1) medical MIR images
![点击朗读](/dictall/images/read.gif)
医学MIR图像
1.
Detecting tumor in medical MIR images is a difficult task because of complexity in the image.
为了建立高效的肿瘤自动诊断系统,克服因医学MIR图像的复杂性带来的直接从图像中看出肿瘤及良、恶性质的困难,结合复杂网络社团划分的部分理论成果和K-mean聚类算法的思想,提出了基于加权复杂网络聚类的医学图像分类器。
2) medical image
![点击朗读](/dictall/images/read.gif)
医学图像
1.
Contourlet domain medical image fusion algorithm using chaos genetic algorithm;
![点击朗读](/dictall/images/read.gif)
基于混沌遗传算法和contourlet变换的医学图像融合
2.
Medical Image Compression based on Integer Wavelet Transform and Set Partitioned in Hierarchical;
基于整型小波变换和SPIHT的医学图像压缩
3.
The development and application of medical image three dimensional visualization;
![点击朗读](/dictall/images/read.gif)
医学图像三维可视化技术的发展与应用
3) medical images
![点击朗读](/dictall/images/read.gif)
医学图像
1.
Multi-band wavelet decomposition based on medical images;
![点击朗读](/dictall/images/read.gif)
医学图像的多进制小波分解
2.
Pseudocolor coding of medical images based on gradient;
![点击朗读](/dictall/images/read.gif)
基于梯度的医学图像伪彩色编码
3.
Study of effective and accelerated medial filtering method based on medical images;
![点击朗读](/dictall/images/read.gif)
基于医学图像的有效中值滤波算法研究
4) medical imaging
![点击朗读](/dictall/images/read.gif)
医学图像
1.
Image post-processing is a veryimportant part of modern medical imaging equipment.
![点击朗读](/dictall/images/read.gif)
医学图像后处理是现代医学图像设备不可或缺的组成部分,先验医学知识的融入使现代图像设备具有辅助诊断的能力。
2.
Multi-planar reformation (MPR) of medical imaging volume data was realized in several different ways.
在用不同方法实现了医学图像体数据平面重建功能的基础上,对三个成像平面中鼠标确定的控制点采用B-Spline的方法拟合曲线,并根据任意设置的采样步长,以平面的方式显示曲线确定的面对应的医学图像体数据,从而实现了医学图像体数据的高精度曲面重建,成功的避免了用线段近似曲线所带来的误差。
5) medicine image
![点击朗读](/dictall/images/read.gif)
医学图像
1.
Reading and displaying DICOM medicine image based on OpenGL
![点击朗读](/dictall/images/read.gif)
基于OpenGL的DICOM医学图像读取和显示
2.
Compared with different reconstruct algorithms and taking account of the features of medicine images and actual requirements, a scheme based on the ray-casting technique was proposed to solve the problem of the 3D reconstruction of medical images.
针对医学图像数据的特点以及应用中的实际要求,通过对不同重建算法的比较,提出了以光线投射技术为基础的医学图像三维重建方案,同时提出了基于空间跳跃技术和序列相关性的综合加速算法,对重建算法进行加速·最后在PC机平台上实现了该方案,获得了接近实时的交互速度·由于所有重建算法的核心都是光线投射技术,因此在获得高质量重建结果的同时,极大地降低了系统的复杂性,提高了开发的效率,为医学图像三维重建的实用化提供了一种非常好的解决方案
3.
The storage and safety of medicine image are very important to sufferers,doctors and hospitals.
本文重点讨论了PACS系统中的医学图像的安全存储问题,提出了采用交互式异地存储系统来解决PACS的无限存储和安全存储问题。
6) CR medicine image
![点击朗读](/dictall/images/read.gif)
CR医学图像
补充资料:医学图像分析
用计算机对医学图像进行自动处理、特征抽取和分类的技术。分析的主要对象是人体细胞涂片图像、人体各部位的 X射线照片和超声图像。这是模式识别应用较多的领域之一。一个细胞学图像分析系统包括样本制备、图像扫描、预处理和数字化、特征抽取、分类判别和输出等基本部分。样本制备是决定分析能否成功的关键步骤。染色体分析、颈涂片和血液涂片分析的样本制备有多种方法。一般用非相干光源通过显微镜和摄像机把经过机械制备和化学染色的细胞样本上的色度信息送入视频放大器和模拟处理电路,经过数字化后输入到计算机中。扫描装置用计算机控制,使样本传送、聚焦操作和被研究对象在样本平面上的定位实现自动化。预处理技术包括图像增强和对光学图像系统高频空间频率下降特性的校正,以及在不损失信息的条件下为减少图像存储数据量对像素进行的合并运算。可用各种方法提取细胞图像中有意义的特征量,例如对胞核和胞浆边界进行定位,采用光学密度直方图方法直接对血球分类,用行程长度分析法计算细胞平均周长面积比等参数(见图像表示),用二维梯度或拉普拉斯算子确定边界,以及通过形状分析和纹理分析抽取各种特征等。用监督学习和聚类分析方法可对细胞进行自动分类。细胞图像分析装置已研制成功。
医学X射线图像分析系统基本上也是由图像输入、数字化、预处理、图像分割、自动识别和监督控制等几个部分组成的。监督控制部分的功能是对处理的每个阶段进行评价,以决定下一步处理方法。图像分割和自动识别往往互相交叉反复进行。对于胸片来说,通常先用较低的分辩率对肺部进行定位,然后用较高的分辩率确定肺部的细节和进行分析。直方图均衡化、纹理分析,特别是图像分割,对于医学X射线图像分析都十分重要。为了有效地确定分析对象的位置,在确定对象模型包括各个部分相互关系的基础上进行上下文有关的搜索,并在分割的每一阶段自动判断所得结果和对象模型的一致性。当不能满足一致性条件时,就需要修正分割。对于下图中描述X光胸片图像的多级树状结构,可以采用不同的特征和方法正确地分割出各个区域。
医学X射线图像分析在医学诊断上得到广泛的应用。计算机断层学就是以不同角度对人体部位获取 X射线图像,通过处理以探知人体内部组织的情况,这是现代科学技术的一大成果。心脏的尺寸和形状是诊断各种心脏病的重要依据,在X射线胸片上用计算机确定心脏轮廓线的算法也取得了不小的进展。在求出轮廓线的基础上,可以用一系列描述形状的几何参数或轮廓线的傅里叶描述符作为特征,对各种心脏病进行分类和判别。脑部异常状态(炎症、脑梗阻、肿瘤等)的检出、肺纹理分类和肺部疾病诊断、骨疾病分析和动脉粥样硬化的检出等也都是模式识别方法有效应用的领域。
医学X射线图像分析系统基本上也是由图像输入、数字化、预处理、图像分割、自动识别和监督控制等几个部分组成的。监督控制部分的功能是对处理的每个阶段进行评价,以决定下一步处理方法。图像分割和自动识别往往互相交叉反复进行。对于胸片来说,通常先用较低的分辩率对肺部进行定位,然后用较高的分辩率确定肺部的细节和进行分析。直方图均衡化、纹理分析,特别是图像分割,对于医学X射线图像分析都十分重要。为了有效地确定分析对象的位置,在确定对象模型包括各个部分相互关系的基础上进行上下文有关的搜索,并在分割的每一阶段自动判断所得结果和对象模型的一致性。当不能满足一致性条件时,就需要修正分割。对于下图中描述X光胸片图像的多级树状结构,可以采用不同的特征和方法正确地分割出各个区域。
医学X射线图像分析在医学诊断上得到广泛的应用。计算机断层学就是以不同角度对人体部位获取 X射线图像,通过处理以探知人体内部组织的情况,这是现代科学技术的一大成果。心脏的尺寸和形状是诊断各种心脏病的重要依据,在X射线胸片上用计算机确定心脏轮廓线的算法也取得了不小的进展。在求出轮廓线的基础上,可以用一系列描述形状的几何参数或轮廓线的傅里叶描述符作为特征,对各种心脏病进行分类和判别。脑部异常状态(炎症、脑梗阻、肿瘤等)的检出、肺纹理分类和肺部疾病诊断、骨疾病分析和动脉粥样硬化的检出等也都是模式识别方法有效应用的领域。
说明:补充资料仅用于学习参考,请勿用于其它任何用途。
参考词条