1.WindowsAPI应用程序开发概述.ppt

交互式脑肿瘤分割方法 经典Live-Wire模型： 反差参数K对曲率函数的影响 通过调节反差参数K，可以获得不同的曲率 调节度，获得理想的分割路径。 研究内容 MR影像同步去噪增强算法 基于CV模型的脑组织分割算法 基于MCV模型的脑组织分割算法 交互式脑肿瘤分割算法 脑肿瘤自动分割算法 基于UniMed系统的算法设计与实现 脑肿瘤自动分割方法 脑肿瘤自动分割流程： 整个分割流程分为4个步骤，并综合采用了水平集算法、形变模型、四叉树结构及k均值聚类算法，分割步骤如下所示。 脑肿瘤自动分割方法 脑肿瘤自动定位方法： 脑肿瘤自动分割方法 脑肿瘤自动定位方法： 本节采用几何轮廓模型进行精确分割，下面主要给出应用上一步的分割结果作为输入， 采用变分法进行精确求解的过程： (1) 初始化距离矩阵u，令 (2) 引入正则化Heaviside函数，对E(u)采用梯度下降进行变换： (3) 对上述方程迭代求解 脑肿瘤自动分割方法 基于动态阈值的脑肿瘤分割方法： 设 为粗分割结果中的某个边缘种子点， 为已分割区域，算法步骤如下所示： 脑肿瘤自动分割方法 基于形变模型的脑肿瘤分割实验结果： (a1)原图 (b1)构造对称结构 (c1)本文算法定位结果 (d1)最后分割结果 (a2)原图 (b2)构造对称结构 (c2)本文算法定位结果 (d2)最后分割结果 脑肿瘤自动分割方法 基于动态阈值算法的脑肿瘤分割实验结果： 脑肿瘤自动分割方法 基于动态阈值算法的脑肿瘤分割实验结果： 下表给出了自动分割与手动分割结果的比较，可以看到，在采用基于动态阈值区域增长算法时，对于形状相对规则的肿瘤可以取得较好的分割结果，如表中的第1、2行数据，假阴性(被自动分割方法漏掉的肿瘤像素数)及假阳性(自动分割方法错误划分成肿瘤的像素数)较低。对于形状不规则且伴有水肿的肿瘤来说，有着较高的假阴性及假阳性，如表中的第3行数据。由于区域增长算法简单，有着较高的分割效率，因此整体算法的执行时间相对较少。 研究内容 MR影像同步去噪增强算法 基于CV模型的脑组织分割算法 基于MCV模型的脑组织分割算法 交互式脑肿瘤分割算法 脑肿瘤自动分割算法 基于UniMed系统的算法设计与实现 论文发表及录用的情况 期刊： 1. A Synchronization Algorithm of MRI Denoising and Contrast Enhancement Based on PM-CLAHE Model.Journal of Digital Content Technology and its Applications. 2. 序列磁共振颅脑影像的脑组织自动提取方法。仪器仪表学报。 3. 一种具有边缘保护的MRI影像同步去噪增强算法。小型微型计算机系统。 4. 基于树形聚类匹配的脑肿瘤自动分割方法。小型微型计算机系统。 5. 基于改进C-V模型的脑组织提取算法。东大学报(自然科学版)。 6. 一种自适应脑组织影像的分割方法。吉大学报(工学版)。 会议： 1. A Efficient Modified Level Set Method For Brain Tissue Segmentation.ICIA 2010. 2. A Multi-Dimension Method For Brain Tissue Segmentation.ICBBE 2010. 3. An Interactive Tumor Segmentation Method for MR Brain Images.FBIE 2010. 谢 谢 ！ 去除PPT模板上的--无忧PPT整理发布的文字 首先打开PPT模板，选择视图，然后选择幻灯片母版 然后再在幻灯片母版视图中点击“无忧PPT整理发布”的文字文本框，删除，保存即可 更多PPT模板资源，请访问无忧PPT网站-- 使用时删除本备注即可 展示您的作品,PPT模板作品投稿绿色通道 :chinappt2011@ 将此幻灯片插入到演示文稿中 将此模板作为演示文稿（.ppt 文件）保存到计算机上。 打开将包含该图像幻灯片的演示文稿。 在“幻灯片”选项卡上，将插入点置于将位于该图像幻灯片之前的幻灯片之后。