《面向生物醫學微型圖像質量增強的擴散方程理論研究》是依託中山大學，由蔡宏民擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：面向生物醫學微型圖像質量增強的擴散方程理論研究
- 項目類別：青年科學基金項目
- 項目負責人：蔡宏民
- 依託單位：中山大學
中文摘要,結題摘要,
中文摘要
本課題擬以微型生物醫學圖像為對象，深入研究專用於此類特殊圖像的質量增強方法，建立創新理論模型，將現有擴散方程方法歸納其中，以期建立系統的理論分析和算法指導，著重研究三個方面的內容：（1）基於二維擴散方程的圖像質量增強研究；（2）基於高維擴散方程的理論模型研究；（3） 高魯棒性、高效率性的圖像質量增強算法研究。.隨著各種微觀成像工具的在生物醫學研究中的廣泛套用，質量增強是其圖像分析的一個挑戰性問題。就理論研究而言，基於擴散方程的創新新理論模型將大大豐富圖像處理、模式識別和偏微分方程等相關學科的理論。就套用前景而言，面向生物醫學微型圖像的增強理論在微觀生物組織的定量觀測、醫用分析設備、病理研究、創新性藥物開發等許多方面具有著廣泛的套用。特別在我國正積極發展的分子成像領域，本項目的研究結果將極大豐富此領域的基礎研究和套用
結題摘要
本項目針對生物醫學圖像分析的實際需求，深入研究各向異性的擴散方程理論。研究內容分為4個方面：（1）規則化函式的挑選；（2） 邊界檢測運算元對於擴散方程的影響；（3）基於分數階導數範數的規則化項對於圖像質量恢復的作用；（4）基於擴散化方程的生物醫學圖像的質量增強問題。 通過本項目的研究，取得了一批有意義的研究成果。特別是提出基於高階方程的Hessian方法來完成邊界特徵的有效描述，從而在擴散化方程中取得質量增強和噪音去除的良好結果，在實際的研究課題中取得了一定的套用。本課題的重要結果發現基於分數階導數範數的規則化項能夠極大地提高圖像恢復的質量，取得噪音濾出和細節保留之間良好的平衡，我們設計的基於ALM技巧的最佳化算法能夠有效降低運算消耗，極大的提高圖像恢復的效率，實驗結果理想！ 此外，項目組成員積極開拓、豐富相關領域的研究。提出新的特徵挑選方法和分類模型，努力將課題組的工作系統化、流程化。建立以從圖像獲取、預處理（質量增強）、分割、特徵提取、特徵篩選和分類預測的系統化理論和方法。基本完善了項目組在醫學圖像分析中的理論和算法工作。已發表（錄用）學術論文13篇。其中國際權威期刊4，包括European Radiology， PLOS ONE 和British Journal of Cancer 等，本領域頂級國際學術會議論文6篇。收錄SCI 4 篇（含SCI源）；收錄EI 6 篇（含EI源）。另投出相關學術論文4篇。 本項目達到並超過了預定的研究目標，不僅豐富了擴散化方程質量增強的理論和算法，而且系統化、完備化的醫學圖像分析流程。因此本項目的研究不僅具有十分重要的學術價值,而且在課題組未來的研究工作中極大的拓展、完善相關研究問題的完整解決，具有廣闊的套用前景。
