图像增强后部分组织纹理细节丢失的问题,提出了基于空频域...心脏磁共振成像(cardiac magnetic resonance,CMR)过程中患者误动、异常幅度的呼吸运动、心律失常会造成CMR图像质量下降,为解决现有的CMR图像增强网络需要人为制作配对数据,且图像增强后部分组织纹理细节丢失的问题,提出了基于空频域特征学习的循环一致性生成对抗网络(cycle-consistent generative adversavial network based on spatial-frequency domain feature learning,SFFL-CycleGAN).研究结果表明,该网络无须人为制作配对数据集,增强后的CMR图像组织纹理细节丰富,在结构相似度(structural similarity,SSIM)和峰值信噪比(peak signal to noise ratio,PSNR)等方面均优于现有的配对训练网络以及原始的CycleGAN网络,图像增强效果好,有效助力病情诊断.展开更多
针对无边缘主动轮廓模型(Active contours without edges,C-V)难以分割灰度分布不均匀的甲状腺超声图像,本文提出结合局部信息改进的C-V超声图像分割模型。该方法根据局部信息具有不受灰度分布影响的拟合特性,利用图像局部拟合信息构造...针对无边缘主动轮廓模型(Active contours without edges,C-V)难以分割灰度分布不均匀的甲状腺超声图像,本文提出结合局部信息改进的C-V超声图像分割模型。该方法根据局部信息具有不受灰度分布影响的拟合特性,利用图像局部拟合信息构造一种新的速度函数,使速度函数依据图像局部灰度变化控制曲线的演化速率;然后将该速度函数引入到C-V模型中,具有全局分割能力。实验结果表明,本文方法可以实现对灰度分布不均匀的甲状腺肿瘤超声图像的准确分割,且分割效率也有所提高。展开更多
文摘心脏磁共振成像(cardiac magnetic resonance,CMR)过程中患者误动、异常幅度的呼吸运动、心律失常会造成CMR图像质量下降,为解决现有的CMR图像增强网络需要人为制作配对数据,且图像增强后部分组织纹理细节丢失的问题,提出了基于空频域特征学习的循环一致性生成对抗网络(cycle-consistent generative adversavial network based on spatial-frequency domain feature learning,SFFL-CycleGAN).研究结果表明,该网络无须人为制作配对数据集,增强后的CMR图像组织纹理细节丰富,在结构相似度(structural similarity,SSIM)和峰值信噪比(peak signal to noise ratio,PSNR)等方面均优于现有的配对训练网络以及原始的CycleGAN网络,图像增强效果好,有效助力病情诊断.
文摘针对无边缘主动轮廓模型(Active contours without edges,C-V)难以分割灰度分布不均匀的甲状腺超声图像,本文提出结合局部信息改进的C-V超声图像分割模型。该方法根据局部信息具有不受灰度分布影响的拟合特性,利用图像局部拟合信息构造一种新的速度函数,使速度函数依据图像局部灰度变化控制曲线的演化速率;然后将该速度函数引入到C-V模型中,具有全局分割能力。实验结果表明,本文方法可以实现对灰度分布不均匀的甲状腺肿瘤超声图像的准确分割,且分割效率也有所提高。
