-
公开(公告)号:CN103886599B
公开(公告)日:2017-10-13
申请号:CN201410115141.8
申请日:2014-03-26
Applicant: 北京工业大学
Abstract: 本发明涉及一种基于血管内超声图像的血管ROI分割方法。所述方法首先分割血管的管腔区域以及管腔膜轮廓,通过定位管腔区域的中心以获得参数主动轮廓模型的初始轮廓,继而通过收敛得到血管的中外膜轮廓曲线,中外膜的提取充分利用了管腔区域信息的先验知识。最后,将中外膜轮廓曲线以内区域作为ROI,通过全局最小化活动轮廓模型实现对血管斑块的分割。本发明实现了血管ROI的管腔膜中外膜以及斑块的轮廓信息可视化,与基于统计学的IVUS图像分割方法相比,摒弃了其复杂的统计建模过程且分割结果不受IVUS图像伪影和斑块特征的影响;省掉了对IVUS图像中外膜边缘进行初始轮廓的预分割步骤,提高了分割效率。
-
公开(公告)号:CN105550708A
公开(公告)日:2016-05-04
申请号:CN201510927757.X
申请日:2015-12-14
Applicant: 北京工业大学
IPC: G06K9/62
CPC classification number: G06K9/6223
Abstract: 基于改进SURF特征的视觉词袋模型构建方法,使用添加渐变信息的盒子滤波模板代替高斯滤波,该模板与高斯二阶微分模板更加接近;在SURF特征表达时,减少了时间上的开销,并在保证旋转不变性的同时将SURF描述子降为32维;构建词袋时,使用上述改进SURF算法提取图像库中所有改进SURF特征,采用k-means聚类方法将所有SURF特征聚类成为视觉单词,这样每幅图像表示为各个视觉单词出现频率的高维向量。本方法包含了图像更丰富的渐变信息,并且省略了一次Haar小波计算步骤;与直接使用SURF特征相比,可以很好地解决不同图像提取出的特征数量不统一的问题,并且词袋模型能将多幅图像用一定量的视觉单词表示,节约空间,处理方便,可扩展性强。
-
公开(公告)号:CN105426426A
公开(公告)日:2016-03-23
申请号:CN201510740516.4
申请日:2015-11-04
Applicant: 北京工业大学
CPC classification number: G06F17/3071 , G06K9/6268
Abstract: 一种基于改进的K-Medoids的KNN文本分类方法,该方法涉及计算机文本数据处理领域;首先将对训练文本集和测试文本集进行预先处理,包括分词,停用词去除,DF特征选择以及向量表示,得到训练文本向量空间和测试文本向量空间;然后进行基于改进的K-Medoids方法的训练样本裁剪,即分别从初始中心点选择和替换中心点搜索策略角度进行优化,并将其运用到训练样本裁剪,得到新的训练文本空间;最后进行KNN分类,定义代表度函数,将其运用到类别属性函数中用于KNN分类,得到最终结果。实验结果表明,与传统KNN方法、基于K-Medoids的KNN方法相比,本发明具有更高的分类精度和分类效率。
-
公开(公告)号:CN101799864B
公开(公告)日:2012-05-09
申请号:CN201010034172.2
申请日:2010-01-15
Applicant: 北京工业大学
Abstract: 一种基于血管内超声波图像的动脉斑块类型自动识别方法,针对动脉血管内斑块超声波图像的特点,提取其中两块图像,一块是斑块区域,另一块是斑块径向区域作为分类特征,并且通过K-L变换提取图像分类信息,把多个特征映射为少数几个综合特征,降低特征空间维数;采用支持向量机作为分类模型,构造一个适应于斑块图像的分类器,其中支持向量机分类方法包括训练阶段和识别阶段;这一方法提高了斑块识别正确率,为临床诊断动脉血管病变程度提供客观参考依据。
-
公开(公告)号:CN101474082B
公开(公告)日:2011-06-08
申请号:CN200910077002.X
申请日:2009-01-16
Applicant: 北京工业大学
Abstract: 一种基于有限元形变理论的血管壁弹性分析方法,属于医学图像分析领域,通过计算IVUS(血管内超声)图像中的血管壁在一定压力下的应变特征值来分析其弹性。采用超声探头悬停在血管腔内某一位置采集的若干个心动周期的图像,并将图像输入到计算机中进行处理。包括:采用模板匹配法,在模板图像中搜索出原始图像中标记点的匹配点;根据血管壁的组织特征,将血管壁划分为若干层;提出一种基于有限元法分割计算血管壁弹性的方法;根据三角形微元应变的特征,将血管壁划分为若干相连的三角形;考虑到三角形在形变时的相互影响,将影响因子也加入到应变值的计算中。改变了现有血管壁弹性分析方法所存在的局限性,可以准确的刻画血管壁病变的特征,为病变分析创造了条件。
-
公开(公告)号:CN101474082A
公开(公告)日:2009-07-08
申请号:CN200910077002.X
申请日:2009-01-16
Applicant: 北京工业大学
Abstract: 一种基于有限元形变理论的血管壁弹性分析方法,属于医学图像分析领域,通过计算IVUS(血管内超声)图像中的血管壁在一定压力下的应变特征值来分析其弹性。采用超声探头悬停在血管腔内某一位置采集的若干个心动周期的图像,并将图像输入到计算机中进行处理。包括:采用模板匹配法,在模板图像中搜索出原始图像中标记点的匹配点;根据血管壁的组织特征,将血管壁划分为若干层;提出一种基于有限元法分割计算血管壁弹性的方法;根据三角形微元应变的特征,将血管壁划分为若干相连的三角形;考虑到三角形在形变时的相互影响,将影响因子也加入到应变值的计算中。改变了现有血管壁弹性分析方法所存在的局限性,可以准确的刻画血管壁病变的特征,为病变分析创造了条件。
-
公开(公告)号:CN112150425B
公开(公告)日:2024-05-24
申请号:CN202010975102.0
申请日:2020-09-16
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于神经网络的无监督血管内超声图像配准方法,属于医学图像处理技术领域。针对传统配准方法迭代优化配准时间长的缺点,引入深度学习把迭代时间转移到网络模型训练时间中去,本发明使用类U‑net网络结构,用步长卷积代替池化层进行下采样,保留更多配准需要的空间位置特征。针对常见深度学习方法对于IVUS图像配准精度较低问题,本发明继续在网络结构引入注意力机制,这一改进使得配准网络模型在训练过程中能更好聚焦于待配准图像之间形态差异较大的地方,有效提高血管内超声图像配准精度。最终本发明配准精度和最先进传统配准方法不相上下,而配准用时大大减少。
-
公开(公告)号:CN112700366A
公开(公告)日:2021-04-23
申请号:CN202110000537.8
申请日:2021-01-04
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于IVUS图像的血管伪彩重建方法,针对传统血管内超声图像斑点噪声大与灰度图像信息不直观的性能缺陷,使用生成式对抗网络模型,通过生成模型以及判别模型两部分,完成对血管内超声图像与真实血管形状、颜色等特征图像的映射关系。生成模型通过数据整理模块,多个残差模块和数据输出模块尽量去学习输入图像与目标图像的映射关系。判断模型同时接受目标图像与生成模型输出的图像,将对其进行真假判别。生成模型与判别模型两者通过不断学习反馈,提升各自的生成能力与判别能力,并最终达到纳什均衡状态,此时生成器所生成图像已到达判别器极限,即可以输出符合图像翻译要求的血管伪彩图像。此发明的方法对IVUS图像的解读具有一定的价值与参考意义。
-
公开(公告)号:CN112150425A
公开(公告)日:2020-12-29
申请号:CN202010975102.0
申请日:2020-09-16
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于神经网络的无监督血管内超声图像配准方法,属于医学图像处理技术领域。针对传统配准方法迭代优化配准时间长的缺点,引入深度学习把迭代时间转移到网络模型训练时间中去,本发明使用类U‑net网络结构,用步长卷积代替池化层进行下采样,保留更多配准需要的空间位置特征。针对常见深度学习方法对于IVUS图像配准精度较低问题,本发明继续在网络结构引入注意力机制,这一改进使得配准网络模型在训练过程中能更好聚焦于待配准图像之间形态差异较大的地方,有效提高血管内超声图像配准精度。最终本发明配准精度和最先进传统配准方法不相上下,而配准用时大大减少。
-
公开(公告)号:CN109978781A
公开(公告)日:2019-07-05
申请号:CN201910192116.2
申请日:2019-03-14
Applicant: 北京工业大学
Abstract: 一种基于极值区域检测的血管内超声图像分割方法属于基于区域检测的医学图像分割领域。该方法针对传统IVUS图像分割方法的建模复杂、运算量大、检测速度慢的缺点,由于提取的极值区域包含很多子区域,其中包含状态不稳定的、不能代表管腔和介质的面积较大或者较小的噪声区域。因此,获取极值区域之后,本发明继续设计了基于区域稳定性的极值区域筛选算法,最终提取出精确的管腔和介质区域,完成分割。本发明分割的内外膜与标准内外膜极为接近,内膜平均HD距离为0.28mm,外膜平均HD距离为0.41mm,内外膜性能比传统方法提取的内外膜的平均性能分别提高31.4%和48.2%,且算法运行时间为线性,不仅提取精度较高、速度较快,而且鲁棒性也较好。
-
-
-
-
-
-
-
-
-