《基於NAM和生物視知覺的醫學圖像分割算法研究》是依託華南理工大學，由鄭運平擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於NAM和生物視知覺的醫學圖像分割算法研究
- 項目類別：青年科學基金項目
- 項目負責人：鄭運平
- 依託單位：華南理工大學
項目摘要,結題摘要,
項目摘要
醫學圖像分割不僅是高層的醫學圖像分析理解的基礎，而且也是當前臨床醫學套用的瓶頸。藉助和參考生物視知覺機理為發展和提高機器信息處理與認知計算能力提供了一種新的思路。針對醫學圖像的複雜性，基於本研究小組提出的非對稱逆布局的模式表示模型(NAM)的思想，藉助於視知覺理論，通過將NAM理論引入醫學圖像的分割中，擬首先建立基於NAM的醫學圖像分割模型。然後以醫學圖像的NAM表示方法為基礎，針對不同的子模式類型和不同的圖像模式，通過設計高效的基於NAM的分裂規則和合併規則以及與其相應的數據結構，擬提出一種新的基於NAM的醫學圖像分割方法。最後擬構建一個基於NAM的醫學圖像分割的實驗系統。理論上藉助於視知覺機理將NAM理論引入到醫學圖像的分割中是一個新的探索，臨床上在醫療的精確量化診斷、手術計畫的制定、可視化、病理變換的跟蹤和治療效果的評價等各個方面還具有重要的實際套用意義。
結題摘要
醫學圖像分割不僅是高層的醫學圖像分析理解的基礎，而且也是當前臨床醫學套用的瓶頸。藉助和參考生物視知覺機理為發展和提高機器信息處理與認知計算能力提供了一種新的思路。針對醫學圖像的複雜性，藉助於“大範圍首先”（Visual System Sensitive to Global Topological Properties，VSSGTP）的不變性知覺理論，通過將非對稱逆布局模型（Non-symmetry and Anti-packing pattern representation Model，NAM）理論引入到醫學圖像的分割中，建立了一種新的醫學圖像分割模型，簡稱為NAM_VSSGTP模型，並給出了該模型的抽象化算法。以矩形子模式為例，提出了一種基於NAM_VSSGTP的醫學圖像分割算法。該算法的時間複雜度為O(Nα(N))，其中N為灰度圖像用矩形NAM表示後的同類塊總數，α(N)是Ackerman函式的反函式。實驗結果表明：與流行的基於二元樹(Binary Partition Tree，BPT)和基於四元樹陰影編碼（Quadtree and Shading-based Coding，QSC）的分割算法相比，在保持圖像質量的前提下，基於NAM_VSSGTP的分割算法不僅具有更高的壓縮比和更少的塊數，而且能夠顯著提高醫學圖像的分割速度，因而是一種更好的圖像分割方法。
