随着超声设备的改进,彩色超声图像的质量和分辨率越来越高。然而,由于目前诊断中过于依赖医生肉眼对视频图像中动态信息的捕捉,故造成大量信息的丢失,影响了诊断结果的准确性。.本项目将视频挖掘技术及模式识别理论与医学临床信息相结合,以彩色超声序列图像为研究对象,以提取并分析其中潜在的、与疾病相关的血流信息和识别肿瘤的良、恶性为目标。.本项目利用主动轮廓与基于变分的水平集方法定位感兴趣区域(ROI),采用基于聚类方法进行肿瘤及血管检测,提取血流分布和动静脉属性等特征,建立了一种多层次的癌症信息描述体系,使用关联规则对所获得信息进行挖掘。在上述研究基础上,建立一个基于彩色超声图像序列的辅助诊断方法,以此验证信息的准确性和所挖掘规则的有效性。.本项目是视频挖掘与医学相结合的研究,是图像序列处理研究和应用的重要组成部分。研究成果有望给计算机视觉和模式识别研究与应用带来突破性进展。
{{i.achievement_title}}
数据更新时间:2023-05-31
针对弱边缘信息的左心室图像分割算法
基于LS-SVM香梨可溶性糖的近红外光谱快速检测
基于改进LinkNet的寒旱区遥感图像河流识别方法
基于文献计量学和社会网络分析的国内高血压病中医学术团队研究
超声无线输能通道的PSPICE等效电路研究
引入先验信息的图像序列超分辨率技术研究
基于免疫机理的图像信息目标识别方法研究
基于多信息融合的自然场景图像中的文本检测和识别方法研究
基于信息认知的图像超分辨技术研究