导读:本文包含了计算机辅助图像分析论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:图像,特征,形态学,眼底,偏振,定量分析,造影。
计算机辅助图像分析论文文献综述
金凯[1]（2017）在《重要眼病基于计算机辅助图像分析诊断技术研究》一文中研究指出目的:眼底疾病可导致视力下降,是致盲的首要原因。传统的眼底疾病早期筛查方法是眼底成像术与医生主观分析相结合,这无法满足当前大数据和精准医学的需求。计算机辅助诊断(CADx)充分利用高速运算和海量存储的能力,嵌入专门的图像处理和人工智能技术,来辅助眼科医生进行临床诊断。眼底疾病CADx系统结合图像增强和深度学习技术,有望实现眼底疾病的智能诊断。方法:通过研发的便携式眼底照相进行眼底数据采集,比较便携式眼底照相与传统桌面式眼底照相的成像质量。基于人眼视觉系统建立眼底图像质量评价系统,筛选出屈光介质混浊造成的失真眼底图像。建立基于视觉模糊度的屈光介质浑浊眼底图像增强系统,辅助医生诊断眼底疾病。建立青光眼眼底照相数据库,构建基于深度学习的青光眼CADx系统,通过CADx系统的灵敏度和特异性,验证算法应用在临床中的可行性。结果:新型便携式眼底照相机可以在非散瞳情况下拍摄出和桌面式眼底照相相同质量的具有临床诊断价值的眼底图像。针对亮度和颜色失真、模糊失真以及对比度失真这叁个方面来综合评价眼底图像的质量,叁种失真的支持向量机分类器的曲线下面积(AUC)分别为93.10%,93.14%和87.83%。在做整体失真的评价时,敏感性和特异性分别为91.66%和87.45%,AUC为94.52%。基于对比度限制的自适应直方图均衡的眼底图像质量增强方法用来增强图像质量下降的眼底图像。图像增强后,青光眼分类的AUC为99.6%,糖尿病视网膜病变(DR)分类为98.9%,老年黄斑变性(AMD)分类为97.5%,其他视网膜疾病为97.9%,正常眼底为97.6%。基于深度学习眼底图像诊断青光眼的计算机辅助诊断系统,辅助诊断青光眼的灵敏度为92.1%(95%置信区间:90.5%-93.6%),特异度为89.6%(95%置信区间:87.7%-91.1%),AUC 为 98.6%。结论:新型便携式眼底照相机结合眼底图像质量评价系统可提供具有临床诊断价值的眼底图像。眼底图像质量增强和深度学习在眼病辅助诊断中显示出较高的灵敏度和特异性,为进一步实现眼科疾病的智能精准早期诊断提供相关研究基础。(本文来源于《浙江大学》期刊2017-12-01）
曾誉[2]（2017）在《计算机图形图像辅助设计在现代艺术设计教学中的应用分析》一文中研究指出计算机图形图像辅助设计,指以计算机软件为基础所展开的艺术设计,为当前艺术设计的主要发展方向。本文简要分析了现代艺术设计教学现状,强调了将计算机图形图像辅助设计应用到教学过程中,在提高教学效率及质量方面的意义。基于此,重点从实践能力、教学需求、课程知识等方面,对计算机图形图像辅助设计的应用方法进行了分析,以期能够为各教师提供参考。(本文来源于《计算机产品与流通》期刊2017年11期）
胡妍璐,张麒,李超伦[3]（2017）在《计算机辅助定量分析多发性大动脉炎颈动脉病变的超声造影图像》一文中研究指出多发性大动脉炎(TA)是一种常发生在主动脉及其主要分支的慢性非特异性炎症疾病。患者往往起病隐匿,导致误诊率高,待确诊时已发生受累动脉狭窄或闭塞,并引发动脉管腔缺血、缺氧症状,重症者将危及生命。超声造影(CEUS)是分析TA的新兴方法,分析手段主要依赖医生的经验进行人工定性分析,因此诊断结果常有失精准。基于此,本文提出一种TA颈动脉病变CEUS的计算机辅助定量分析方法:首先在颈动脉壁上勾勒TA病灶的轮廓,在颈动脉管腔中选取匀质的矩形和多边形各一个作为参考区域;然后分别求出病灶区域与参考区域的时域特征和空域特征,并计算病灶与参考区域间特征的差值和比值,作为新的特征;最后分析所有特征与炎症指标血沉(ESR)和C反应蛋白(CRP)间的相关性。本文选取中山医院就诊的34例TA患者的共37个接受CEUS检查的颈动脉受累病灶,其中2例患者各有治疗前后两个病灶,1例患者有左右双侧病灶;这些患者中有13例为未经治疗的初发患者,共14个病灶,其中1例有左右双侧病灶。结果表明,全体患者的病灶内部1/3区域中新生血管面积比(ARi_(1/3))与CRP的相关系数r值达0.56(P=0.001),初发患者的病灶内部1/2区域中新生血管面积比(ARi_(1/2))与CRP的r值达0.76(P=0.001)。本文研究说明,所提出的计算机辅助方法能从CEUS图像中客观、半自动地提取TA病变的定量特征,减轻医生主观经验对诊断的影响,今后有望用于临床上TA颈动脉病变的诊断判别与严重程度评估。(本文来源于《生物医学工程学杂志》期刊2017年05期）
段火强,舒星辉,徐俊,蒋皆恢[4]（2016）在《基于PiB PET图像感兴趣区域的阿尔茨海默症计算机辅助分析》一文中研究指出阿尔兹海默症(AD)是一种不可逆的神经退行性疾病,PiB PET成像技术可用于AD的早期诊断。但是,目前临床基于PiB PET图像的AD诊断主要依靠医生视觉评估分析,其缺点为依赖医生经验且耗时,无法实现对患者病情的客观追踪,因此提出一种基于PiB PET图像的计算机辅助分析方法 (CAAD)实现AD诊断。使用基于阈值先验的3D格子玻尔兹曼技术分割ROIs,采用主成分分析(PCA)技术提取图像特征,最终采取基于支持向量机(SVM)多项式核模型对特征进行分类。通过对ADNI数据库和上海市华山医院PET中心的149个样本的PiB PET数据进行对比实验,该方法对于ROIs的分割后Dice系数平均准确率为91.53%±3.0%,最终对AD和正常老年组(HC)、轻度认知障碍组(MCI)和HC、AD/MCI和HC的分类准确率分别达到87.01%、93.04%和91.95%。与现有文献的AD计算机辅助诊断相比,所提出CAAD方法的准确率高出约10%。实验结果表明,该方法能够很好地对AD、MCI和HC进行分类。(本文来源于《中国生物医学工程学报》期刊2016年06期）
项磊[5]（2015）在《基于乳腺癌计算机辅助诊断的病理图像分析》一文中研究指出细胞自动检测和颜色自动分离是病理图像分析中的两个具有挑战性的基本问题,为很多后续进一步的定量分析提供基础,如构建基于图描述的病理组织肿瘤区域的拓扑结构特征,细胞与淋巴细胞的分割等等。针对第一个问题,本文提出了一种基于稀疏堆迭自动编码器和滑动窗口的细胞自动检测方法,该方法能快速、高效、准确地检测高分辨率病理组织图像中的细胞。该检测算法首先运用稀疏堆迭自动编码器对训练集中的细胞样本块和非细胞样本块提取高层特征,然后运用这些高层特征训练Softmax分类器。训练好的分类器随后被用于整幅高分辨率病理图像中细胞的自动检测。在检测过程中,首先运用滑动窗的方法在整幅高分辨率病理图像中选取相同尺寸的所有可能的细胞块,被滑动窗选定的图像块随后送到训练好的稀疏堆迭自动编码器提取高层特征后,然后送到训练好的Softmax分类器中自动判断是否是细胞块。如果分类器判断为细胞块,则该细胞块所在的质心将自动地被算法标记为检测出的细胞。为了验证提出方法的有效性,该方法被运用于苏木精和伊红(H&E)染色高分辨率乳腺穿刺切片病理图像上细胞的自动检测。通过与基于分割操作来实现细胞检测的现有模型(如期望最大化算法(EM)、彩色去卷积算法(CD)、蓝色比例阈值(Blue Ratio)等方法)对比表明：本文提出的方法具有更高的准确率,召回率和综合评价指标,分别为71.5%,82.3%和76.5%。针对颜色自动分离问题,本文提出了一种基于稀疏非负矩阵分解的方法,并把该算法运用于病理图像的颜色的自动分离。传统的颜色分离是基于彩色去卷积方法,该方法需要预先设计去卷积矩阵,而本文提出的方法能够实现颜色的自动分离,不需要先验知识。且对比于现有的非负矩阵算法,加入稀疏约束的非负矩阵算法,得到的颜色分离效果更明显,通过定量的细胞分割结果比较,验证了该方法的比基于主成分分析(PCA),独立主成分分析(ICA),期望最大期望算法(EM)、彩色去卷积算法(CD)、蓝色比例阈值(Blue Ratio),以及非负矩阵分解(NMF)方法具有优越性。(本文来源于《南京信息工程大学》期刊2015-05-01）
李珂,刘惠[6]（2012）在《乳腺计算机辅助诊断中DCE-MRI图像特征的选择与分析》一文中研究指出目的比较动态对比度增强磁共振成像(dynamic contrast-enhanced magnetic resonanceimaging,DCE-MRI)图像的形态、纹理和时间强度曲线(time intensity curve,TIC)特征对乳腺病灶良恶性的诊断效果,讨论DCE-MRI图像特征的计算机辅助诊断价值。方法测量224个乳腺病灶样本(良性样本82个,恶性样本142个)的12个形态学特征、56个基于灰度共生矩阵(gray level co-occurrence matrix,GLCM)的纹理特征以及11个TIC特征,采用平均平方距离准则和SVM分类器评估这叁类特征的良恶性分辨能力。结果反映病灶血流动力学特性的TIC特征的分类性能最优(SE0.9366,SP0.8293,AUC0.9495);纹理特征次之(SE0.9225,SP0.7195,AUC0.8835);形态学特征效果最差(SE0.8451,SP0.6951,AUC0.8079)。研究发现,在上述基础上融合叁类特征可优化分类性能。最终结合平滑度、紧致度、熵等9个特征参数进行诊断,对乳腺病灶良恶性的分辨效果最好,AUC达0.9642。结论 DCE-MRI的TIC特征对恶性乳腺病灶具有较高的灵敏度,可以提高乳腺计算机辅助诊断的恶性病灶检出率。综合分析形态、纹理和TIC特征可以提高病灶的诊断特异度,降低良性病灶的误诊率。(本文来源于《北京生物医学工程》期刊2012年04期）
辛海燕,刘新强,乔志江[7]（2012）在《偏振数码照相结合计算机辅助图像分析法评价邻面去釉后釉质脱矿程度的研究》一文中研究指出目的探讨偏振数码照相结合计算机辅助图像分析法评价邻面去釉后釉质脱矿程度的准确性。方法于2010年3月选取青岛大学医学院附属医院口腔外科门诊因正畸需要拔除的上颌第一前磨牙40颗,沿牙冠颊舌向磨切得到80个标本,随机分为A(空白对照,未进行任何去釉处理)、B(邻面去釉)、C(邻面去釉后使用氟化泡沫)、D(邻面去釉后使用护牙素)4组。体外pH循环60d后,用偏振数码照相结合计算机辅助图像分析法定量测量各组标本邻面去釉及再矿化后的灰度值,以此来评价其釉质脱矿程度。同时用显微硬度仪定量测量各组标本的硬度值作为对照。结果 (1)灰度值:A组灰度值最低,B组灰度值最高,C组和D组经过再矿化处理后灰度值较B组降低,差异有统计学意义(P<0.05)。C组和A、D组之间灰度值差异无统计学意义(P>0.05)。(2)硬度值:A组硬度值最高,B组硬度值最低,C组和D组经过再矿化处理后硬度值升高,但均较A组低。B组硬度值和其他3组之间比较,差异均有统计学意义(P<0.05),而A组与C组、C组与D组之间硬度值比较,差异均无统计学意义(P>0.05)。结论偏振数码照相结合计算机辅助图像分析法得出的结果与显微硬度仪的定量检测结果相符合,表明了其是一种有效的定量评价釉质脱矿及再矿化效果的方法,值得临床推广。(本文来源于《中国实用口腔科杂志》期刊2012年03期）
李明[8]（2011）在《面向计算机辅助诊断的胶囊内镜图像处理与分析技术研究》一文中研究指出胶囊内窥镜是一种胃肠道疾病检测工具,具有无痛、安全、可全程检测等优点,目前已成为临床医学的研究热点。由于一次胶囊内镜检测会产生数万张图片,医生阅读图片需要耗费巨大的时间和精力,使用计算机进行胶囊内镜图像的处理成为-个发展方向,应用于该领域的图像处理技术逐渐兴起。多数胶囊内镜通过人体胃肠道时不能控制拍摄位置和角度,导致获得的图像受光照影响极大。明暗不均或光线太弱的图像都会降低医生的诊断效果。为了解决图像光照方面的问题,提出一种基于Retinex理论的图像增强模型,在保持图像颜色特性的前提下,能快速抑制图像中的光照不均现象。基于Retinex理论提出的模型大多建立在L2范数空间,而研究表明L1范数空间能更好的刻画图像的细节信息。新模型把Retinex理论转化成L’空间中的泛函极值问题,使得增强后的图像能较好的保持边缘特征。作为一种全变分模型,使用通常的方法计算时收敛缓慢,于是介绍了一种利用模型凸性的快速算法,可以实时处理胶囊内镜图像,极大加强了模型的可用性。除了能让医生更容易阅读图像,通过全变分模型增强的图像还有助于图像特征的自动检测。把该方法应用到胶囊内镜出血点检测,与增强前的图像进行比较,获得了明显的效果。胃肠道中的一些病变结构,如溃疡、肿瘤等,由于自身的组织特性,在胶囊内镜图片中显示出边缘模糊、光照不均、背景复杂等特征,使用常见的算法进行分割效果不佳。基于这些特征,提出了两个不同的模型用于胶囊内镜肿瘤的分割。通过分析活动轮廓模型及其相关变形模型后,总结了这些模型对边缘信息与区域信息的组织方式,提出了一种区域驱动边界制动的混合图像分割模型。该混合模型用一个可以收集全局信息的函数替代了CV(Chan T,Vese L)模型中由水平集函数产生的紧支撑函数,使得模型具有凸性,可以在全局范围内获得最优解。与已有算法相比,混合模型具有较好的边缘控制能力,能检测出较弱的边缘。由于胶囊内镜图像中的组织病变结构在光照情况下产生的阴影非常明显,边缘位置难以定位,混合模型中使用区域灰度差进行驱动的方法仍然不能获得准确的分割结果。在分析胶囊内镜图像阴影特征的基础上,又提出了一种基于全变分的图像分割模型。该全变分模型一方面利用初始信息锚定分割的大致区域,另一方面利用全变分的等高性,妥善处理了阴影对边界的模糊效应。相比前面的混合模型,全变分模型有意忽略图像的灰度信息,从而抑制了图像复杂背景因素的干扰。与现有的大部分经典图像分割算法相比,全变分模型的准确性获得显着提高。分类是医学诊断中一个非常重要的问题,在机器学习领域已经开发了大量算法用于样本的分类。胶囊内镜图像病例之间差异较大,而同一病例的图像序列又呈缓慢变化趋势,其图像特征空间比较符合流型假设。半监督学习是最近提出的一种机器学习范式,它使用少量的标注样本,可以大大提高分类的准确性,符合拥有大量数据而标注样本比较少的情况。把半监督学习中基于图模型的算法引入胶囊内镜图像的分类问题中,提出一种基于聚类图的新模型,可以有效提高原始模型的计算速度,对胶囊内镜图像分类问题也显示出很好的效果。(本文来源于《华中科技大学》期刊2011-05-01）
王瑞娟,张季,彭可[9]（2011）在《计算机辅助医学图像叁维重建的算法分析》一文中研究指出背景:叁维重建技术是采用计算机技术对二维医学图像进行边界识别,重新还原出被检组织或器官的叁维图像。目的:分析在不同情况下进行医学图像叁维重建时如何进行算法的选择。。方法:采用计算机检索中国期刊全文数据库和Pubmed数据库。中文检索词为"医学图像,叁维重建,面绘制,体绘制",英文检索词为"medical images,three-dimensional reconstruction,surface rendering,volume rendering"。检索与医学图像叁维重建算法相关的文献33篇,从面绘制重置方法和体绘制重置方法的实现原理、实现复杂度、实时显示情况等方面进行分析。结果与结论:目前,医学图像叁维重建根据绘制过程中数据描述方法的不同可分为叁大类:面绘制方法、体绘制方法和混合绘制方法。通过对面绘制和体绘制方法中不同算法的分析,可以看到面绘制方法在算法效率和实时交互性上是优于体绘制的,虽然面绘制方法在绘制时候会丢失许多细节,使得绘制图像效果不理想,但是由于其算法比较简单,占用内存资源少,所以目前得到了广泛的运用。体绘制方法是对体数据场中的体素进行直接操作,可以绘制出叁维数据场中更丰富的信息,因此体绘制方法的绘制效果优于面绘制方法。(本文来源于《中国组织工程研究与临床康复》期刊2011年04期）
王颖[10]（2010）在《乳腺X线图像中肿块的计算机辅助检测与分析》一文中研究指出乳腺癌的早期诊断和治疗是唯一能够拯救患者生命的有效途径。乳腺X线图像是目前乳腺癌普查的首选影像方法,但是早期隐匿性乳腺癌的影像学特征通常不够明显,由于受到医生主观方面的影响,很有可能出现误诊和漏诊。随着计算机技术的飞速发展,乳腺癌的计算机辅助检测技术已成为医学图像处理领域的研究热点之一,有效的计算机辅助检测方法能够辅助医生更好地理解和分析乳腺x线图像,从而提高乳腺癌的诊断准确率。肿块是乳腺癌在X线图像上的主要表现之一,由于其边缘模糊,以及与正常组织极为相似,使得肿块检测一直都是计算机辅助检测领域的研究难点。本文拟在前人的研究基础上,通过结合计算机视觉、机器学习等领域的新思想,构建肿块区域的计算机辅助检测与分析系统：(1)提出了乳腺X线图像特征分析中引入形态学成分分析的预处理方法。采用能够有效表征图像特性的子字典,在形态学成分分析框架下,将乳腺X线图像分解为包含图像主要灰度分布特性的平滑特征子图和包含了噪声、血管等在内的纹理特征子图,为感兴趣区域的检测提供了良好的预处理结果。(2)提出了一种基于肿块生长特性和自适应阈值的粗检测方法。在形态学成分分析分解所得到的平滑图像基础上,通过对灰度同心层方法的有效扩展,根据图像的直方图特性,用自适应阈值代替原来的固定分层阈值,避免了固定阈值可能造成的灰度分层不完全问题,从而能有效地检测出不同的肿块区域。(3)提出了双水平集和基于松弛形状约束的向量水平集边界提取方法。在粗检测得到的感兴趣区域基础上,引入了水平集并将其扩展为双水平集方法,通过第一个水平集获得自适应的形状约束,再根据第二个水平集精确分割结果,为了有效地捕捉肿块区域的放射状边缘特性,并进一步精确边界提取结果,将双水平集方法扩展为基于松弛形状约束的向量水平集方法,通过融合多种图像特征,结合基于区域和基于边缘的水平集方法,得到了较好的边界提取结果。(4)提出了一种基于成对约束支持向量机的主动学习方法,并应用于肿块区域的精检测中。在进行了肿块区域边界提取后,分析了肿块的内部区域特征,并在此基础上考虑同类型但差异较大的肿块区域,以及不同类型但差异较小的肿块区域之间的约束特性,引入了成对约束的支持向量机方法,通过主动学习策略从检测结果中选择具有约束特性的样本进行反馈,进一步提高了系统的检测性能。(5)提出了基于Bag of Words模型和多尺度部分塔形匹配的肿块检索模型。相似病例的检索能够为准确诊断提供良好的参考及帮助,因此,在精检测得到了各种类型的肿块区域之后,通过Bag of Words对肿块区域特性进行建模,再将部分塔形匹配核函数扩展为跨尺度多分辨率下的部分匹配方法,以此为肿块区域检索建立分级匹配规则,从而搜索到与查询病变区域相似的病例,为计算机辅助诊断系统提供了良好的分析基础。总之,本文将计算机视觉及机器学习领域方法与医学图像处理相结合,所构建的肿块区域计算机辅助检测与分析系统能够有效地检测到各种类型的肿块区域,并能得到较好的边界提取结果,为计算机辅助诊断系统的理论研究提供了新思路。(本文来源于《西安电子科技大学》期刊2010-07-01）
计算机辅助图像分析论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
计算机图形图像辅助设计,指以计算机软件为基础所展开的艺术设计,为当前艺术设计的主要发展方向。本文简要分析了现代艺术设计教学现状,强调了将计算机图形图像辅助设计应用到教学过程中,在提高教学效率及质量方面的意义。基于此,重点从实践能力、教学需求、课程知识等方面,对计算机图形图像辅助设计的应用方法进行了分析,以期能够为各教师提供参考。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
计算机辅助图像分析论文参考文献
[1].金凯.重要眼病基于计算机辅助图像分析诊断技术研究[D].浙江大学.2017
[2].曾誉.计算机图形图像辅助设计在现代艺术设计教学中的应用分析[J].计算机产品与流通.2017
[3].胡妍璐,张麒,李超伦.计算机辅助定量分析多发性大动脉炎颈动脉病变的超声造影图像[J].生物医学工程学杂志.2017
[4].段火强,舒星辉,徐俊,蒋皆恢.基于PiBPET图像感兴趣区域的阿尔茨海默症计算机辅助分析[J].中国生物医学工程学报.2016
[5].项磊.基于乳腺癌计算机辅助诊断的病理图像分析[D].南京信息工程大学.2015
[6].李珂,刘惠.乳腺计算机辅助诊断中DCE-MRI图像特征的选择与分析[J].北京生物医学工程.2012
[7].辛海燕,刘新强,乔志江.偏振数码照相结合计算机辅助图像分析法评价邻面去釉后釉质脱矿程度的研究[J].中国实用口腔科杂志.2012
[8].李明.面向计算机辅助诊断的胶囊内镜图像处理与分析技术研究[D].华中科技大学.2011
[9].王瑞娟,张季,彭可.计算机辅助医学图像叁维重建的算法分析[J].中国组织工程研究与临床康复.2011
[10].王颖.乳腺X线图像中肿块的计算机辅助检测与分析[D].西安电子科技大学.2010
论文知识图
