论文部分内容阅读
医学图像处理是目前医学影像后处理的重要环节，也是目前生物信息学应用中的关键技术之一。本论文结合不同医学图像的生成原理，系统地研究了这些图像的处理和识别算法，同时结合实际问题，深入地分析了这些方法的重大意义。
首先对于常规的MRI图像，进行两种不同目的的信息处理，一是给出改进的模糊聚类算法，它解决了MRI图像的非均匀性和部分容积效应以及边界是无规则的情况用来分割脑白质；二是用改进的Snake分割算法分割肿瘤区域，该算法的优点是处理凹形边界问题，然后与弥散张量图像(DTI)的FA图像融合，挖掘融合图像的信息用来指导和评价外科手术方案和放疗计划。
其次我们系统地研究了核磁共振功能谱(MRS)数据、非介入地处理脑胶质瘤的问题，包括给出MRS谱数据定量分析可靠性的评价体系，用小波变换中值滤波方法进行去噪处理，结合肿瘤代谢信息形成特征向量，用SVM统计推断方法分别识别肿瘤边界和肿瘤内部不同区域问题。此外，结合K近邻，对SVM的不同参数和不同特征选择对统计推断效果的影响进行了分析。
最后真对高内涵药物筛选中的细胞图像分割和识别关键，用动态阈值分割技术和形态梯度边缘检测器来提取和分离背景和目标图像，给出重叠细胞的判别标准和分割办法，给出判别图像形状的中心投影特征曲线，以及用属性聚类等方法来处理连续模式的中间模式归属问题，给出实际问题的模型描述和实现办法，使得高内涵药物筛选自动化变成可能。
总结前面关键技术的基础上，开发出核磁共振谱数据肿瘤(胶质瘤和前列腺癌)辅助诊断系统。根据两类不同显微镜(OLYMPUS和ZEISS)，设计出骨髓细胞识别系统和用于高内涵药物筛选的细胞有丝分裂各期的自动识别和统计系统。