项目名称: 基于NAM和生物视知觉的医学图像分割算法研究

项目编号: No.61300134

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 自动化技术、计算机技术

项目作者: 郑运平

作者单位: 华南理工大学

项目金额: 23万元

中文摘要: 医学图像分割不仅是高层的医学图像分析理解的基础,而且也是当前临床医学应用的瓶颈。借助和参考生物视知觉机理为发展和提高机器信息处理与认知计算能力提供了一种新的思路。针对医学图像的复杂性,基于本研究小组提出的非对称逆布局的模式表示模型(NAM)的思想,借助于视知觉理论,通过将NAM理论引入医学图像的分割中,拟首先建立基于NAM的医学图像分割模型。然后以医学图像的NAM表示方法为基础,针对不同的子模式类型和不同的图像模式,通过设计高效的基于NAM的分裂规则和合并规则以及与其相应的数据结构,拟提出一种新的基于NAM的医学图像分割方法。最后拟构建一个基于NAM的医学图像分割的实验系统。理论上借助于视知觉机理将NAM理论引入到医学图像的分割中是一个新的探索,临床上在医疗的精确量化诊断、手术计划的制定、可视化、病理变换的跟踪和治疗效果的评价等各个方面还具有重要的实际应用意义。

中文关键词: 非对称逆布局模型;大范围首先;图像分割;图像表示;医学图像

英文摘要: Medical image segmentation is not only the basis for high-level understanding of medical image analysis, but also it is a bottleneck of the current clinical applications. In view of the complexity of medical images, with the help and reference of biological visual perception mechanism, a new way of thinking to develop and improve the capability of the machine information processing and the cognitive computing is provided in this research. Based on the idea of the Non-symmetry and Anti-packing pattern representation Model (NAM) proposed by our research team and the theory of visual perception and by introducing the NAM theory to medical image segmentation, a new segmentation model for medical images which will be based on the NAM will be established. After representing the medical image by using our proposed NAM representation method, according to the different types of subpatterns and image patterns, then we will propose a novel NAM-based medical image segmentation method by designing some high-performance NAM-based splitting and merging rules and their corresponding data structures. Finally, an experimental system of medical image segmentation based on the NAM will be constructed. Theoretically, introducing the NAM theory to medical image segmentation is a new exploration with the help of visual perception

英文关键词: NAM;VSSGTP;image segmentation;image representation;medical images

成为VIP会员查看完整内容
0

相关内容

【干货书】算法设计艺术,319页pdf
专知会员服务
117+阅读 · 2021年10月24日
专知会员服务
28+阅读 · 2021年6月4日
基于生理信号的情感计算研究综述
专知会员服务
61+阅读 · 2021年2月9日
专知会员服务
33+阅读 · 2021年2月7日
【AAAI2021】基于双任务一致性的半监督医学图像分割
专知会员服务
30+阅读 · 2021年2月7日
专知会员服务
114+阅读 · 2021年1月11日
最新《医学图像深度语义分割》综述论文
专知会员服务
94+阅读 · 2020年6月7日
【天津大学】知识图谱划分算法研究综述
专知会员服务
108+阅读 · 2020年4月27日
基于深度学习的多标签生成研究进展
专知会员服务
142+阅读 · 2020年4月25日
【TPAMI2022】关联关系驱动的多模态分类
专知
3+阅读 · 2022年3月22日
图像分割在医学影像中的应用
极市平台
2+阅读 · 2022年2月16日
「基于GNN的图分类研究」最新2022综述
图与推荐
7+阅读 · 2022年2月14日
基于深度学习的视频目标检测综述
极市平台
15+阅读 · 2019年7月19日
最全综述 | 图像分割算法
计算机视觉life
14+阅读 · 2019年6月20日
深度学习与医学图像分析
人工智能前沿讲习班
40+阅读 · 2019年6月8日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
新手必看:生成对抗网络的初学者入门指导
AI研习社
13+阅读 · 2018年9月18日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月16日
Arxiv
0+阅读 · 2022年4月14日
Arxiv
24+阅读 · 2020年3月11日
小贴士
相关VIP内容
【干货书】算法设计艺术,319页pdf
专知会员服务
117+阅读 · 2021年10月24日
专知会员服务
28+阅读 · 2021年6月4日
基于生理信号的情感计算研究综述
专知会员服务
61+阅读 · 2021年2月9日
专知会员服务
33+阅读 · 2021年2月7日
【AAAI2021】基于双任务一致性的半监督医学图像分割
专知会员服务
30+阅读 · 2021年2月7日
专知会员服务
114+阅读 · 2021年1月11日
最新《医学图像深度语义分割》综述论文
专知会员服务
94+阅读 · 2020年6月7日
【天津大学】知识图谱划分算法研究综述
专知会员服务
108+阅读 · 2020年4月27日
基于深度学习的多标签生成研究进展
专知会员服务
142+阅读 · 2020年4月25日
相关资讯
【TPAMI2022】关联关系驱动的多模态分类
专知
3+阅读 · 2022年3月22日
图像分割在医学影像中的应用
极市平台
2+阅读 · 2022年2月16日
「基于GNN的图分类研究」最新2022综述
图与推荐
7+阅读 · 2022年2月14日
基于深度学习的视频目标检测综述
极市平台
15+阅读 · 2019年7月19日
最全综述 | 图像分割算法
计算机视觉life
14+阅读 · 2019年6月20日
深度学习与医学图像分析
人工智能前沿讲习班
40+阅读 · 2019年6月8日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
新手必看:生成对抗网络的初学者入门指导
AI研习社
13+阅读 · 2018年9月18日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员