- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
利用圆形霍夫变换和Grow Cut算法对视网膜图像中的视盘进行定位与分割
摘要： 自动视网膜图像分析已成为早期检测青光眼和糖尿病视网膜病变等眼部疾病的重要诊断工具。本文提出了一种稳健的视盘检测与边界分割方法，可作为开发视网膜图像青光眼计算机辅助诊断系统的初步步骤。该方法基于形态学运算、圆形霍夫变换及生长切割算法：通过形态学算子增强视盘并去除视网膜血管及其他病灶；采用圆形霍夫变换近似定位视盘中心；运用生长切割算法精确分割视盘边界。我们在五个公开视网膜数据库（DRIVE、DIARETDB1、CHASE_DB1、DRIONS-DB、Messidor）及本地Shifa医院数据库上进行了定量评估。除DRIONS-DB（99.09%）、Messidor（99.25%）和ONHSD（99.00%）数据库外，该方法在其他数据库均实现100%的视盘检测成功率；视盘边界检测的平均空间重叠率分别为78.6%、85.12%、83.23%、85.1%、87.93%、80.1%和86.1%。该方法在视盘检测与边界提取方面较现有方法有显著提升。
关键词： 视盘、图像分析、青光眼检测、视网膜图像分析、Growcut算法
更新于2025-09-10 09:29:36
-
基于混合模型的混凝土表面裂缝图像属性检索方法框架
摘要： 定期检查混凝土表面裂缝至关重要，因为裂缝是混凝土结构劣化的最早征兆之一。随着数字成像与处理技术的进步，基于计算机视觉的检测方法在该领域展现出巨大潜力。本文提出了一种新型图像处理框架，可自动从混凝土表面图像中提取多种裂缝特征参数。该框架包含：(1)结合边缘检测与种子生长的裂缝提取算法；(2)包含短枝删除与折线逼近算法的骨架优化方法；(3)基于骨架拓扑信息将裂缝段分类为盘状与条状部分的混合裂缝模型；(4)能表征不同裂缝间关联关系的三元组标记法。对比实验表明，所提分割方法能提取更完整的裂缝片段。真实图像实验验证了该框架的有效性，对后续混凝土结构健康评估具有重要辅助作用。
关键词： 混合模型、图像分析、裂缝检测、特征提取、混凝土
更新于2025-09-10 09:29:36
-
[计算机科学讲义] 组合图像分析 第11255卷（第19届国际组合图像分析研讨会，IWCIA 2018，葡萄牙波尔图，2018年11月22-24日，会议录）|| 通过离散系统误差估计提高光学三维扫描仪的测量精度
摘要： 介绍了一种新方法，可提高光学三维扫描仪的测量精度。该改进基于对测量体积内系统测量误差的几何补偿。文中阐述了系统测量误差的可能来源并进行讨论。通过测定球杆在不同测量位置的长度测量误差来估算系统误差，可采用多项式或等距体素网格采样点描述系统误差。为评估该方法，进行了仿真研究及真实数据的实验测量。结果表明，系统误差可降至原误差值的一半左右。文章对该方法进行了讨论，并提出了未来可能的改进方向。
关键词： 计算机视觉、图像分析、三维重建、光学三维扫描仪
更新于2025-09-09 09:28:46
-
人眼年龄相关性视网膜神经节细胞特征的图像识别分析
摘要： 目的：描述黄斑神经节细胞层（GCL）随年龄的变化特征，并为评估眼部疾病中的变化提供框架。本研究通过数据聚类分析无眼病大样本人群的频域光学相干断层扫描（OCT）黄斑GCL模式。 方法：回顾性纳入澳大利亚悉尼眼科健康中心评估的201名单眼患者（年龄20-85岁），对Spectralis OCT黄斑扫描获得的8×8网格位置数据进行无监督分类，划分出具有共同GCL厚度及年龄相关变化规律的统计学独立类别。采用线性和分段线性回归曲线拟合所得类别及网格数据，同时分析标准化数据以确定百分比回归关系。通过比较全队列预测50岁等效黄斑GCL厚度与真实50岁参考队列，验证各模型准确性。 结果：模式识别将黄斑GCL厚度聚类为5-8个空间同心类别。F检验显示分段线性回归是描述黄斑GCL变化的最佳模型。基于模式识别和标准化数据的模型预测值与参考队列差异更?。ㄆ骄辣曜疾罘直鹞?.19±0.92μm和-0.30±0.61μm），优于网格模型（0.62±1.43μm）。 结论：模式识别成功鉴定出随年龄呈分段线性递减的统计学独立黄斑区域，该回归模型能更准确预测黄斑GCL厚度。模式识别揭示的独特空间模式结合核心GCL厚度数据，为分析眼部疾病中的GCL丢失提供了评估框架。
关键词： 模式识别、衰老、光学相干断层扫描、神经节细胞、图像分析（临床）
更新于2025-09-09 09:28:46
-
显微镜图像中对象的选择与量化：从多标准到多阈值分析
摘要： 由于显微成像和图像分析（包括生物医学研究）应用日益增多，设计专用算法和工具以实现图像内容中对象的定量评估已成为迫切需求。近期已有多种方法（从机器学习方法的细胞计数到统计图像分析）被提出并成功应用于解决细胞定量问题。本文重新审视上述问题，针对同一图像中需明确区分和量化对象、且无需采用差异荧光染色等专门实验设置的样本进行研究。我们考察了若干可能的分类标准，并明确展示了如何通过单一算法整合这些标准来提升复杂图像的处理效果——这类图像中基于单一标准的规则必然失效。最后，我们提出一种基于不同阈值对象选择结果组合的非均匀图像分析方法，从而将算法从多标准分析升级为多阈值分析。为验证所提解决方案的性能，我们展示了多个典型复杂结构案例：既包含活细胞与凋亡细胞的图像，也包含球状与纤维状热休克蛋白IbpA混合物的图像。
关键词： 显微镜检查、图像分析、凋亡、细胞亚群、纤维
更新于2025-09-04 15:30:14
-
多模态非线性显微镜图像中用于头颈部癌自动检测的全卷积网络：一项初步研究
摘要： 背景：基于全卷积神经网络（FCN）的自动化图像分析算法被开发用于根据非线性显微图像区分头颈癌与非癌性上皮组织。 方法：使用头颈癌切片进行标准组织病理学检查，并通过相干反斯托克斯拉曼散射、双光子激发荧光和二次谐波显微成像技术的组合，将这些切片与同一区域的多模态图像进行配准。采用FCN对四类目标（癌症、正常上皮、背景及其他组织类型）进行语义分割分析。 结果：共分析了12名患者的114张图像。通过图像块评分聚合，四类目标的平均识别率和总体识别率分别为88.9%和86.7%。处理数据集中整张切片图像平均耗时113秒。 结论：多模态非线性显微技术与基于FCN的自动化图像分析相结合，有望成为客观区分头颈癌与非癌性上皮组织的有效技术。
关键词： 数字病理学、语义分割、诊断学、二次谐波成像、卷积神经网络、双光子激发荧光、光谱组织病理学、图像分析、头颈癌、相干反斯托克斯拉曼散射
更新于2025-09-04 15:30:14
-
通过衍射图像参数结合散射光强度对球形、圆柱形和椭球形微米级颗粒进行快速分类
摘要： 单粒子散射光的空域分布与其折射率（RI）分布的形貌特征密切相关。在相干激发条件下对散射光进行衍射成像，为获取和提取粒子分类特征参数提供了独特方法。本研究采用经验证的方法精确模拟均匀粒子散射光的衍射成像，获得计算衍射图像（DI）数据。通过灰度共生矩阵（GLCM）算法提取了DI数据的特征参数。我们基于高斯混合模型（GMM）开发了无监督机器学习算法，在参数空间中对1965个由单/双球体、圆柱体和椭球体构成且具有不同RI值的粒子进行分类。结果表明：所选GLCM参数结合前向散射总强度能提供有效的形态学分类标记。对于相同RI的1791个粒子，将其分为3类粒子时的平均分类准确率介于82.6%至97.2%之间。这些结果证明了衍射成像方法结合GMM分类器对非球形均匀粒子进行快速分析和分类的巨大潜力——相较于区分生物细胞类型，该应用具有显著挑战性。
关键词： 图像分析、非球形颗粒分析、衍射成像、单光散射
更新于2025-09-04 15:30:14